Bitterbot: 로컬 우선 아키텍처와 P2P 메시를 통한 에이전트 상태 보존 및 기술 거래 시스템

작성자가 로컬 스택 사용자들에게 RAG 대비 기술 결정화 방식의 효용성에 대한 피드백을 구하고 있으며, P2P 기반의 에이전트 경제 시스템에 대해 긍정적인 관심을 보이고 있다.

• 장기 과업을 수행하는 에이전트를 설계할 때 터미널 재시작 시에도 상태가 유지되는 Persistent Memory 구현을 고려해야 한다.
• 중앙 서버 비용을 줄이기 위해 libp2p와 같은 P2P 프로토콜을 활용한 노드 간 데이터 교환 아키텍처를 검토할 수 있다.

Long-horizon Task

— 수많은 중간 단계와 복잡한 의사결정이 필요한 긴 호흡의 작업을 의미한다. AI 에이전트가 단기적인 응답을 넘어 장시간 동안 상태를 유지하며 목표를 달성해야 하므로 메모리 관리와 상태 보존이 핵심적인 기술적 과제로 꼽힌다.

P2P Mesh

— 중앙 서버 없이 각 노드가 직접 연결되어 데이터를 주고받는 분산형 네트워크 구조이다. Bitterbot에서는 에이전트가 학습한 기술(Skill)을 중앙 저장소 없이 노드 간에 직접 거래하고 공유하는 인프라로 활용된다.

Gossipsub

— P2P 네트워크에서 메시지를 효율적으로 전파하기 위한 발행/구독(Pub/Sub) 프로토콜이다. 네트워크 전체에 데이터를 무작위로 퍼뜨리는 '가십' 방식을 통해 노드들이 새로운 기술이나 노드를 발견할 수 있게 돕는다.

Skill Crystallization

— 방대한 추론 흔적과 긴 문맥 데이터를 핵심적인 '기술' 단위로 압축하여 저장하는 프로세스이다. 단순한 벡터 검색(RAG)과 달리 에이전트가 과거의 경험을 재사용 가능한 고정된 지식 형태로 변환하여 효율성을 높이는 기법이다.