AI 스웜으로 SQLite 클론 구축 — 멀티 에이전트 분업의 현실

개요

6대의 AI 에이전트(Claude 2대, Codex 2대, Gemini 2대)가 병렬로 협업하여 Rust로 SQLite 호환 데이터베이스 엔진을 구축한 실험이 공개되었습니다. 결과물은 약 19,000줄의 코드, 282개의 유닛 테스트를 통과하는 완성도 높은 시스템입니다.

이 실험은 Kian Kyars의 블로그 포스트에서 상세히 다루어졌으며, Hacker News에서 63포인트를 기록하며 주목받았습니다.

아키텍처: 분산 시스템으로서의 소프트웨어 개발

이 프로젝트의 핵심 아이디어는 간단합니다. 소프트웨어 엔지니어링을 분산 시스템처럼 취급하는 것입니다. 조정 수단은 git, 락 파일, 테스트, 머지 규율입니다.

워크플로우

graph TD
    B[Bootstrap Phase<br/>Claude 1대가 기반 구축] --> W1[Worker 1<br/>Claude]
    B --> W2[Worker 2<br/>Claude]
    B --> W3[Worker 3<br/>Codex]
    B --> W4[Worker 4<br/>Codex]
    B --> W5[Worker 5<br/>Gemini]
    B --> W6[Worker 6<br/>Gemini]
    W1 --> G[Git Main Branch]
    W2 --> G
    W3 --> G
    W4 --> G
    W5 --> G
    W6 --> G
    G --> T[테스트 검증<br/>sqlite3 오라클]

에이전트 루프

각 에이전트는 다음 루프를 무한 반복합니다:

1. 최신 main 브랜치 풀
2. 스코프가 정해진 태스크 하나를 클레임 (락 파일)
3. 구현 + sqlite3를 오라클로 한 테스트
4. 공유 진행 문서/노트 업데이트
5. 푸시

구현된 기능

이 스웜이 구축한 SQLite 클론의 완성도는 놀랍습니다:

레이어	구현 항목
파서	SQL 파서
플래너	통계 기반 쿼리 플래닝
실행기	Volcano 모델 실행기
스토리지	페이저, B+트리
트랜잭션	WAL, 리커버리, 트랜잭션 시맨틱스
기능	JOIN, 집계, 인덱싱, 그룹 집계

총 154 커밋, 개발 기간 2일(2026-02-10 ~ 02-12).

조정 비용의 현실

가장 흥미로운 발견은 조정 비용(coordination tax)입니다.

전체 커밋: 154
조정 관련 커밋: 84 (54.5%)
├── 락 클레임
├── 락 해제
├── 스테일 락 정리
└── 태스크 조정

전체 커밋의 54.5%가 순수한 조정 오버헤드였습니다. 이는 멀티 에이전트 시스템의 병렬 처리량이 락 위생과 스테일 락 정리 규율에 크게 의존함을 보여줍니다.

성공 요인 분석

1. 오라클 기반 검증 + 높은 테스트 빈도

sqlite3를 정답(oracle)으로 사용하여 각 에이전트의 출력을 검증했습니다. cargo test와 ./test.sh를 통한 빠른 피드백 루프가 결정적이었습니다.

2. 강한 모듈 경계

graph LR
    P[Parser] --> PL[Planner] --> E[Executor] --> S[Storage]

파서 → 플래너 → 실행기 → 스토리지로 이어지는 명확한 모듈 경계 덕분에 에이전트들이 직교적인 슬라이스에서 작업할 수 있었고, 머지 충돌이 최소화되었습니다.

3. 공유 상태 문서는 “문서”가 아닌 “런타임”

PROGRESS.md와 디자인 노트는 단순한 문서가 아니라 시스템의 런타임 상태로 기능했습니다. 이는 멀티 에이전트 협업에서 공유 상태 관리의 중요성을 보여줍니다.

한계와 교훈

코얼레서(Coalescer)의 부재

중복과 드리프트를 정리하기 위한 코얼레서 에이전트가 구현되었지만, 프로젝트 종료 시점에 한 번만 실행되었습니다. Gemini는 전체 중복 제거를 완료하지 못하고 중간에 중단되었습니다. 코얼레서는 다른 에이전트만큼 자주 실행되어야 합니다.

토큰 사용량 추적 불가

각 플랫폼이 서로 다른 형식을 사용하기 때문에 어느 에이전트가 가장 많은 기여를 했는지 파악할 수 없었습니다.

문서 폭발

PROGRESS.md가 490줄까지 늘어나고 notes 디렉토리에 방대한 양의 문서가 쌓였습니다. 이는 에이전트 간 통신의 비용을 보여줍니다.

이전 연구와의 비교

이 실험은 Verdent AI의 멀티 에이전트 SWE-bench 결과와 같은 맥락에 있습니다. Verdent가 벤치마크에서의 병렬 실행 효과를 보여주었다면, 이 SQLite 프로젝트는 실제 시스템 구축에서의 멀티 에이전트 분업을 실증합니다.

핵심 공통점:

• 에이전트에게 좁은 인터페이스, 공통 진실 소스, 빠른 피드백을 주면 실제 시스템 코드에서 복합적인 처리량을 얻을 수 있다
• 테스트는 안티 엔트로피 힘이다

핵심 요약

항목	수치
에이전트 수	6대 (Claude 2 + Codex 2 + Gemini 2)
코드 라인	~19,000줄 (Rust)
커밋 수	154
조정 오버헤드	54.5%
테스트	282개 통과
개발 기간	2일

결론

이 실험은 멀티 에이전트 개발의 가능성과 한계를 동시에 보여줍니다. 6대의 에이전트가 2일 만에 19,000줄의 작동하는 데이터베이스 엔진을 만들었다는 것은 인상적이지만, 커밋의 절반 이상이 조정 오버헤드였다는 사실은 간과할 수 없습니다.

병렬성은 강력하지만, 엄격한 태스크 경계가 있어야만 효과적입니다. 그리고 테스트는 단순한 품질 보증이 아니라 에이전트 시스템의 엔트로피에 대항하는 핵심 메커니즘입니다.

참고 자료

• Building SQLite With a Small Swarm — Kian Kyars
• GitHub: kiankyars/sqlite
• GitHub: kiankyars/parallel-ralph
• Anthropic: Building a C Compiler
• Cursor: Scaling Agents