Ruflo는 Claude Code와 Codex를 사용하는 작업에 역할 분담, 공유 기억, 반복 실행 절차를 더하는 도구입니다. 모델이 추론하고 코딩 도구가 실제 작업을 수행하는 동안 Ruflo는 작업 상태와 필요한 정보를 연결합니다. 여러 단계로 이어지는 일을 반복해서 처리한다면 도입을 검토할 만합니다. 작은 수정이 주된 용도라면 기존 도구의 자체 기능부터 활용하는 편을 권합니다.
이 글은 2026년 9월 8일 확인한 공식 저장소와 제품 문서를 기준으로 작성했습니다. 설치 명령은 문서에 제시된 예시이며, 직접 실행한 사용 후기는 아닙니다.
Ruflo와 메타 하네스는 무엇인가요?
AI 모델 주위에서 도구 호출, 실행 반복, 권한, 상태 관리를 담당하는 구조를 하네스라고 합니다. Ruflo가 내세우는 메타 하네스는 Claude Code와 Codex 같은 기존 실행 환경 위에 조율 기능을 더한다는 뜻으로 이해하면 됩니다.
프로젝트는 이전의 Claude Flow에서 Ruflo로 이름을 바꿨습니다. 그래서 현재 문서와 설정에도 claude-flow라는 이름이 남아 있습니다. Ruflo 자체는 ruvnet이 공개한 별도 프로젝트이며, Claude Code와 Codex를 연동 대상으로 소개합니다. Ruflo 공식 저장소
구성 요소를 구분하면 설치 설명도 읽기 편해집니다. 작업 방법을 적은 지침 묶음은 스킬, AI가 외부 도구를 찾아 호출하는 공통 연결 규약은 MCP입니다. 스킬은 일하는 방법을 알려 주고, MCP 연결은 실제 도구를 사용할 통로를 마련합니다. 스킬만 추가했다고 서버 연결까지 끝나는 것은 아닙니다. 개발자의 Ruflo 입문 가이드
작업은 어떻게 나누고 다시 이어 가나요?
Ruflo의 기본 흐름은 관련 기억을 찾고, 역할을 나눈 뒤, 실행 결과에서 재사용할 내용을 남기는 것입니다. Codex 연동 문서는 Ruflo의 상태·기억 관리와 Codex의 코드 작성·명령 실행을 구분합니다. 에이전트 역할을 등록했다는 기록만으로 실제 작업까지 수행됐다고 판단하면 안 됩니다. 공식 Codex 어댑터 문서
웹사이트의 검색 기능이 느린 원인을 조사하는 가상 사례로 역할 분담을 이해할 수 있습니다. 한 역할은 검색 요청이 처리되는 코드를 읽고, 다른 역할은 데이터 조회 방식을 확인하며, 또 다른 역할은 문제를 재현할 테스트를 설계할 수 있습니다. 같은 목표를 서로 다른 관점에서 조사한 뒤 근거를 모아 수정 방향을 정하는 구조입니다.
여러 AI 작업자가 공동 목표를 맡는 구성을 멀티 에이전트라고 하며, Ruflo 문서에서는 협업 집단을 스웜이라고도 부릅니다. 실제로 병렬 실행할 수 있는 범위는 연결한 실행 도구와 작업 간 의존 관계에 달려 있습니다.
공유 기억과 자기학습의 의미
Ruflo는 작업 결과와 패턴을 저장하고, 나중에 관련 내용을 검색하는 기능을 제공합니다. 문장이 정확히 일치하지 않아도 의미가 가까운 기록을 찾는 의미 기반 검색을 프로젝트 기억에 활용하는 방식입니다. 공식 사용자 가이드에는 기억 저장·검색 명령과 작업 과정에서 얻은 정보를 학습 구성 요소로 전달하는 구조가 설명돼 있습니다. Ruflo 사용자 가이드
앞의 검색 기능 사례라면 ‘어떤 조건에서 느려졌는지, 어떤 변경으로 개선됐는지, 어떤 테스트로 확인했는지’를 함께 남기는 식입니다. 다음 작업자는 이 기록을 출발점으로 삼되, 현재 코드에서도 유효한지 다시 확인해야 합니다.
여기서 말하는 자기학습은 연결된 Claude나 GPT 모델이 자동으로 다시 학습한다는 뜻이 아닙니다. 개발자 가이드는 이전 시도의 패턴과 피드백을 재사용하는 의미로 설명하며, 기반 상용 모델의 재학습과 구분합니다. 저장한 정보의 정확성을 검토하는 과정도 필요합니다. 자기학습과 기억에 대한 공식 설명
Claude Code·Codex 자체 기능과 무엇이 다른가요?
Ruflo의 추가 가치는 기억·작업 절차·연동을 어떤 구조로 묶어 쓰느냐에 있습니다. 현재 Claude Code와 Codex에도 여러 에이전트가 일을 나누는 기능이 있습니다. Ruflo가 있어야 처음으로 협업할 수 있다는 비교는 정확하지 않습니다.
OpenAI 공식 문서는 Codex가 전문 역할의 하위 에이전트를 병렬로 실행하고 결과를 모을 수 있다고 설명합니다. Anthropic도 공유 작업과 에이전트 간 메시지를 사용하는 Claude Code 에이전트 팀을 문서화하고 있습니다. 다만 확인 시점의 Claude Code 에이전트 팀은 실험 기능이며 기본적으로 꺼져 있습니다. OpenAI 하위 에이전트 문서 · Anthropic 에이전트 팀 문서
| 판단 기준 | 기존 도구부터 활용 | Ruflo 추가 검토 |
|---|---|---|
| 작업 범위 | 작은 수정이나 일회성 조사 | 분담과 취합이 반복되는 작업 |
| 기억 활용 | 현재 지침과 기록으로 충분 | 작업 결과의 저장·검색을 체계화 |
| 운영 준비 | 설정을 적게 유지하고 싶음 | 서버·설정·기억 상태를 관리할 수 있음 |
이 표는 편집자의 도입 판단 기준이며, 기능의 독점 여부를 나타내지는 않습니다. 첫 적용 대상으로는 코드 구조 조사와 테스트 검토처럼 독립적으로 나눌 수 있는 일을 권합니다. 같은 코드 영역을 동시에 수정하면 충돌을 조율해야 할 수 있습니다. Codex 공식 문서도 병렬 쓰기 작업의 충돌과 조율 부담을 안내합니다. 병렬 작업의 장점과 주의점
Ruflo 설치는 어떤 경로로 시작하나요?
처음에는 필요한 도구 서버만 연결하고, 프로젝트 전체 초기화는 별도로 선택하는 편이 이해하기 쉽습니다. 공식 README는 Claude Code 플러그인 설치와 CLI 전체 초기화를 구분합니다. 플러그인 경로의 ruflo-core는 MCP 서버를 포함하지만, 전체 초기화와 같은 훅·프로젝트 설정을 모두 설치하는 것은 아닙니다. 훅은 특정 실행 시점에 자동으로 동작하는 처리 규칙입니다. 공식 설치 경로 비교
아래 예시는 공식 입문 가이드가 제시한 3.38.23 버전을 사용합니다. 확인한 Ruflo 패키지 파일에도 같은 버전과 Node.js 20.0.0 이상이라는 실행 조건이 명시돼 있습니다. Node.js는 이 도구를 실행하는 환경이며, npx는 패키지 명령을 실행하는 도구입니다. 먼저 사용할 Claude Code 또는 Codex CLI가 정상 작동하는 상태에서 진행하세요. Ruflo 패키지 실행 조건
Claude Code에서 시작하기
플러그인 방식은 Claude Code 안에서 다음 명령을 입력합니다.
/plugin marketplace add ruvnet/ruflo
/plugin install ruflo-core@ruflo설치 후에는 연결된 Ruflo 도구 목록을 확인하고, 상태 조회 도구를 호출해 실제 반환값을 확인하세요. 설치 목록에 이름이 보이는 것과 도구 호출이 성공하는 것은 별개입니다. Claude Code 연결 안내
Codex CLI에서 시작하기
터미널에서 Ruflo를 로컬 MCP 서버로 등록하는 예시는 다음과 같습니다. 등록은 Codex 설정을 바꾸며, 서버를 시작할 때 패키지 코드가 실행됩니다.
codex mcp add ruflo -- npx --yes ruflo@3.38.23 mcp start
codex mcp list이 명령 형태와 서버 목록 확인 방법은 OpenAI 공식 MCP 문서에서도 안내합니다. 연결 후 Codex에 Ruflo 도구를 조회하고 읽기 전용 상태 확인을 실행하도록 요청하세요. OpenAI MCP 설정 문서 · Ruflo의 Codex 연결 예시
프로젝트 지침과 설정까지 구성하려면 Ruflo의 init --codex 경로를 사용할 수 있습니다. 두 도구용 구성을 함께 만드는 init --dual도 문서화돼 있습니다. 초기화는 프로젝트 파일을 생성하거나 변경하므로 시험용 복사본에서 시작하고, 기존 AGENTS.md와 CLAUDE.md 등에 생긴 차이를 검토하세요. Codex 초기화와 듀얼 모드 안내
설치 후에는 무엇으로 성공을 판단하나요?
서버 연결, 실제 실행, 결과 재사용을 나눠 확인해야 합니다. 상태 조회가 성공했더라도 코드 작업이나 기억 검색까지 제대로 작동한다고 단정할 수는 없습니다.
- 연결 확인: 의도한 Ruflo 서버가 표시되고, 필요한 도구가 발견되는지 확인합니다.
- 실행 확인: 작은 읽기 전용 작업을 맡겨 실제 도구 반환값과 파일 근거를 받습니다.
- 기억 확인: 승인한 작업 기록을 저장한 뒤 새 세션에서 다시 찾아 내용이 맞는지 대조합니다.
- 효용 확인: Ruflo를 사용하지 않았을 때와 비교해 재조사, 재시도, 사람의 검토 시간이 줄었는지 기록합니다.
첫 과제로는 ‘이 프로젝트에서 검색 요청을 처리하는 파일과 관련 테스트를 찾아 근거를 제시하라’처럼 범위가 분명한 조사가 적당합니다. 산출물을 파일 경로, 확인한 동작, 미확인 사항으로 정하면 결과를 검토하기 쉽습니다. 코드 변경은 조사 결과를 확인한 뒤 별도 작업으로 진행할 수 있습니다.
병렬 에이전트는 대기 시간을 줄일 수 있지만 사용량도 늘릴 수 있습니다. OpenAI는 하위 에이전트마다 모델과 도구 작업을 수행하므로 비슷한 단일 에이전트 실행보다 더 많은 토큰을 소비한다고 설명합니다. 토큰은 모델이 입력과 출력을 처리하는 단위입니다. 도입 효과는 검토를 통과한 결과 하나를 얻는 데 든 전체 사용량과 시간으로 판단하세요. 하위 에이전트의 사용량 설명
어떤 사용자에게 도입을 권하나요?
같은 프로젝트에서 조사·구현·검토가 반복되고, 지난 결정을 다시 찾는 데 시간을 쓰는 사용자에게 Ruflo 시험 도입을 권합니다. 현재 도구만으로 작업 분담과 기록 관리가 충분하다면 추가 구성을 서두를 이유는 적습니다.
먼저 반복 업무 하나의 입력, 결과물, 완료 조건을 적어 보세요. 그다음 부족한 것이 역할 분담인지, 기억 검색인지, 반복 절차인지 정하고 해당 기능부터 연결하면 됩니다. 연결 여부를 확인한 뒤 작은 작업을 끝내고, 그 결과를 다음 세션에서 활용할 수 있는지 검증하는 순서가 현실적인 출발점입니다.
자주 묻는 질문
Ruflo는 무료로 사용할 수 있나요?
확인한 Ruflo 패키지에는 MIT 라이선스가 명시돼 있습니다. 다만 소프트웨어의 라이선스와 연결하는 모델·외부 서비스의 이용 비용은 별개입니다. 오픈소스라는 이유로 전체 작업이 무료이거나 무제한이라고 해석하면 안 됩니다. 근거는 참고 자료의 ‘Ruflo 패키지 정의’입니다.
Ruflo의 메타 하네스와 MetaHarness 기능은 같은 말인가요?
구분해서 읽는 편이 정확합니다. Ruflo 소개의 ‘메타 하네스’는 도구의 역할을 나타내는 표현이고, 별도로 통합된 MetaHarness는 에이전트 실행 구성을 분석하는 선택 기능입니다. 준비 상태 평가, MCP 설정 검사, 구성 변화 추적 등을 지원하며, 관련 선택 패키지가 없어도 Ruflo 자체는 작동하도록 설계돼 있습니다. 근거는 참고 자료의 ‘MetaHarness User Guide’입니다.
참고 자료
- Ruflo 공식 저장소 및 README — ruvnet / Ruflo
- RuFlo Explained: Build an AI Team That Plans, Remembers, Tests, and Improves — rUv Cohen / Ruflo
- Ruflo Codex 어댑터 README — ruvnet / Ruflo
- Ruflo 사용자 가이드 — ruvnet / Ruflo
- Ruflo 패키지 정의 — ruvnet / Ruflo
- Subagents — OpenAI
- Orchestrate teams of Claude Code sessions — Anthropic
- Model Context Protocol — OpenAI
- MetaHarness User Guide — ruvnet / Ruflo