AI Agent Orchestration으로 Micro-SaaS 자동화하기
Micro-SaaS를 운영한다는 건 이제 서버 관리나 코드 작성이 전부가 아니다. AI agent들이 반복 작업을 처리하는 동안 나는 전략과 성장에 집중하면 된다.
핵심 Orchestration 패턴 3가지
Supervisor 패턴
메인 agent가 전문화된 sub-agent들을 조율한다. 프로젝트 매니저가 각 분야 전문가에게 위임하는 구조다.
예시: 메인 agent가 GitHub 이슈를 모니터링하고, 코딩 agent가 구현하고, 테스트 agent가 검증하고, 문서화 agent가 업데이트한다. 각자 한 가지 일만 한다.
Pipeline 패턴
Agent들이 순차적으로 작업하며 각자 이전 결과물에 가치를 더한다.
콘텐츠 파이프라인 예시: 트렌드 리서치 → 초안 생성 → 편집 및 최적화 → 포맷팅 및 발행. 콘텐츠 마케팅, 데이터 처리, 리포트 생성에 적합하다.
Event-Driven 패턴
비즈니스 환경의 트리거에 agent들이 반응한다. 이메일 도착, 캘린더 이벤트, GitHub PR 오픈, 서버 알림 등 각각의 트리거가 해당 agent를 깨운다. 폴링 없이 순수 이벤트 기반으로 동작한다.
실제 구현 시 핵심 포인트
인프라가 거창할 필요 없다. 스케줄링엔 cron, 이벤트엔 webhook, 비동기 작업엔 message queue면 충분하다. AI 모델은 Claude/GPT로 추론을 맡기고, 민감한 작업엔 로컬 모델을 쓴다.
에러 핸들링은 필수다. AI agent는 반드시 실패한다. exponential backoff로 재시도하고, 폴백 로직을 준비하고, 중요한 결정엔 사람이 개입하는 구조를 만들어야 한다. 로깅도 빠짐없이.
비용 최적화
AI API 비용은 금방 쌓인다. 유사 작업은 배치로 묶고, 자주 쓰는 결과는 캐싱하고, 단순 작업엔 저렴한 모델을 쓴다. 잘 설계된 시스템이면 하루 100번 실행에 월 $10 이하도 가능하다.
한 사람이 할 수 있는 일
제대로 된 agent orchestration이 있으면 솔로 파운더도 이런 게 가능해진다.
- 주 5-7개 블로그 포스트 발행
- 하루 100개 이상 support 티켓 처리
- 10개 이상 데이터 소스 지속 모니터링
- 자는 동안 기능 배포
핵심은 워크플로우를 한 번 설계하고, agent들이 무기한 실행하게 두는 것이다.
일을 하는 게 내 역할이 아니다. 일을 하는 시스템을 설계하는 게 내 역할이다.