pi agent로 Cursor·Gemini 구독 묶기, 멀티 모델 오케스트레이션 후기 | How to Combine Cursor and Gemini Subscriptions with pi agent

요약:

하나의 AI 모델만 붙잡고 있다가 요즘은 pi agent 하나로 Cursor랑 Gemini 구독을 한데 묶어서 쓰고 있음. 모델마다 잘하는 게 다르다는 걸 체감하고 나니까, 아예 내가 원하는 대로 커스텀 워크플로를 짜서 돌리는 쪽으로 넘어왔음.

어떻게 세팅했고 왜 만족스러운지 있는 그대로 적어봄. 특정 툴을 강요하는 글은 아니고, 개인적으로 써본 후기임.

왜 한 모델만으로 안 됐나?

한 줄 답: 모델마다 특출난 분야가 달라서 하나만 붙잡고 있으면 비효율이었음.

계속 써보니까 모델마다 강점이 확실히 다르더라. 코딩할 때 잘 맞는 모델이 있고, 기획이나 아이디어 정리할 때 더 편한 모델이 있고, 데이터 분석 쪽에서 유독 나은 모델도 있었음.

하나의 모델로 이걸 다 처리하려니 매번 아쉬운 지점이 생겼음. 결국 “여러 모델을 유기적으로 엮어서 쓸 방법이 없을까”라는 고민으로 이어졌고, 그 답으로 찾은 게 pi agent였음.

한 줄 답: Cursor 구독의 Grok을 메인 오케스트레이터로 쓰고, pi package로 Gemini Antigravity 계정까지 같이 붙였음.

지금은 여러 구독 계정을 하나의 에이전트 안에 통합해두는 구조임. 각 도구가 맡은 역할이 명확해서 관리도 편함.

이렇게 구독을 한 군데로 묶어놓으니까 관리하기도 편하고, 각자 잘하는 걸 맡은 멀티 에이전트 팀이 자연스럽게 꾸려진 느낌임.

Cursor Grok

메인 오케스트레이터

Gemini Antigravity

pi package로 연동된 워커 계정

한 줄 답: 그때는 GPT sol이 브레인, Gemini와 Cursor Grok이 워커였음.

얼마 전까지는 ChatGPT $20 요금제를 썼었음. 당시 구조는 지금과는 조금 달랐음.

이 구조도 나쁘지 않았는데, 지금 pi agent 기반 커스텀 워크플로로 넘어오게 된 과도기적인 세팅이었다고 보면 됨.

한 줄 답: 내가 짠 워크플로가 의도대로 착착 맞물려 돌아갈 때 성취감이 확실히 다름.

pi agent 환경에서 직접 짠 커스텀 워크플로를 돌려보니 성취감이 남다름. 코드가 내 의도대로 착착 맞물려 돌아가는 걸 보면서 작업 속도랑 결과물 퀄리티가 확실히 달라졌다는 게 체감됨.

이 워크플로를 짤 때 참고한 철학이 있는데, Matt Pocock의 ‘atomic pipeline’에서 영감을 받은 부분이 있음. 다만 이 얘기까지 풀면 글이 너무 길어져서, 자세한 건 다음 글에서 다루려고 함.

Part 2에서 Matt Pocock의 atomic pipeline 철학과 실제 워크플로 구조를 더 자세히 다룰 예정: [ask-dongjin: part2 URL after publish]

pi agent 설정이 어렵지는 않나?

초기 연동(Cursor, Gemini)만 해두면 그다음부터는 직관적으로 쓸 만함.

굳이 여러 모델을 다 구독해야 하나?

필수는 아님. 본인 작업량이나 필요한 강점에 맞춰서 선택하면 됨.

하나의 모델에만 얽매이지 않고 여러 모델을 지휘하는 오케스트레이터가 된 기분임. 각자 잘하는 걸 맡기니까 작업 효율이 확실히 올라갔음.

이런 세팅의 핵심 도구인 Cursor를 부담 없이 시작해보고 싶다면 겜스고 허브를 참고해도 좋음 → Gamsgo 파트너 허브 (할인코드: NUFUY)