diff --git a/ideas/250929_happybell80_multi_ai_cli_integration.md b/ideas/250929_happybell80_multi_ai_cli_integration.md
index 3ac919c..fb798b0 100644
--- a/ideas/250929_happybell80_multi_ai_cli_integration.md
+++ b/ideas/250929_happybell80_multi_ai_cli_integration.md
@@ -9,9 +9,14 @@ status: idea
 
 ## 현황
 - **사용 중인 AI CLI**: Claude (23/24 서버), Gemini CLI, OpenAI Codex CLI (로컬)
-- **인증 방식**: 브라우저 세션 기반 (API 키 없이 쿠키/토큰 사용)
+- **인증 방식**: 브라우저 세션 기반 (쿠키/토큰 사용, API 미사용)
 - **현재 워크플로우**: 수동으로 각 CLI에 질문하고 답변 종합
 
+### CLI 설치 현황
+- **로컬**: Claude, Gemini 설치 (OpenAI 없음)
+- **51123 서버**: Claude만 설치
+- **51124 서버**: Claude, Gemini, OpenAI 모두 설치, 세션 파일 접근 가능
+
 ## 목표
 여러 AI의 의견을 동시에 얻어 더 나은 의사결정을 내리고 개발 생산성 향상
 
@@ -33,44 +38,15 @@ tmux attach -t ai-panel
 - 단점: 수동 입력 필요, 응답 통합 어려움
 
 ### 2. Python 래퍼 (1주일)
-```python
-# multi_ai_wrapper.py
-import subprocess
-import asyncio
-from typing import Dict
-
-class MultiAIManager:
-    def __init__(self):
-        self.processes = {
-            'claude': subprocess.Popen(['claude'], ...),
-            'gemini': subprocess.Popen(['gemini'], ...),
-            'openai': subprocess.Popen(['openai'], ...)
-        }
-
-    async def query_all(self, prompt: str) -> Dict[str, str]:
-        # 각 프로세스에 프롬프트 전송
-        # 응답 수집 및 정리
-        pass
-```
+- subprocess.Popen으로 각 CLI 프로세스 제어
+- asyncio.gather로 동시 질의 및 응답 수집
+- 세션 파일 경로: ~/.config/claude, ~/.config/gemini
+- stdin/stdout 스트림 비동기 처리
 
 ### 3. FastAPI 웹 대시보드 (2-3주)
-```python
-# main.py
-from fastapi import FastAPI, WebSocket
-from fastapi.responses import HTMLResponse
-
-app = FastAPI()
-
-@app.websocket("/ws")
-async def websocket_endpoint(websocket: WebSocket):
-    await websocket.accept()
-    # 실시간 스트리밍 처리
-
-@app.get("/")
-async def dashboard():
-    # 통합 대시보드 UI 제공
-    pass
-```
+- WebSocket으로 실시간 스트리밍 응답 처리
+- 3열 레이아웃으로 동시 응답 표시
+- 대화 이력 SQLite/LMDB 저장
 
 **주요 기능**:
 - 단일 입력창으로 모든 AI에 동시 질의
@@ -109,27 +85,89 @@ async def dashboard():
 4. **Phase 4** (3주): 웹 UI 및 실시간 통신
 5. **Phase 5** (1개월): 세션 공유, 응답 분석 기능
 
+## 배포 방식
+**UV 가상환경 사용** (Docker 대신)
+- 세션 파일(~/.config/claude, ~/.config/gemini) 직접 접근
+- 브라우저 인증 자연스럽게 연동
+- tmux는 pipx로 설치
+- FastAPI는 uv로 관리
+
 ## 기술적 고려사항
-- 각 CLI의 세션 파일 경로 파악 필요
-- 입출력 스트림 처리 (stdin/stdout/stderr)
-- 응답 파싱 및 포맷팅 로직
-- 동시성 처리 (asyncio/threading)
-- 에러 핸들링 및 재연결 로직
+
+### 세션 관리
+- **세션 파일 위치**: strace/fs_usage로 CLI가 읽는 파일 추적
+- **인증 오류 감지**: "Session expired", "Please log in" 패턴 매칭
+- **헬스 체크**: claude me, gemini whoami로 세션 상태 확인
+
+### 입출력 제어
+- **PTY 사용**: Python pty 모듈로 실제 터미널 환경 시뮬레이션
+- **비동기 처리**: asyncio.subprocess로 여러 CLI 동시 제어
+- **입력 전송**: stdin.write() 후 flush() 필수
+
+### 응답 파싱
+- **ANSI 코드 제거**: 색상 코드, 스피너, ASCII 아트 정규식 제거
+- **응답 종료 판단**:
+  - 프롬프트 재출현 감지
+  - 1-2초 타임아웃 기반 종료
+- **CLI별 커스텀 파서**: 각 CLI 출력 형식에 맞춘 개별 파서
+
+### 유지보수 리스크
+- CLI 업데이트시 파싱 로직 깨짐
+- 지속적인 출력 형식 변경 추적 필요
+- 각 CLI 버전별 호환성 테스트 필수
 
 ## 리스크
 - CLI 업데이트로 인한 호환성 깨짐
 - 세션 만료 처리
 - 각 서비스의 rate limiting
-- TOS 위반 가능성 (자동화 관련)
+- 자동화 관련 제약사항
+
+## 최종 배포 전략
+
+### 구현 위치
+- **51124 서버**: 모든 CLI 설치되어 있음, FastAPI 서버 실행
+- **51123 서버**: nginx 프록시로 51124:8888 연결
+
+### 51124 서버 설정
+- 전용 디렉토리: /home/admin/multi-ai-cli/
+- UV 가상환경으로 FastAPI 실행
+- 리소스 격리: nice -n 19, ionice -c3 사용
+- 포트: 8888
+
+### 51123 nginx 프록시
+- location /multi-ai/ → proxy_pass http://51124:8888/
+- WebSocket 지원 헤더 설정 필요
 
 ## 실현 가능성 평가
-- **전체 실현 가능성**: 80-85%
-- **Phase 1** (tmux 스크립트): 100%
-- **Phase 2** (Python 래퍼): 85%
-- **Phase 3-4** (FastAPI+웹 UI): 80%
-- **Phase 5** (세션 공유·응답 분석): 65-70%
-- **전제**: 각 CLI가 stdin/stdout 제어 가능, 세션 파일 경로 확보
-- **주의**: 23/24 원격 오케스트레이션 포함 시 5-10%p 하락 가능
+
+### 최종 평가
+- **51124 서버 기준**: 80-85% (모든 CLI 설치됨, 세션 파일 접근 가능)
+- **핵심 결론**: 51124에서 구축 + 51123 nginx 프록시로 웹 제공
+
+### Phase별 평가
+- **Phase 1** (tmux 스크립트): 100% 즉시 가능
+- **Phase 2** (Python 래퍼): 70% (PTY 제어, 응답 종료 판단)
+- **Phase 3-4** (FastAPI+웹 UI): 65%
+- **Phase 5** (세션 공유·응답 분석): 50%
+
+## 100% 실현성 달성 방안
+
+### 검증된 아키텍처 참조 (2024년 기준)
+- **Microsoft Magentic-One**: Orchestrator + 4개 특화 에이전트 (WebSurfer, FileSurfer, Coder, Terminal)
+- **AWS Multi-Agent Orchestrator**: Amazon Bedrock 기반 동적 에이전트 할당
+- **AutoGen Framework**: Microsoft의 대화형 에이전트 간 메시지 전달 프로토콜
+
+### 핵심 개선사항
+1. **프로파일 기반 에이전트 정의**: 각 CLI를 명확한 역할과 능력으로 정의
+2. **메모리 시스템**: SQLite로 대화 컨텍스트 유지, 에이전트 간 정보 공유
+3. **동적 오케스트레이션**: 관리 에이전트가 태스크 분배 및 응답 집계
+4. **계약 기반 테스트**: 각 CLI 어댑터의 입출력 명세 정의 및 자동 검증
+
+### 논문 기반 검증 필요 항목
+- Multi-agent collaboration mechanisms 연구
+- LLM tool use reliability 패턴
+- Stream processing backpressure 처리
+- Contract testing for microservices 적용
 
 ## 반자동화 범위 정의