Conductor – 결정적 다중 에이전트 AI 워크플로를 위한 CLI

정의 – conductor는 AI 에이전트(Copilot, Claude 등)의 파이프라인을 단일 YAML 파일로 설명하고 해당 파이프라인을 로컬 또는 CI에서 실행할 수 있는 명령줄 도구입니다. 오케스트레이션 자체는 결정적입니다. 라우팅 결정은 LLM이 아닌 Jinja2 템플릿으로 표현되므로 동일한 입력은 항상 동일한 경로를 따릅니다.

중요한 이유 – 다단계 AI 시스템(코드 검토 봇, 연구 후 합성 루프, 계획 후 구현 주기)을 구축하거나 실험하는 경우 버전 관리, 테스트, 공유가 어려운 임시 스크립트를 작성하는 경우가 많습니다. Conductor는 다음을 제공합니다.

• 반복 가능하고 버전 관리되는 워크플로(PR에서 diff할 수 있는 일반 YAML)
• 공급자에 구애받지 않는 에이전트 – Copilot, Anthropic Claude, Claude-Agent SDK, NousResearch Hermes 또는 Azure Container Apps 샌드박스 실행.
• 병렬 처리 및 하위 워크플로 – for_each를 사용한 팬아웃, 재사용 가능한 하위 워크플로, 동시 에이전트 그룹.
• 인간 개입 게이트 – 사용자가 Markdown 프롬프트에 답변할 때까지 실행을 일시 중지합니다.
• 관찰 가능성 – 웹 대시보드(실시간 DAG 보기, 스트리밍 에이전트 출력) 및 실행 중인 모든 워크플로를 모니터링하고 토큰 사용량을 표시하며 터미널을 떠나지 않고 게이트에 답변할 수 있는 TUI "Fleet Manager".
• 안전 제한 – 최대 반복 횟수, 시간 초과, 명시적 종료 단계.
• OpenTelemetry – 더 깊은 분석을 위해 추적을 Jaeger/Tempo로 내보냅니다.

작동 방식

1. YAML 작성 – workflow, agents 목록(모델, 프롬프트, 출력 스키마) 및 그 사이의 라우팅(routes)을 선언합니다. Jinja2 표현식은 값을 계산하거나, 다음에 실행할 단계를 결정하거나, 하위 워크플로에 대한 입력 매핑을 구축할 수 있습니다.
2. 실행 – conductor run my-workflow.yaml --input key=value …로 실행합니다. CLI는 YAML을 해석하고 선택한 공급자의 API 클라이언트를 시작한 다음 각 단계(에이전트, 스크립트, set 단계, MCP 도구 호출 등)를 실행합니다.
3. 관찰 – 대화형 브라우저 UI에는 --web을 추가하고, 헤드리스로 실행한 후 나중에 대시보드를 열려면 --web‑bg를 사용합니다. conductor fleet(TUI)를 사용하여 모든 활성 실행을 보고, 인간 게이트에 답변하거나, 양식에서 새 실행을 시작합니다.
4. 관찰 및 디버그 – 로그, 토큰/비용 카운터, 선택적 OpenTelemetry 스팬이 출력됩니다. 실행의 JSON 출력을 내보낼 수도 있습니다.

설치 – 프로젝트는 curl … | sh(Windows에서는 PowerShell)를 통해 최신 릴리스를 가져오는 한 줄 설치 프로그램을 제공합니다. 내부적으로 uv를 사용하여 격리된 가상 환경을 만들고 미러, 프록시, 무결성 검사를 처리합니다. uv tool install, pipx 또는 일반 pip로 설치할 수도 있습니다.

주요 개념

• 공급자 – workflow.runtime.provider에서 AI 백엔드(copilot, openai, claude 등)를 선택합니다. 각 공급자의 모델 이름은 default_model로 설정합니다.
• 단계 –
  • agent – 프롬프트로 LLM을 호출합니다.
  • script – 셸 명령을 실행하고 종료 코드 또는 구문 분석된 JSON으로 라우팅할 수 있습니다.
  • set – Jinja2로 값을 계산합니다(LLM 없음, 하위 프로세스 없음).
  • mcp – 도구 서버를 직접 호출하여 LLM 토큰 사용을 우회합니다.
  • terminate – 상태로 워크플로를 종료합니다.
• 라우팅 – 첫 번째로 일치하는 Jinja2 조건이 우선합니다. 에이전트 출력, 스크립트 종료 또는 모든 컨텍스트 변수로 라우팅할 수 있습니다.
• 인간 게이트 – 단계가 일시 중지되고 Markdown 프롬프트가 표시될 수 있습니다. 사용자는 대시보드, CLI 또는 TUI에서 답변합니다.
• 병렬 그룹 / for_each – 정적 그룹은 함께 실행됩니다. 동적 그룹은 목록에서 팬아웃되며 각 인스턴스는 하위 워크플로를 호출할 수 있습니다.

일반적인 사용 사례

workflow:
  name: simple-qa
  entry_point: answerer
  runtime:
    provider: copilot
    default_model: gpt-5.5

agents:
  - name: answerer
    model: gpt-5.5
    prompt: |
      Answer the following question:
      {{ workflow.input.question }}
    output:
      answer:
        type: string
    routes:
      - to: $end

output:
  answer: "{{ answerer.output.answer }}"

다음과 같이 실행합니다.

conductor run my-workflow.yaml --input question="What is Python?"

CLI는 JSON 결과를 출력하고 --web을 추가하면 대시보드에서 에이전트의 추론이 스트리밍됩니다.

사용 대상 –

• AI 강화 개발자 도구, 코드 검토 봇 또는 연구 어시스턴트를 구축하는 팀.
• 재현성과 관찰 가능성이 필요한 다중 에이전트 파이프라인을 프로토타이핑하는 연구자.
• 이러한 파이프라인을 CI/CD에서 실행하려는 DevOps 담당자(결정적 라우팅으로 실행이 예측 가능하고 비용 추적이 가능함).

제한 사항 / 상태 – 핵심 CLI는 안정적이지만 일부 공급자(Claude Agent SDK, Hermes, Azure Container Apps)는 실험적으로 표시됩니다. 프로젝트는 적극적으로 유지 관리되며(CI 배지, 버전 관리 릴리스) 업그레이드 도구(conductor update)를 제공합니다.

---

위의 모든 정보는 저장소의 README에서 직접 가져온 것입니다. 외부 가정은 추가되지 않았습니다.