Anthropic의 Dynamic Workflows, Claude 에이전트를 조율하는 구조

플로는 "차세대 멀티에이전트 오케스트레이션"으로 자리매김된다. 리드 에이전트가 먼저 계획을 세우고, Claude가 에이전트를 기동하고 결과를 수집하며 정보 흐름을 관리하는 프로그램을 작성한다. 기존 Claude Managed Agents에서는 개발자가 조정 역할과 서브에이전트를 직접 설정해야 했지만, 플로에서는 Claude가 작업을 나누는 방식과 조정 방법을 결정한다. 미리 설정해 둔 서브에이전트를 넘겨주는 것도 가능하다. 데모는 주식 워치리스트 스캐너였으며, 스캔 단계에서 각 티커를 독립된 컨텍스트를 가진 에이전트에 나눠 배정하고, 후속 리뷰 단계에서 결과를 검토해 리포트를 만드는 흐름이었다.

질의응답에서는 비용과 제어가 쟁점이 되었다. 에이전트 수는 "evals와 낮은 기본값"으로 정해지며, 대규모 처리에서는 병렬화를 명시적으로 권할 필요가 있다고 한다. 실행 중인 모델은 자신의 예산을 알지 못하므로, 개발자가 세션 예산을 설정할 수 있다. 워치리스트 비교에서 플로는 단일 에이전트보다 비용이 "much more"로 더 들지만, 세부 사항을 놓치는 일이 적다고 설명되었다.

개선과 가시성에 대해서도 언급이 있었다. 반복 실행 시 비용을 줄이는 방법으로는 Claude에게 비용을 분석하게 하는 방법과 함께, 리서치 프리뷰인 dreaming이 거론되었다. dreaming은 기존 메모리 스토어와 과거 세션 기록을 읽고, 중복을 통합하거나 오래된 항목을 교체하며 내용을 재구성하는 기능이다. 플로 자체에는 스스로 개선하는 기능이 내장되어 있지 않아, hill-climbing과 dreaming으로 보완하는 방안이 제시되었다. 서브에이전트의 입출력은 Claude Console의 그래프 기능으로 확인할 수 있으며, 서브에이전트끼리는 파일 시스템을 공유하지만 API로 직접 메시지를 주고받게 할 수는 없다.

Stall은 플로를 어려운 문제에 테스트 타임 컴퓨팅을 투입해 모델의 능력을 더 많이 끌어내는 수단으로 자리매김했다. 대규모 과학 연구에 적용할 수 있는지를 묻는 질문에는 구체적인 내용까지는 언급하지 않았지만, 일반 사용자도 비슷한 과제에 도전할 수 있도록 하는 것이 목표라고 말했다.