ClawTeam: 에이전트 스웜 인텔리전스

AI 에이전트의 진화 🚀: 솔로 🤖 → 스웜 🦞🤖🤖🤖
ClawTeam은 AI 에이전트가 무리를 이뤄 함께 생각하고 일하며 더 빠르게 결과를 내도록 돕습니다

Quick Start Use Cases Features License

Python Typer Agents Transport Feishu WeChat

**명령 한 줄이면 끝. 완전 자동화.** 에이전트가 스스로 스웜을 만들고, 작업을 나누고, 결과를 내놓습니다. 사람은 목표만 제시하면 됩니다. 나머지는 에이전트 팀이 조율합니다. [Claude Code](https://claude.ai/claude-code), [Codex](https://openai.com/codex), [OpenClaw](https://github.com/openclaw/openclaw), [nanobot](https://github.com/HKUDS/nanobot), [Cursor](https://cursor.com) 그리고 각종 CLI 에이전트와 폭넓게 호환됩니다.  [**English**](README.md) | [**中文文档**](README_CN.md) --- ## 📰 News **2026-03-18** ClawTeam 프로젝트가 공개 출시되었습니다. **2026-03-23** ClawTeam `v0.2.0`이 오늘 릴리스되었습니다. **2026-03** 현재 기준선에는 config 관리, multi-user 워크플로, Web UI, P2P transport, team template이 포함됩니다. --- ## ✨ ClawTeam의 핵심 기능

🔬 AI 연구 자동화

AutoResearch

• 대규모 ML 실험 자동화

• AI 모델 학습 및 최적화

• AI 기반 가설 생성 및 검증

• 스스로 발전하는 모델 아키텍처

🏗️ 에이전트 기반 엔지니어링

Engineering

• 자율적인 풀스택 개발

• 스스로 진화하는 소프트웨어

• 협업형 오픈소스 개발

• 실시간 시스템 통합

💰 AI 헤지펀드

Hedge Fund

• 자동화된 시장 조사 및 데이터 마이닝

• 다중 전략 포트폴리오 최적화

• 실시간 리스크 평가

• 알고리즘 트레이딩 실행 및 모니터링

🎪 나만의 스웜

Templates

• 맞춤형 과학 연구 팀

• 개인화된 투자 위원회

• 비즈니스 운영 팀

• 콘텐츠 제작 스튜디오
---
v0.1.0 https://github.com/user-attachments/assets/7e2f0ecd-8fe3-4970-90ac-5c9669ff060c v0.2.0 https://github.com/user-attachments/assets/fd23be91-5cf4-457c-a77e-bac24b76e58f
☝️ 지능형 리더 에이전트가 8대의 H100 GPU에 걸쳐 8개의 전문 서브에이전트를 조율하며, 실시간 성능에 맞춰 자원을 동적으로 재배치하면서 실험을 자율적으로 설계합니다. 🧠 시스템은 팀 전반의 성과를 종합해 전략을 스스로 발전시키며, 사람 개입 없이 연구 자동화를 실현합니다.

ClawTeam - AI agents orchestrating themselves

--- ## 🤔 왜 ClawTeam인가? 지금의 AI 에이전트는 강력합니다. 하지만 대부분 **각자 따로 움직입니다**. 복잡한 작업을 만나면 여러 에이전트를 사람이 직접 조율하고, 컨텍스트를 붙잡고, 흩어진 결과를 다시 꿰맞춰야 하죠. **에이전트가 팀처럼 생각하고 일할 수 있다면 어떨까요?** ClawTeam은 **에이전트 스웜 인텔리전스**를 구현합니다. AI 에이전트가 스스로 협업 팀을 만들고, 복잡한 작업을 똑똑하게 쪼개고, 인사이트를 실시간으로 공유하면서 더 나은 해답으로 수렴하게 합니다. • **🚀 전문 서브에이전트 생성** 각자 전용 환경과 집중 영역을 가집니다 • **📋 지능형 작업 분배 설계** 의존성까지 고려해 할당합니다 • **💬 실시간 협업 지원** 에이전트끼리 자연스럽게 소통합니다 • **📊 팀 성과 모니터링** 진행 상황과 병목을 파악합니다 • **🔄 동적 전략 조정** 자원을 재할당하고 방향을 수정합니다 #### ✨ 결과는? 비전은 사람이 제시합니다. 실행은 스웜이 집단 지성으로 해냅니다.

How ClawTeam works - comic

--- ## 🎯 실제로 작동하는 스웜 인텔리전스
### 🦞 에이전트가 에이전트를 만듭니다 리더 에이전트는 `clawteam spawn`을 호출해 워커를 생성합니다. 각 워커는 자동으로 자신만의 **git worktree**, **tmux 창**, **정체성**을 부여받습니다. ```bash # 리더 에이전트가 실행: clawteam spawn --team my-team \ --agent-name worker1 \ --task "인증 모듈 구현" ``` ### 🤖 에이전트끼리 대화합니다 워커는 받은 편지함을 확인하고, 작업 상태를 갱신하고, 결과를 보고합니다. 이 모든 흐름은 프롬프트에 **자동 주입되는** CLI 명령으로 이뤄집니다. ```bash # 워커 에이전트가 작업 확인: clawteam task list my-team --owner me # 그다음 결과 보고: clawteam inbox send my-team leader \ "인증 작업 완료. 테스트도 모두 통과했습니다." ``` ### 👀 사용자는 지켜보기만 하면 됩니다 타일형 tmux 화면이나 Web UI에서 스웜을 모니터링할 수 있습니다. 조율은 리더가 맡고, 사용자는 필요할 때만 개입하면 됩니다. ```bash # 모든 에이전트를 한 번에 보기 clawteam board attach my-team # 또는 웹 대시보드 실행 clawteam board serve --port 8080 ```
| | ClawTeam | 다른 멀티에이전트 프레임워크 | |---|---------|----------------------------| | 🎯 **누가 사용하나** | **AI 에이전트 스스로 사용** | 사람이 오케스트레이션 코드를 작성 | | ⚡ **설정 난이도** | `pip install` 후 리더에게 프롬프트 한 번 | Docker, 클라우드 API, YAML 설정 | | 🏗️ **인프라** | 파일시스템과 tmux만 있으면 됨 | Redis, 메시지 큐, 데이터베이스 | | 🤖 **에이전트 지원 범위** | 어떤 CLI 에이전트든 가능 (Claude Code, Codex, OpenClaw, 커스텀) | 해당 프레임워크 전용만 지원 | | 🌳 **격리 방식** | Git worktree (실제 브랜치, 실제 diff) | 컨테이너 또는 가상환경 | | 🧠 **지능의 위치** | CLI 명령을 바탕으로 스웜이 스스로 조직됨 | 하드코딩된 오케스트레이션 로직 | --- ## 🎬 활용 사례 ### 🔬 1. 자율 ML 연구, 8 에이전트 × 8 H100 GPU [@karpathy의 autoresearch](https://github.com/karpathy/autoresearch)를 기반으로 합니다. #### 💫 명령 한 번. 완전 자동화. #### 사람의 입력: "8개의 GPU로 이 LLM 학습 설정을 최적화해줘" 나머지는 에이전트 팀이 처리합니다: - H100 위에 8개의 전문 연구 에이전트를 띄움 - 2000개가 넘는 자율 실험 설계 - 획기적인 개선 달성 (`val_bpb: 1.044→0.977`) - 사람 개입 없이 완료 #### 🎯 대규모 순수 연구 몇 달 걸리던 수작업 하이퍼파라미터 튜닝을, 몇 시간짜리 지능형 자동화로 바꿉니다.

AutoResearch Progress
🏆 val_bpb: 1.044 → 0.977 (6.4% 개선) | 2430개 이상 실험 | 약 30 GPU-시간

**에이전트 팀이 자율적으로 수행한 일:** ``` 사람 프롬프트: "8개의 GPU를 사용해 train.py를 최적화해. 지침은 program.md를 읽어." 🦞 리더 에이전트의 행동: ├── 📖 program.md를 읽고 실험 프로토콜 파악 ├── 🏗️ clawteam team spawn-team autoresearch ├── 🚀 각 GPU에 연구 방향 할당: │ ├── GPU 0: clawteam spawn --task "모델 깊이 탐색 (DEPTH 10-16)" │ ├── GPU 1: clawteam spawn --task "모델 폭 탐색 (ASPECT_RATIO 80-128)" │ ├── GPU 2: clawteam spawn --task "학습률과 옵티마이저 튜닝" │ ├── GPU 3: clawteam spawn --task "배치 크기와 accumulation 탐색" │ ├── GPU 4-7: clawteam spawn tmux codex --task "..." (Codex 에이전트) │ └── 🌳 각 에이전트: 자체 git worktree, 자체 브랜치, 격리된 실험 ├── 🔄 30분마다 결과 점검: │ ├── clawteam board show autoresearch │ ├── 각 에이전트의 results.tsv 확인 │ ├── 🏆 최고 성과 식별 (depth=12, batch=2^17, norm-before-RoPE) │ └── 📡 성과 공유: 새 에이전트가 최고 설정에서 시작하도록 지시 ├── 🔧 에이전트가 끝나면 GPU 재배치: │ ├── 놀고 있는 에이전트 종료, worktree 정리 │ ├── 최고 커밋 기준으로 새 worktree 생성 │ └── 최적화 방향을 합쳐 새 에이전트 재투입 └── ✅ 2430개 이상 실험 후: val_bpb 1.044 → 0.977 ``` 전체 결과: [novix-science/autoresearch](https://github.com/novix-science/autoresearch) --- ### 🏗️ 2. 에이전트형 소프트웨어 엔지니어링 Claude Code에게 이렇게 말합니다. *"인증, 데이터베이스, React 프런트엔드가 있는 풀스택 할 일 앱을 만들어줘."* 그러면 Claude는 이 작업이 여러 모듈로 나뉜다는 걸 이해하고 **스스로 팀을 조직합니다**. ``` 사람 프롬프트: "auth, database, React frontend가 있는 full-stack todo app을 만들어줘." 🦞 리더 에이전트의 행동: ├── 🏗️ clawteam team spawn-team webapp -d "풀스택 할 일 앱" ├── 📋 의존성 체인이 있는 작업 생성: │ ├── T1: "REST API 스키마 설계" → architect │ ├── T2: "JWT 인증 구현" --blocked-by T1 → backend1 │ ├── T3: "데이터베이스 레이어 구축" --blocked-by T1 → backend2 │ ├── T4: "React 프런트엔드 구축" → frontend │ └── T5: "통합 테스트" --blocked-by T2,T3,T4 → tester ├── 🚀 5개 서브에이전트 생성 (각자 독립 git worktree 사용): │ ├── clawteam spawn --agent-name architect --task "API 스키마 설계" │ ├── clawteam spawn --agent-name backend1 --task "JWT 인증 구현" │ ├── clawteam spawn --agent-name backend2 --task "PostgreSQL 모델 작성" │ ├── clawteam spawn --agent-name frontend --task "React UI 구현" │ └── clawteam spawn --agent-name tester --task "pytest 테스트 작성" ├── 🔗 의존성 자동 해제: │ ├── architect 완료 → backend1, backend2 자동 시작 가능 │ ├── 백엔드 작업 완료 → tester 자동 시작 가능 │ └── 각 에이전트 호출: clawteam task update --status completed ├── 💬 받은 편지함으로 서브에이전트 간 조율: │ ├── architect → backend1: "OpenAPI 스펙은 다음과 같아: ..." │ ├── backend1 → tester: "인증 엔드포인트는 /api/auth/* 에 준비됨" │ └── tester → leader: "총 47개 테스트 모두 통과 ✅" └── 🌳 리더가 모든 worktree를 main 브랜치로 병합 ``` --- ### 💰 3. AI 헤지펀드, 명령 한 번으로 팀 실행 미리 만들어 둔 TOML 템플릿 하나로 **7개 에이전트** 투자 분석 팀을 바로 띄울 수 있습니다. ```bash # 이 한 줄로 전체 팀이 실행됩니다: clawteam launch hedge-fund --team fund1 --goal "AAPL, MSFT, NVDA를 2026년 2분기 기준으로 분석" ``` ``` 🦞 자동으로 일어나는 일: ├── 📊 포트폴리오 매니저(리더)가 생성되고 목표를 전달받음 ├── 🤖 5명의 애널리스트 에이전트 생성, 각자 다른 전략 담당: │ ├── 🎩 버핏 애널리스트 → 가치 투자 (moat, ROE, DCF) │ ├── 🚀 성장 애널리스트 → 파괴적 성장 (TAM, 네트워크 효과) │ ├── 📈 기술적 분석가 → 지표 분석 (EMA, RSI, Bollinger) │ ├── 📋 펀더멘털 분석가 → 재무 비율 (P/E, D/E, FCF) │ └── 📰 센티먼트 분석가 → 뉴스 + 내부자 거래 신호 ├── 🛡️ 리스크 매니저 생성, 모든 애널리스트 신호 대기: │ ├── clawteam inbox receive fund1 (5개 신호 수집) │ ├── 종합 분석 후 포지션 한도 계산 │ └── clawteam inbox send fund1 portfolio-manager "RISK REPORT: ..." └── 💼 포트폴리오 매니저가 최종 매수/매도/보유 결정 ``` 템플릿은 TOML 파일입니다. 어떤 도메인이든 **나만의 팀 원형을 만들 수 있습니다**. --- ## 📦 설치 ```bash pip install clawteam # 또는 소스에서 설치 git clone https://github.com/HKUDS/ClawTeam.git cd ClawTeam pip install -e . # 선택 사항: P2P transport (ZeroMQ) pip install -e ".[p2p]" ``` **Python 3.10+**가 필요합니다. 의존성은 `typer`, `pydantic`, `rich`입니다. --- ## 🚀 빠른 시작 ### ⚡ 옵션 1: 에이전트에게 맡기기 (권장) ClawTeam에는 `skills/clawteam/`에 재사용 가능한 skill이 들어 있습니다. **Claude Code** 이 skill을 `~/.claude/skills/clawteam`에 설치한 뒤, 이렇게 프롬프트를 주면 됩니다. ``` "웹 앱을 만들어줘. 작업은 clawteam으로 여러 에이전트에게 나눠서 진행해." ``` **Codex** 같은 skill을 `$CODEX_HOME/skills/clawteam`(보통 `~/.codex/skills/clawteam`)에 설치한 뒤, 이렇게 요청하면 됩니다. ``` 이 작업을 여러 에이전트 팀으로 나누고 끝까지 조율하도록 $clawteam을 사용해줘. ``` 그러면 에이전트가 내부적으로 `clawteam` CLI 명령을 사용해 팀을 만들고, 워커를 띄우고, 작업을 나누고, 전체 흐름을 조율합니다. ### 🔧 옵션 2: 직접 조작하기 ```bash # 1. 팀 생성 (당신이 리더가 됩니다) clawteam team spawn-team my-team -d "인증 모듈 만들기" -n leader # 2. 워커 에이전트 생성. 각 에이전트는 git worktree, tmux 창, 정체성을 받습니다 clawteam spawn --team my-team --agent-name alice --task "OAuth2 플로우 구현" clawteam spawn --team my-team --agent-name bob --task "인증 유닛 테스트 작성" # 3. 워커는 자동으로 조율용 프롬프트를 받아 다음 동작을 배웁니다: # ✅ 작업 확인: clawteam task list my-team --owner alice # ✅ 상태 갱신: clawteam task update my-team --status completed # ✅ 리더에게 알림: clawteam inbox send my-team leader "완료!" # ✅ 유휴 상태 보고: clawteam lifecycle idle my-team # 4. 나란히 일하는 모습을 확인 clawteam board attach my-team ``` ### 🤖 지원하는 에이전트 ClawTeam은 셸 명령을 실행할 수 있는 **어떤 CLI 에이전트**와도 함께 쓸 수 있습니다. | Agent | Spawn Command | Status | |-------|--------------|--------| | [Claude Code](https://claude.ai/claude-code) | `clawteam spawn tmux claude --team ...` | ✅ 완전 지원 | | [Codex](https://openai.com/codex) | `clawteam spawn tmux codex --team ...` | ✅ 완전 지원 | | [OpenClaw](https://github.com/openclaw/openclaw) | `clawteam spawn tmux openclaw --team ...` | ✅ 완전 지원 | | [nanobot](https://github.com/HKUDS/nanobot) | `clawteam spawn tmux nanobot --team ...` | ✅ 완전 지원 | | [Cursor](https://cursor.com) | `clawteam spawn subprocess cursor --team ...` | 🔮 실험적 | | Custom scripts | `clawteam spawn subprocess python --team ...` | ✅ 완전 지원 | --- ## ✨ 기능
### 🦞 에이전트 자가 조직화 - 리더 에이전트가 워커 에이전트를 생성하고 관리 - **조율 프롬프트 자동 주입** 수동 설정이 필요 없음 - 워커가 상태, 결과, 유휴 상태를 스스로 보고 - Claude Code, Codex, OpenClaw, 커스텀 등 어떤 CLI 에이전트와도 작동 ### 🌳 워크스페이스 격리 - 각 에이전트는 자신만의 **git worktree**(별도 브랜치)를 가짐 - 병렬 작업 중에도 merge conflict 최소화 - 체크포인트, 병합, 정리 명령 제공 - 브랜치 이름 규칙: `clawteam/{team}/{agent}` ### 📋 의존성 있는 작업 추적 - 공유 칸반 흐름: `pending` → `in_progress` → `completed` / `blocked` - `--blocked-by` 의존성 체인, **완료 시 자동 해제** - `task wait`로 모든 작업 완료까지 대기 가능 - 상태, 담당자별 필터링 및 스크립팅용 JSON 출력 지원 ### 💬 에이전트 간 메시징 - 일대일 **받은 편지함**(send, receive, peek) - 모든 팀원에게 **브로드캐스트** 가능 - 기본은 파일 기반, 필요 시 ZeroMQ P2P transport와 오프라인 fallback 지원 - 에이전트는 `inbox receive`로 메시지를 확인 ### 📊 모니터링 및 대시보드 - `board show` 터미널 칸반 보드 - `board live` 자동 새로고침 대시보드 - `board attach` **타일형 tmux 뷰**로 전체 에이전트 관찰 - `board serve` **실시간 Web UI** 제공 ### 🎪 팀 템플릿 - **TOML 파일**로 팀 원형(역할, 작업, 프롬프트) 정의 - 명령 한 줄로 팀 전체 실행: `clawteam launch