Claude Code 팁 – 동적 워크플로로 복잡한 작업 자동화하기

정적 vs 동적 워크플로
6가지 핵심 패턴
1. Classify-and-Act (분류 후 실행)
2. Fan-Out-and-Synthesize (분산 후 합성)
3. Adversarial Verification (대립적 검증)
4. Generate-and-Filter (생성 후 필터링)
5. Tournament (토너먼트)
6. Loop-Until-Done (완료까지 반복)
주요 사용 사례
동적 워크플로를 쓰면 안 될 때
예시 프롬프트
참고 자료
관련 문서

Anthropic이 2026년 6월 Claude Code의 동적 워크플로(Dynamic Workflows) 활용 방법을 공식 블로그로 공개했다. 정해진 단계 시퀀스를 따르는 정적 워크플로와 달리, 동적 워크플로는 Claude가 런타임에 작업의 복잡도와 맥락을 파악해 다음 단계를 스스로 결정한다.

정적 vs 동적 워크플로

항목	정적 워크플로	동적 워크플로
단계 결정 시점	사전 정의	런타임
유연성	낮음	높음
적합한 태스크	예측 가능한 반복 작업	복잡·가변적 태스크
에이전트 수	보통 1개	서브에이전트 팬아웃 가능

6가지 핵심 패턴

1. Classify-and-Act (분류 후 실행)

입력을 분류하고 해당 카테고리에 맞는 액션을 수행한다. 다양한 유형의 이슈가 들어오는 트리아지 시스템에 적합하다.

2. Fan-Out-and-Synthesize (분산 후 합성)

여러 서브에이전트에 작업을 분배하고 결과를 합성한다. 병렬 처리로 시간을 절약하고 독립적인 관점을 얻는다.

3. Adversarial Verification (대립적 검증)

각 서브에이전트 출력을 별도의 검증 에이전트가 루브릭 기준으로 검증한다. 출력 품질 보증에 효과적이다.

4. Generate-and-Filter (생성 후 필터링)

여러 아이디어나 후보를 생성하고, 루브릭이나 검증 기준으로 중복 제거 및 품질 필터링한다.

5. Tournament (토너먼트)

여러 후보를 토너먼트 방식으로 비교해 최고 품질의 결과를 선택한다. 코드 구현 방식, 설계 결정 등에 활용된다.

6. Loop-Until-Done (완료까지 반복)

조건이 충족될 때까지 작업을 반복한다. 테스트 통과, 품질 기준 달성 등 목표 기반 자동화에 사용한다.

주요 사용 사례

사용 사례	설명
마이그레이션·리팩터	코드베이스 전체를 분산 처리해 일관성 있게 변경
딥 리서치	여러 각도에서 정보 수집 후 합성
딥 검증	변경 사항의 의도치 않은 영향을 다각도로 검증
정렬(Sorting)	항목들을 쌍별 비교로 우선순위 정렬
메모리·규칙 준수	컨텍스트 한계 내에서 규칙 준수 상태 추적
근본 원인 조사	버그·이슈의 원인을 단계적으로 파고듦
대규모 트리아지	이슈·PR 대량 분류 및 태깅
탐색·취향	여러 접근법을 탐색하고 최선을 선택
Evals	모델 또는 코드 변경에 대한 자동 평가
모델·지능 라우팅	작업 유형에 따라 적합한 모델·에이전트 선택

동적 워크플로를 쓰면 안 될 때

단순하고 예측 가능한 단일 단계 작업
결과 재현성이 중요한 감사 추적이 필요한 작업
비용이나 API 호출 수를 엄격히 제한해야 하는 경우

예시 프롬프트

여러 서브에이전트를 사용해 이 코드베이스를 Python 3.9에서 3.12로 마이그레이션하세요.
각 모듈을 독립적으로 처리하고, 완료 후 결과를 합성해 일관성을 검증하세요.

이 10개의 구현 방안을 토너먼트 방식으로 비교해 성능·유지보수성·가독성 기준으로
최적의 방안을 선택하세요.

참고 자료

A harness for every task: dynamic workflows in Claude Code — Anthropic (2026-06-02)

AI Sparkup