Archon 워크플로우로 만든 AI 영상 콘텐츠 공장 — 코딩 에이전트로 마케팅 동영상 자동 생성

핵심 메시지

• Archon은 여러 코딩 에이전트를 연결해 긴 작업을 자율적으로 수행하게 만드는 오픈소스 하네스 빌더로, 별 약 2만 3천 개를 받았다.
• 발표자는 Archon 워크플로우와 영상 생성 플랫폼 Higgsfield를 결합해 제품 카탈로그의 정지 이미지를 마케팅 동영상으로 바꾸는 '콘텐츠 공장'을 만들었다.
• 전체 과정은 아이디어·이미지를 만들어 검증하는 '탐색 워크플로우'와 승인된 아이디어를 동영상으로 렌더링하는 '렌더링 워크플로우' 두 단계로 나뉜다.
• 두 워크플로우 모두 '랄프 루프' 형태로, 여러 작업자 에이전트가 대기열에서 항목을 하나씩 꺼내 병렬로 처리하고 더 이상 항목이 없으면 루프를 종료한다.
• 비용이 큰 실제 렌더링 전에 이미지를 먼저 생성·검증해 크레딧을 아끼고, 사람이 최종 승인하는 검증 단계를 둔다.

쉽게 이해하기

Cole Medin은 지난 8개월간 개발해 온 오픈소스 프로젝트 Archon을 소개하며 이야기를 시작한다. Archon은 원래 AI 코딩을 위해 만든 '하네스 빌더'로, 여러 코딩 에이전트를 연결해 더 긴 작업을 자율적으로 수행할 수 있는 대규모 시스템을 구성하게 해 준다. 현재 깃허브 별이 약 2만 3천 개에 이르며, 코딩뿐 아니라 연구나 콘텐츠 제작 같은 다양한 긴 워크플로우에 활용되는 추세라고 말한다.

이 영상의 핵심 데모는 'AI 콘텐츠 공장'이다. 제품 카탈로그의 상품들이 대부분 정지 이미지뿐인 상황에서, 마케팅 효과를 높이려면 각 제품에 동영상을 붙이는 편이 낫다는 문제의식에서 출발한다. 전통적으로 이런 영상을 직접 만들거나 외주로 제작하는 일은 부담이 크기 때문에, 영상 생성 플랫폼 Higgsfield를 활용해 이 작업을 자동화한다. Higgsfield는 CLI를 제공해 코딩 에이전트 터미널을 벗어나지 않고도 영상을 생성할 수 있다.

수백 개 제품을 하나의 코딩 에이전트로 처리하면 시간이 너무 오래 걸리고 에이전트가 압도되기 때문에, 발표자는 Archon을 조율자로 삼아 여러 작업자를 병렬로 운영한다. 전체 파이프라인은 두 개의 워크플로우로 구성된다. 첫 번째 탐색 워크플로우는 제품별 아이디어와 이미지를 생성하고 검증하며, 두 번째 렌더링 워크플로우는 승인된 아이디어를 실제 동영상으로 만든다.

두 워크플로우 모두 '랄프 루프(Ralph loop)'라는 하네스 형태다. 각 작업자 에이전트는 대기열에서 다음 항목을 꺼내 하나의 영상을 처리하고, 더 이상 항목이 없으면 'complete'를 출력해 루프를 끝낸다. 이미지 생성은 한 번에 작업자 5명씩, 크레딧 소모가 큰 실제 렌더링은 3명씩 병렬로 돌려 비용을 조절한다. 이미지를 먼저 만들고 검증·승인한 뒤에야 동영상을 렌더링하는 순서로 크레딧을 절약한다.

검증 과정에서는 Gemini를 호출해 생성된 이미지에 점수를 매기고 품질이 낮은 것을 걸러낸 뒤, 사람이 최종적으로 승인한다. 승인된 아이디어는 로컬 마크다운 문서로 저장되어 다음 워크플로우의 입력이 된다. 결과적으로 예전에는 정지 이미지만 있던 카탈로그의 모든 제품에 동영상이 붙는다. 발표자는 커피 텀블러와 구즈넥 주전자 광고 예시를 보여주며, 사람이 만든 것과 구분하기 어려울 정도라고 평가한다. 관련 저장소와 스킬은 설명란 링크로 공개했다.

주요 인사이트

• 핵심 아이디어는 '단일 에이전트로 모든 걸 처리하지 말고, 대기열과 병렬 작업자로 확장하라'는 것이다. 하나의 세션이 수백 개 작업을 떠안으면 압도되므로, 조율자가 작업을 나눠 준다.
• 랄프 루프는 코드베이스의 할 일 목록이든 제품 카탈로그든 '반복 처리할 작업 목록'만 있으면 재사용할 수 있는 범용 패턴이며, 이 사례는 AI 코딩이 아닌 콘텐츠 제작에 그대로 적용한 예다.
• 비용이 큰 작업(실제 영상 렌더링) 앞에 저렴한 검증 단계(이미지 생성·채점·사람 승인)를 두는 '값싼 검증 먼저' 설계로 크레딧과 시간을 아낀다.
• CLI를 제공하는 도구(Higgsfield)는 코딩 에이전트가 터미널에서 그대로 호출할 수 있어, 에이전트 기반 자동화의 구성 요소로 자연스럽게 끼워 넣기 좋다.

자주 묻는 질문

관련 AI 소식