서브에이전트 풀 아키텍처의 물리적 격리 원리와 결함 격리 메커니즘
OpenClaw는 최대 8개 서브에이전트를 동시에 격리 생성하며, OS 수준 네임스페이스를 통해 파일 시스템 경합과 프로세스 간섭을 원천 차단한다. 일일 로그와 MEMORY.md의 이중 메모리 구조로 서브에이전트 간 자동 공유를 차단하고, Docker 컨테이너 기반 샌드박스로 결함 확산을 물리적으로 방지한다. Worker 크래시 시 해당 프로세스만 격리되어 Exponential Backoff 방식으로 복구되며, ACP 5단계 우선순위 캐스케이드가 결정적 라우팅으로 세션 응집력을 보장한다.
이 글의 핵심 주장과 근거
OS 수준 네임스페이스 격리와 병렬 생성 아키텍처
OpenClaw의 서브에이전트 풀은 물리적 격리를 최우선 원리로 설계되었다. sessions_spawn CLI 명령어를 통해 하나의 부모 세션에서 최대 8개의 서브에이전트를 동시에 배경 세션으로 격리 생성할 수 있으며, 각 서브에이전트는 OS 수준의 독립적 네임스페이스에서 실행된다. 이 격리는 파일 시스템, 네트워크, 프로세스, 사용자 ID 등 시스템 리소스 전반에 적용되어 서로 다른 서브에이전트가 동일한 파일을 동시에 수정하는 경합 조건을 원천 차단한다. 이러한 물리적 분리는 바이브코딩 환경에서 AI에게 구현을 위임할 때 발생할 수 있는 실패한 에이전트의 오류가 세션 전체로 전파되는 문제를 구조적으로 방지하며, 개발자의 신뢰를 유지하는 핵심 메커니즘으로 작용한다. 결함 격리 상태에서도 각 에이전트는 독립적인 컨텍스트 버블을 유지하여 서로의 내부 상태에 간섭하지 않는다.
메모리 경계와 오케스트레이터 브릿지 설계
서브에이전트 간 자동 메모리 공유를 차단하고 의도적 비동기 통신만 허용하는 설계가 적용되었다. 전용 일일 로그(memory/YYYY-MM-DD.md)와 MEMORY.md의 이중 구조를 통해 동시성 충돌과 공유 가변 상태의 레이스 컨디션을 원천 방지한다. 오케스트레이터는 고립된 컨텍스트 버블들을 가진 서브에이전트들의 결과를 읽고 공통 발견 사항을 MEMORY.md에 기록하는 중심 에이전트의 역할을 수행한다. 서브에이전트들은 시작 시 MEMORY.md를 읽어 이전 컨텍스트를 복원하며, 이는 결함 격리 상태에서도 정보 일관성을 유지하는 핵심 메커니즘이다. 오케스트레이터의 명시적 읽기-쓰기 패턴이 격리 상태에서도 정보 일관성을 보장하며, 각 서브에이전트는 독립된 메모리 공간에서 동작하므로 서로의 데이터를 침범하지 않는다.
ACP 바인딩 기반 라우팅과 세션 격리
OpenClaw ACP 런타임은 각 서브에이전트를 완전히 격리된 환경으로 실행하는 프로세스 단위의 세션 구조를 제공한다. ACP의 5단계 우선순위 캐스케이드(peer 매칭, 길드/팀 ID, 계정 ID, 채널 매칭, 기본 에이전트)를 통해 격리된 작업 결과를 결정적으로 부모의 채팅 채널로 라우팅한다. 동일한 채널로 수신된 메시지도 특이성에 따라 서로 다른 격리된 에이전트에게 라우팅되어 채널 단위의 완전한 세션 분리가 보장된다. 각 에이전트는 고유 채널에 바인딩되어 메시지 라우팅의 정확성을 보장하며, 세션 분열을 구조적으로 억제한다. 이 메커니즘은 다중 채널 환경에서도 각 서브에이전트가 독립적으로 작동하면서도 결과를 일관되게 통합할 수 있게 한다.
결함 격리와 계층적 결과 흐름
서브에이전트 풀에서 하나의 Worker 크래시나 무한 루프가 다른 Worker나 메인 프로세스에 영향을 주지 않는 독립 실행 보장 구조를 갖는다. 실패 발생 시 해당 Worker만 격리하고 Exponential Backoff 메커니즘으로 재시도하며, 성공한 다른 Worker의 결과는 계속 유지한다. Depth-2 워커가 Depth-1 오케스트레이터에 결과를 전달하고, Depth-1이 메인 에이전트에게 최종 결과를 보고하는 위계적 전달 체계이다. 각 레벨에서 필터, 요약, 변환이 발생하며, 한 레벨의 실패가 다른 레벨의 실행을 차단하지 않는다. 인지 부담 분산을 위해 오케스트레이터가 전략적 판단을, 서브에이전트가 세부 실행을, 자동 합성 엔진이 결과 통합을 분담하여 3단계로 분리함으로써 인지 부담 수준을 체계적으로 분산한다. > 이 주제의 전체 맥락 방향성은 **15. 오래 쓸수록 보이는 AI의 경계** 원본 글에 세밀하게 정리되어 있습니다. 더 깊게 탐구하고 싶다면 관련 내부 대표 문서(Pillar/Entity)를 참조하세요.