어시스턴트 또는 에이전트: 동일한 콘텐츠 머신을 세 가지 방법으로 구축하기

AlpinaGPT와 Alpina Digital에서 AI 에이전트 개발을 담당하는 Anatoly Klavdienko는 AI/테크 분야 Telegram 채널을 위한 주간 5~10개 숏폼 영상 제작을 자동화했다. 그는 처음에 ChatGPT를 채팅 어시스턴트로 사용했는데, 영상 10개를 만드는 데 주당 약 4시간이 걸렸지만 수작업 복사와 조립 과정이 필요했다. 이후 그는 n8n 워크플로우를 구축했고, 설정과 디버깅에 나흘을 투입했지만 반복 작업 시 시각적 편집기가 번거롭고 버전 관리와 제대로 된 디버깅 기능이 부족하다는 것을 깨달았다. 결국 그는 n8n 워크플로우를 JSON 형식으로 내보내 Claude Code에 입력했고, 단 하루 저녁 만에 작동하는 Python 파이프라인을 얻었다. 최종 에이전트는 19개 파일에 걸쳐 2074줄의 프로덕션 코드로 구성되며, 세 개의 파이프라인으로 이루어져 있다. 파이프라인 D는 GPT-4o를 통해 12개의 RSS 피드에서 콘텐츠를 소싱하고, 파이프라인 C는 11개의 look ID를 활용한 HeyGen을 통해 콘텐츠를 생성하며 Whisper와 FFmpeg로 후처리를 진행하고, 파이프라인 A는 YouTube, TikTok, Instagram Reels에 게시하는 역할을 한다. pipeline.log에 기록된 실제 처리 시간을 보면 소싱에는 약 80~84초, 생성에는 6~8분이 소요된다. 2026년 4월 20일 SubMagic API가 오류를 일으키기 시작했을 때, 저자는 단 하루 만에 이를 커스텀 후처리 서비스로 교체했다. 그는 코드 기반 에이전트가 이제 시각적 빌더보다 더 경제적이며, 더 나은 제어력과 디버깅 편의성을 제공한다고 결론짓는다.