AI-DLC 를 팀 프로젝트에 적용하기: Subagent 와 Custom Skill 로 확장한 Armiq 사례

구조와 흐름

• AI-DLC 워크플로우에 Main Agent와 두 Subagent를 결합해 긴 분석·생성 과정을 분리
• INCEPTION, CONSTRUCTION, OPERATIONS 흐름 안에서 Brownfield와 Greenfield를 동일한 방식으로 처리
• Units 단위 병렬 개발, merge, 코드 리뷰까지 이어지는 팀 개발용 실행 구조

선택 이유

• Main Agent의 context 소모를 줄이고 오케스트레이션에 집중시키기 위한 Subagent 분리
• 비정형 문서를 요구사항·제약사항으로 바꾸고, 병렬 개발 시 merge 충돌과 품질 문제를 줄이기 위한 Custom Skill 도입
• 최신 라이브러리·AWS 문서·웹 지식을 반영해 생성 정확도와 리뷰 품질을 높이기 위한 MCP 활용

주의할 점

• Subagent 응답 포맷을 강제하지 않으면 요약 텍스트가 누적되어 context 효율이 떨어질 수 있음
• 상태 파일 충돌과 실제 코드 충돌을 구분해 처리할 필요가 있음
• unit 전용 리뷰 체크리스트로 설계 원칙 위반까지 점검할 필요가 있음

적용해볼 점

• 요구사항 생성, merge 보조, 코드 리뷰를 Skill로 분리해 팀 작업에 재사용
• Brownfield와 Greenfield 모두 하나의 적응형 워크플로우로 묶어 운영
• 최신 문서 소스를 연결해 AI 생성 결과의 신뢰도 보강