멀티 에이전트 스웜을 코드가 아닌 YAML 파일로 구축하는 프레임워크를 만들었습니다.
I built a framework where multi-agent swarms are YAML files, not code.
핵심 요약
Python 코드 수정 없이 YAML 설정만으로 멀티 에이전트 구조를 정의하고 관리하는 SwarmKit 프레임워크와 운영 팁.
- YAML 기반 토폴로지 — Python 코드 수정 없이 YAML 파일만으로 에이전트 추가 및 모델 교체가 가능함.
- 도구 가용성 제어 — 프롬프트 지시보다 에이전트별 도구 할당을 제한하는 것이 동작 제어에 더 효과적임.
- 에이전트 넛징 — 모델이 계획만 세우고 실행하지 않는 게으른 응답을 감지하여 다시 실행하도록 유도함.
- 결과 합성 — 원시 도구 출력을 사용자에게 직접 보여주지 않고 LLM이 한 번 더 정리하여 가독성을 높임.
Big_Pirate6113의 게시물이 삭제되어 다시 게시합니다.
수천 개의 문서, 수십 개의 API, 구성 덤프 및 프로젝트 코드가 여러 시스템에 흩어져 있는 엔터프라이즈 프로젝트에서 일하고 있습니다. 작년에 이 모든 것을 파악하기 위해 멀티 에이전트 설정이 필요했는데, 동일한 문제에 계속 부딪혔습니다. 누가 무엇을 할지 변경하고 싶을 때마다(에이전트 추가, 모델 교체, 새로운 도구 부여 등) 다시 Python으로 돌아가 LangGraph 상태 그래프를 재작성해야 했습니다.
그래서 SwarmKit을 만들었습니다.
https://github.com/delivstat/swarmkit
agents:
root:
role: root
model: { provider: openrouter, name: meta-llama/llama-3.3-70b-instruct }
children:
- id: researcher
role: worker
archetype: domain-researcher
- id: analyst
role: worker
archetype: code-analyst
런타임은 이를 LangGraph 상태 그래프로 컴파일합니다. 따라서 YAML을 변경하면 그래프가 변경됩니다. Python을 건드릴 필요가 없습니다.
실제 운영 사례
실제 엔터프라이즈 프로젝트에서 이를 실행해 왔습니다. 워크스페이스에는 5개의 서로 다른 에이전트 토폴로지, 21개의 스킬, 9개의 MCP 도구 서버(문서용 ChromaDB, 구성 파서, API 문서, Jira, Confluence, 코드 검색, 비전 기능이 있는 PDF 리더 등)가 있습니다. 주로 콘텐츠 수집 및 조사용입니다. 프로젝트는 아직 코드를 작성할 만큼 성숙하지 않았습니다.
