Multica: AI 코딩 에이전트를 팀원으로 만드는 오픈소스 플랫폼

“Your next 10 hires won’t be human.” — Multica

AI 코딩 에이전트(Claude Code, OpenAI Codex 등)를 써본 적이 있다면, 이런 생각을 해봤을 것이다. “이걸 그냥 팀원처럼 이슈 할당하면 알아서 해주면 안 되나?” Multica는 정확히 그 문제를 풀고 있다.

Multica는 코딩 에이전트를 실제 팀원처럼 관리할 수 있게 해주는 오픈소스 플랫폼이다. 에이전트에게 이슈를 할당하면, 자율적으로 작업을 수행하고, 코멘트를 남기고, 블로커를 보고하고, PR을 만든다. 마치 사람 개발자에게 일을 맡기는 것과 같은 워크플로우를 AI 에이전트와 함께 할 수 있다.

왜 이 프로젝트가 눈에 띄었나

지금 AI 코딩 도구는 대부분 “코파일럿” 패러다임이다. 사람이 코드를 쓰면 AI가 옆에서 도와준다. 하지만 Multica는 다른 방향을 택했다. 프로젝트 매니지먼트 시스템에 AI 에이전트가 1급 시민(first-class citizen)으로 참여하는 구조다. 이슈 트래커에서 사람과 에이전트가 나란히 보이고, 동일한 워크플로우로 관리된다.

이건 하네스 엔지니어링의 실질적인 구현체다. 에이전트를 “채팅 상대”가 아닌 “팀원”으로 다루는 인터페이스를 제공한다는 점에서, 지금까지의 에이전트 도구들과 결이 다르다.

핵심 특징

Agent-as-Teammate

에이전트는 프로필을 갖고, 담당자 드롭다운에 사람과 나란히 표시되며, 이슈에 코멘트를 달고, 블로커를 사전에 보고한다.

사람 개발자 → 이슈 할당 → 코드 작성 → PR → 리뷰
AI 에이전트  → 이슈 할당 → 코드 작성 → PR → 리뷰

워크플로우가 동일하다. 관리 방식도 동일하다.

자율적 태스크 라이프사이클

태스크는 Enqueue → Claim → Start → Complete/Fail 단계를 자동으로 거친다. WebSocket을 통한 실시간 진행 상황 스트리밍도 지원하므로, 에이전트가 지금 뭘 하고 있는지 실시간으로 볼 수 있다.

Skill Compounding (기술 복리효과)

이것이 Multica의 킬러 기능이다. 에이전트가 해결한 솔루션은 재사용 가능한 “스킬 정의”로 패키징된다. 배포 스크립트, 마이그레이션, 코드 리뷰 패턴 등이 조직의 지식으로 축적되어 어떤 에이전트든 활용할 수 있게 된다. 에이전트가 일할수록 팀 전체가 똑똑해진다.

벤더 중립

Claude Code와 OpenAI Codex를 모두 지원한다. PATH에서 사용 가능한 CLI를 자동 감지하며, 특정 벤더에 종속되지 않는다.

아키텍처

컴포넌트	기술 스택
Frontend	Next.js 16 (App Router)
Backend	Go (Chi router, sqlc, gorilla/websocket)
Database	PostgreSQL 17 + pgvector
Agent Runtime	로컬 데몬 (Claude Code / Codex CLI)

┌─────────────────┐     ┌──────────────┐     ┌──────────────────┐
│  Next.js 16 UI  │◄───►│  Go API 서버  │◄───►│  PostgreSQL 17   │
│  (App Router)   │     │  (Chi + WS)  │     │  + pgvector      │
└─────────────────┘     └──────┬───────┘     └──────────────────┘
                               │
                        ┌──────▼───────┐
                        │ Agent Daemon │
                        │  (로컬 실행)  │
                        └──────┬───────┘
                          ┌────┴────┐
                     ┌────▼──┐  ┌──▼────┐
                     │Claude │  │ Codex │
                     │ Code  │  │  CLI  │
                     └───────┘  └───────┘

데몬이 로컬에서 실행되므로 코드가 외부로 나가지 않는다. 셀프호스팅의 큰 장점이다.

시작하기

Docker로 셀프호스팅

git clone https://github.com/multica-ai/multica.git
cd multica
cp .env.example .env
# .env 파일에서 JWT_SECRET 등 필수 설정 수정
docker compose up -d
cd server && go run ./cmd/migrate up && cd ..
make start

CLI로 에이전트 연결

brew tap multica-ai/tap
brew install multica
multica login
multica daemon start

실제 사용 흐름

multica login — 인증
multica daemon start — 로컬 데몬 실행
웹 앱에서 Settings → Runtimes에서 런타임 등록 확인
Settings → Agents → New Agent에서 에이전트 생성
보드에서 이슈 생성 후 에이전트에 할당
에이전트가 자율적으로 작업 시작

기존 도구와의 비교

	Multica	GitHub Copilot	Cursor	Devin
자율 실행	O	X	X	O
셀프호스팅	O	X	X	X
오픈소스	O (Apache 2.0)	X	X	X
멀티 벤더	O	X	X	X
태스크 관리	O (내장)	X	X	O
스킬 축적	O	X	X	X

실전 시나리오

버그 트리아지 자동화 — QA팀이 버그를 보고하면, 에이전트가 자동으로 할당받아 원인 분석과 수정 PR을 만든다. 사람 개발자는 리뷰만 하면 된다.

리팩토링 병렬 처리 — 대규모 리팩토링을 여러 에이전트에 분배해서 병렬로 처리할 수 있다. 각 에이전트가 다른 모듈을 담당하고, 독립적으로 PR을 생성한다.

문서화 & 테스트 보강 — 사람이 비즈니스 로직에 집중하는 동안, 에이전트가 테스트 코드 작성과 API 문서화를 병행한다.

주의할 점

초기 설정에 Docker, Go, Node.js 등 개발 환경이 필요하다.
에이전트 품질은 기반 모델(Claude Code, Codex)의 성능에 의존한다.
복잡한 태스크는 여전히 사람의 감독이 필요하다. 완전 자율이 아닌, 협업 도구로 봐야 한다.

정리

Multica는 “AI 에이전트를 어떻게 팀에 통합할 것인가”라는 질문에 대한 실용적인 답을 제시한다. 채팅 인터페이스를 넘어서, 이슈 트래커와 태스크 관리를 통해 에이전트를 관리하는 방식은 실제 팀 환경에 자연스럽게 녹아든다.

Apache 2.0 라이선스의 오픈소스이고 셀프호스팅이 가능하므로, 데이터 주권이 중요한 조직에서도 부담 없이 도입할 수 있다. AI 코딩 에이전트의 다음 단계가 궁금하다면 한번 살펴볼 가치가 있다.

GitHub: multica-ai/multica
공식 사이트: multica.ai

코난쌤 블로그

탐색기