태스크 모델은 약속이 아니라 구현입니다.
태스크 모델(실행-또는-분할, 실행, 합성)은 Stage 02부터 구현됐고, 시스템은 Stage 28까지 자랐습니다. 병렬 DAG 실행, 실패 시 재계획, 목표 달성 검증이 지금 모두 동작합니다.
목표를 스스로 완성된 결과로.
Agentryx는 목표 하나를 스스로 완성된 결과로 바꿉니다. 목표를 주면 바로 실행할지 하위 작업 DAG로 쪼갤지 직접 정하고, 각 조각을 별도 git worktree에서 실행해 결과를 합칩니다. 한 단계가 실패하면 실제 에러를 손에 쥐고 다시 계획합니다.
태스크는 바로 실행되거나 하위 작업 DAG로 갈라집니다. 모든 레벨에 같은 재귀 규칙이 적용되고, 단일 에이전트 실행은 특별한 경로가 아니라 그 규칙의 기본 사례일 뿐입니다.
하위 작업이 실패하면 부모가 에러와 부분 결과를 손에 쥐고 다시 계획합니다. 그래도 못 풀면 실패가 위로 전파되고, 더 위 레벨이 넓은 맥락으로 다시 계획합니다. 가장 가까운 기존 방법은 에러를 보지도 않고 다시 쪼갭니다.
가장 가까운 검증된 선례는 Anthropic의 오케스트레이터-워커이고, Agentryx는 그것의 재귀적 일반화입니다. 작고 검증 가능한 단계로 하나씩 만들었습니다. 그 결과 Stage 28까지 DAG를 병렬로 실행하고 실패 시 다시 계획하며, 하나의 대화로 조율하고, 태스크가 돌았는지가 아니라 목표가 실제로 달성됐는지를 확인합니다. Stage 29(벤치마크 게이트 완료)는 설계 중입니다.
태스크 모델(실행-또는-분할, 실행, 합성)은 Stage 02부터 구현됐고, 시스템은 Stage 28까지 자랐습니다. 병렬 DAG 실행, 실패 시 재계획, 목표 달성 검증이 지금 모두 동작합니다.
Agentryx는 Claude 또는 Codex CLI를 교체 가능한 어댑터로 구동하고, 각 태스크는 스크래치 레포 아래 자기 git worktree에서 실행됩니다. 그래서 작업이 격리되고 실행 뒤 그대로 점검할 수 있습니다.
Stage 00–28 완료 — 병렬 실행, 목표 검증, 단일 대화 코디네이터까지. Stage 29는 독립 벤치마크로 완료를 하드 게이트해서, 목표를 스스로 '완료'라 단정하지 못하게 합니다.
AI 회사는 인원이 아니라 레버리지로 굴러가야 합니다.