# Advisor Strategy 적용 검토 — 5단계 Agent Meeting

## 배경
Anthropic이 발표한 "Advisor Strategy" (https://claude.com/blog/the-advisor-strategy):
- Opus(고급 모델)를 어드바이저, Sonnet/Haiku를 실행자로 페어링
- 실행자가 작업 주도, 판단 필요 시에만 어드바이저에 상담
- 단일 API 호출 내에서 `advisor_20260301` 도구로 통합
- 성과: Sonnet+Opus = 단독 대비 2.7% 성능↑, 11.9% 비용↓
- Haiku+Opus: BrowseComp 19.7% → 41.2% (2배 향상)

### 핵심 코드 패턴
```python
response = client.messages.create(
    model="claude-sonnet-4-6",  # 실행자
    tools=[{
        "type": "advisor_20260301",
        "name": "advisor",
        "model": "claude-opus-4-6",
        "max_uses": 3,
    }],
    messages=[...]
)
```

### 현재 우리 시스템
- 아누(Opus): 개발실장, 설계/판단/위임/검증
- 8개 팀장(Sonnet): 실행, 코딩, 테스트
- dispatch.py로 위임, .done 프로토콜로 완료 감지
- 팀장 → 아누 상담 경로 없음 (독립 실행 후 보고만)

## Agent Meeting 진행

### 참석 페르소나 (5명)
1. **시스템 아키텍트** — 전체 아키텍처 관점에서 통합 방안 설계
2. **비용 분석가** — Claude Max 환경에서의 비용/효율 분석
3. **품질 엔지니어** — 코드 품질/정확도 관점에서 advisor 패턴의 가치
4. **DevOps** — 구현 난이도, 기존 시스템 호환성, 마이그레이션 비용
5. **레드팀(비판자)** — 도입 리스크, 오버엔지니어링 가능성, 현실적 한계

### 검토 항목
1. **현재 시스템과의 차이점**: dispatch 방식 vs advisor tool 방식
2. **적용 가능한 워크플로우**: 어떤 작업 유형에 advisor가 효과적인가
3. **구현 방법**: dispatch.py에 advisor 패턴 통합? 별도 시스템? Claude Code 내부 활용?
4. **Claude Max 환경 특수성**: API 키 없이 claude CLI만 사용하는 환경에서 advisor tool 적용 가능한가
5. **비용 vs 성과 트레이드오프**: 현재 Sonnet 독립 실행 vs Sonnet+Opus advisor

### 출력
- 5단계 agent meeting 결과 기록
- 최적안 도출 (도입 여부 + 구현 계획)
- `/home/jay/workspace/memory/reports/task-1583-advisor-strategy.md`에 저장

## Agent Meeting 스킬 사용
이 작업은 `/agent-meeting` 스킬을 사용하여 5명의 페르소나로 미팅을 진행합니다.
- 미팅 주제: "Advisor Strategy를 우리 멀티봇 시스템에 어떻게 적용할 것인가"
- 참조 자료: 위 배경 내용 전체

## 보고서
`/home/jay/workspace/memory/reports/task-1583.md`에 작성