IT / AI · 2026.03.06
Kiro Subagent 완전정복:
단일 AI 한계 뛰어넘는 법
“AI가 코드를 짜준다”는 시대는 이미 지났습니다. 이제는 AI 여러 명이 팀을 이뤄 코드를 검토하고, 테스트하고, 문서화까지 자동으로 처리하는 시대입니다. AWS Kiro의 Subagent 기능이 바로 그 핵심입니다.
🆓 현재 무료 사용 가능
⚡ 2026년 2월 최신 기능
🔍 Kiro Subagent가 뭔데, 지금 당장 알아야 하나?
Kiro Subagent는 AWS가 만든 AI 코딩 도구 Kiro 안에서, 하나의 메인 에이전트가 여러 전문 에이전트(Subagent)를 호출·조율하는 기능입니다. 2026년 2월 공식 AWS 기술 블로그를 통해 체계적 활용법이 공개되었고, 현재 개발자 커뮤니티에서 급속히 주목받고 있지만 한국어 심층 콘텐츠는 거의 없는 상황입니다.
Kiro 자체는 2025년 7월 AWS가 출시한 스펙 기반(Spec-Driven) AI IDE로, ‘바이브 코딩’의 즉흥성을 유지하면서 프로덕션 수준 품질을 달성할 수 있도록 설계되었습니다. VS Code 기반이라 기존 플러그인과 설정을 그대로 사용할 수 있고, Mac·Windows·Linux를 모두 지원하며, 현재 프리뷰 기간 중 무료로 이용할 수 있습니다.
💡 핵심 포인트: Kiro Subagent는 단순히 “AI가 코드를 써주는” 도구가 아닙니다. Dev → Review → QA → Docs 에이전트가 자동으로 팀플레이를 하는 멀티 AI 협업 워크플로우입니다. Anthropic 연구에 따르면 이 구조는 단일 AI 대비 무려 90.2% 높은 성능을 기록했습니다.
⚠️ 단일 AI로 버티면 어떤 일이 생기는가
지금도 많은 개발자가 ChatGPT나 Claude에게 “이 기능 구현해줘” 한 마디로 코드를 받아 씁니다. 빠르고 편하죠. 하지만 실제 서비스에 올리는 순간부터 문제가 터집니다. 단일 AI가 코드를 작성하고 리뷰까지 담당하면, 자기 코드를 자기가 검토하는 구조가 됩니다. 이건 사람도 마찬가지입니다. 자신의 글에서 오탈자를 못 찾는 것처럼, AI도 자신이 만든 코드의 보안 허점이나 비효율을 제대로 걸러내지 못합니다.
Anthropic의 멀티에이전트 연구(2025년 6월)는 이를 수치로 증명했습니다. Claude Opus 4를 리드 에이전트로, Claude Sonnet 4를 Subagent로 구성한 멀티에이전트 시스템이 단일 Claude Opus 4 단독 사용 대비 90.2% 더 높은 성능을 보였습니다. 이 수치가 단순한 마케팅 문구가 아닌 이유는, 연구의 핵심 발견이 모델 자체의 능력보다 ‘역할 분리’와 ‘병렬 탐색’에서 기인했기 때문입니다.
단일 AI의 3가지 구조적 한계
한계 1 컨텍스트 과부하
코드 작성·리뷰·테스트·문서화를 한 컨텍스트에서 처리하면 중요한 정보가 누락됩니다.
한계 2 역할 충돌
코드를 만든 AI가 자신의 코드를 객관적으로 리뷰하기 어렵습니다. ‘경로 의존성’ 문제입니다.
한계 3 병렬 처리 불가
순차적으로만 작업이 진행되어 속도와 탐색 범위 모두 제한됩니다.
🧩 Subagent 핵심 구조: 4개 팀원 역할 분담
Kiro Subagent는 사람이 팀을 꾸리는 방식과 똑같이 작동합니다. 기획자가 요구사항을 정리하고, 개발자가 코드를 짜고, 시니어 개발자가 리뷰하고, QA 엔지니어가 테스트하고, 테크니컬 라이터가 문서를 씁니다. Kiro는 이 역할을 각각의 Subagent에게 부여합니다. 각 Subagent는 독립적인 컨텍스트, 도구 접근 권한, 의사결정 능력을 가집니다.
| 에이전트 | 역할 | 호출 시점 |
|---|---|---|
| Dev Agent | 코드 작성 + Subagent 조율 + 마일스톤 관리 | 메인 에이전트 (항상) |
| Review Agent | 보안·신뢰성·가독성 검토 + Go/No-Go 판정 | 모든 코드·설정 변경 후 |
| QA Agent | 실제 시스템 테스트 + 엣지케이스 검증 | 마일스톤 완료 시, 리뷰 통과 후 |
| Docs Agent | 문서화 + 작업 연속성 + 의사결정 기록 | 리뷰·QA 완료 후, 세션 종료 시 |
이 구조의 핵심은 Human-in-the-Loop입니다. Review 결과에 대한 Go/No-Go 결정, QA 완료 후 다음 마일스톤 진행 여부는 모두 개발자(사람)가 최종 승인합니다. AI가 모든 걸 결정하는 구조가 아니라, AI는 근거를 제시하고 인간이 판단하는 구조입니다. 개인적으로 이 부분이 Kiro Subagent가 다른 AI 도구들과 근본적으로 다른 지점이라고 생각합니다.
⚙️ Kiro Subagent 실전 설정법 (CLI 기준)
Kiro Subagent는 IDE와 CLI 양쪽에서 모두 사용할 수 있습니다. 여기서는 CLI 환경을 기준으로 설명합니다. 설정의 핵심은 Custom Agent를 만들고, 그 Agent를 Subagent로 참조시키는 것입니다. 실제 호출 방식은 자연어 한 줄입니다.
Step 1. Kiro 설치 및 로그인
kiro.dev/downloads에서 운영체제에 맞는 버전을 설치합니다. Google, GitHub, AWS, Apple 계정 중 하나로 로그인이 가능합니다. 한국어 응답을 원한다면 Steering 규칙에 “항상 한국어로 답변해줘” 를 추가하면 됩니다.
Step 2. Custom Agent 생성 (.kiro/agents/ 폴더)
프로젝트 루트에 .kiro/agents/ 폴더를 만들고, 각 역할별 에이전트 파일(예: review.md, qa.md, docs.md)을 작성합니다. 각 파일에는 해당 에이전트의 역할, 규칙, 출력 형식을 명시합니다.
Step 3. Subagent 호출 (자연어 한 줄)
Kiro CLI 입력 예시
> Use the review agent to check the payment module
> Use the qa agent to test the checkout milestone
> Use the docs agent to update documentation for login feature
Subagent 호출에 별도의 명령어나 API가 필요하지 않습니다. Dev Agent가 자체적으로 상황을 판단해 필요한 Subagent를 자동 호출하도록 Dev Agent의 프롬프트에 규칙을 명시하는 것이 핵심입니다. 코드 변경 후에는 반드시 Review Agent를, 마일스톤 완료 시에는 QA Agent를 호출하도록 설정해두면, 이후에는 신경 쓸 필요가 없습니다.
Step 4. 실행 흐름 확인
Kiro CLI에서 Dev Agent가 작업을 수행하면 Review Agent가 자동 호출되고, 리뷰에서 이슈가 발견되면 ❌ BLOCK 판정이 내려지며 수정 작업이 즉시 시작됩니다. 이슈가 없으면 ✅ PASS가 나고, 마일스톤 완료 시 QA Agent → Docs Agent 순으로 자동 이어집니다. 실시간으로 어떤 Subagent가 어떤 작업을 수행 중인지 진행 상황이 터미널에 표시됩니다.
✍️ 프롬프트 설계 4대 원칙: 이것만 지키면 된다
Kiro Subagent의 성능은 각 에이전트의 프롬프트 품질에 달려 있습니다. AWS와 Anthropic이 공동으로 제시한 4가지 설계 원칙을 지키면 즉시 수준 높은 결과를 얻을 수 있습니다. 이 원칙들은 Anthropic의 공식 프롬프트 엔지니어링 가이드와도 일치하는 내용입니다.
원칙 1 명확한 역할(Role) 부여
“개발자”가 아니라 “10년 이상 경력의 Distinguished Engineer로, 수백만 사용자를 위한 시스템을 설계해 온 전문가“처럼 구체적인 시니어리티와 사고방식을 명시합니다. Review Agent라면 “타협하지 않는 품질 게이트”, QA Agent라면 “소프트웨어를 부수는 것이 본업인 엔지니어”처럼 역할 정체성을 심어주는 것이 핵심입니다.
원칙 2 ❌/✅ 명확한 금지·필수 사항 구분
모호한 지시는 모호한 결과를 낳습니다. “보안에 신경 써”보다 “S3 버킷에 퍼블릭 접근 허용 금지 — 위반 시 즉시 중단”처럼 구체적인 조건과 대응 행동을 명시해야 합니다. <rules priority="critical"> XML 태그로 최우선 규칙을 감싸면 AI가 더 확실하게 준수합니다.
원칙 3 멀티샷 예시(Multishot Prompting)
Review Agent에게 기대하는 피드백 형식을 예시로 보여줍니다. “에러 핸들링 개선 필요” ❌ vs “Line 45: /users API 호출에 try-catch 없음. ConnectionError 처리 및 타임아웃 추가 필요” ✅처럼 좋은 예시와 나쁜 예시를 함께 제시하면 일관된 고품질 결과가 나옵니다.
원칙 4 단계별 사고 유도(Chain of Thought)
Dev Agent에게 “코드 생성 전 체크리스트 → 생성 후 체크리스트”를 명시합니다. “S3를 건드리는가? → CloudFront 설정 확인” / “외부 데이터를 사용하는가? → 실제 소스 연결 확인”처럼 사고 과정을 구조화하면 AI가 스스로 놓치는 부분을 점검합니다.
🎯 솔직한 평가: 장점과 현실적 한계
Kiro Subagent는 분명 강력한 도구입니다. 하지만 모든 개발자에게 즉시 맞는 도구는 아닙니다. 솔직하게 장점과 한계를 말씀드리겠습니다.
✅ 진짜 강점
첫째, 품질 게이트가 자동화됩니다. 바이브 코딩으로 빠르게 만들되, 프로덕션 배포 전에 반드시 Review → QA를 거치는 구조가 자동으로 강제됩니다. 사람이 “오늘은 바빠서 리뷰 패스”를 할 수 없는 구조입니다. 둘째, 문서가 자동으로 따라옵니다. 코드가 바뀔 때마다 Docs Agent가 README, API 문서, 아키텍처 문서를 자동 업데이트하므로, 3개월 뒤에도 코드베이스를 이해할 수 있습니다. 셋째, 팀 전체의 코딩 표준이 Git에 기록됩니다. Hook 기능과 결합하면 신입 개발자도 동일한 품질 기준을 자동으로 적용받게 됩니다.
⚠️ 현실적 한계
첫째, 초기 설정 비용이 있습니다. 4개 에이전트의 프롬프트를 각각 정교하게 작성하는 데 상당한 시간이 소요됩니다. 프롬프트를 대충 짜면 Subagent들도 대충 일합니다. 둘째, 토큰 소비가 큽니다. 멀티에이전트 구조는 필연적으로 단일 에이전트보다 훨씬 많은 토큰을 소비합니다. 현재 프리뷰 기간에는 무료지만, 유료 전환 이후의 비용을 고려해야 합니다. 셋째, 간단한 프로젝트에는 과합니다. 1인 사이드 프로젝트나 단순 스크립트 작업에 이 구조를 적용하는 건 포크레인으로 호미질하는 격입니다. 2인 이상 팀, 또는 프로덕션 서비스에 최적화된 도구라고 보는 것이 현실적입니다.
💬 개인 의견: Kiro Subagent는 “AI가 코드를 짜는 시대”에서 “AI 팀이 코드를 관리하는 시대”로의 전환을 보여주는 상징적인 도구입니다. 지금 당장 완벽하지 않더라도, 이 방향이 앞으로 개발 환경의 표준이 될 것이라고 확신합니다. 특히 스타트업에서 시니어 개발자 한 명이 주니어 여러 명의 코드를 리뷰해야 하는 상황에서, Kiro Subagent는 그 부담을 상당 부분 덜어줄 수 있습니다.
❓ Q&A 5가지
📝 마치며 — 총평
Kiro Subagent는 AI 코딩 도구의 다음 단계를 보여줍니다. 단순히 “AI가 코드를 대신 써주는 것”을 넘어, 여러 AI 전문가가 팀을 이뤄 코드를 검토하고, 테스트하고, 문서화까지 자동으로 처리하는 구조입니다. Anthropic의 연구가 증명한 90.2%의 성능 향상 수치는 단순 기믹이 아니라, 역할 분리와 병렬 탐색이라는 원리에서 나온 실질적인 결과입니다.
지금 당장 Kiro Subagent가 모든 개발자에게 필수는 아닙니다. 간단한 프로젝트에는 과한 구조입니다. 하지만 두 명 이상이 협업하는 프로젝트, 또는 프로덕션 서비스를 운영하는 개발자라면 지금 바로 프리뷰 기간을 활용해 경험해볼 가치가 충분합니다. 초기 설정에 시간을 쓰는 것보다 나중에 쌓이는 기술 부채를 청산하는 비용이 훨씬 크기 때문입니다.
AI 개발 도구의 경쟁이 격화되는 2026년, 코드를 ‘짜는’ 것보다 코드를 ‘관리하는’ 역량이 더 중요해지고 있습니다. Kiro Subagent는 그 방향에서 현재 가장 완성도 높은 선택지입니다.
※ 본 포스팅은 AWS 공식 기술 블로그 및 Kiro 공식 문서를 바탕으로 작성된 정보 제공용 콘텐츠입니다. 서비스 요금 및 기능은 추후 변경될 수 있으며, 최신 정보는 kiro.dev 공식 사이트에서 확인하시기 바랍니다.
댓글 남기기