agor

사람과 AI 팀원은 라이브 커서, 공유 세션, 대기열에 들어간 후속 작업을 갖춘 하나의 보드를 공유한다. 어시스턴트가 일하는 모습을 보고, 작업 중간에 뛰어들고, 다음 세션을 위한 메모를 남길 수 있다. 이 가시성이 핵심이다. AI는 누군가의 터미널 속 블랙박스이기를 그만둔다.

각 팀원은 메모리, 스킬, 팀 전체로 뻗는 영향력을 지닌 영구적 존재이며, 일회용 프롬프트가 아니다. 그 팀원의 브랜치에서 이뤄지는 모든 세션은 축적된 메모리와 맥락을 이어받아 시간이 갈수록 더 쓸모 있어진다. 이 프레임워크는 OpenClaw에서 익히 알려진 파일 기반 메모리와 정체성 패턴을 따른다. 챗봇보다 동료에 가깝다고 보면 된다.

각 팀원은 지식 베이스에 네임스페이스를 얻으며, 의미 기반으로 검색할 수 있고 팀과 공유된다. 비즈니스 맥락 없이 자신 있게 답하는 대신, 팀원은 팀이 소유한 영구 문서에서 끌어올 수 있다. 저장소와 문서, 메시지가 흩어져 있을 때 가장 중요하다. 맥락이 이긴다.

반복 가능한 워크플로를 스킬로 묶고, 팀이 이미 신뢰하는 MCP 서버에 팀원을 연결할 수 있다. 팀원이 엔지니어와 같은 사내 도구를 쓴다는 뜻이며, 따로 떨어진 더 약한 스택이 아니다. 작동하는 구성이 한 사람에서 조직 전체로 퍼지는 방식이다.

팀원은 GitHub 연동 워크트리와 격리된 테스트 환경에서 작업하므로 실험이 메인 브랜치를 건드리지 않는다. 변경이 반영되기 전에 안전하게 시험할 공간이 생긴다. 코드를 꼼꼼히 리뷰하는 팀은 캐주얼 사용자보다 이 격리를 더 반길 것이다. 미리 알려 둔다.

하트비트, 일일 스탠드업, 감사, 다이제스트는 프롬프트를 기다리지 않고 자체 스케줄로 돈다. 더 긴 워크플로는 하루나 일주일에 걸쳐 이어질 수 있다. 잠자는 동안에도 계속 도는 AI 워크플로 자동화다. 장점은 조용한 신뢰성이다. 대가는? 스케줄을 실제로 설정해야 한다는 점이다.

팀원은 게이트웨이 채널을 통해 Slack, GitHub, 또는 작업이 이미 이뤄지는 곳에서 당신에게 닿는다. 가치를 얻기 위해 팀을 새 채팅 앱으로 옮길 필요가 없다. AI가 자신의 프로세스에 맞는지 시험할 때 전환 비용을 낮춰 준다. 시도해 볼 만하다.