Mycelium: LLM 코딩 에이전트의 컨텍스트 한계를 해결하는 클로저 기반 워크플로우 프레임워크

핵심 요약

대규모 코드베이스에서 LLM 코딩 에이전트가 실패하는 주요 원인은 제한 없는 컨텍스트로 인한 복잡성 증가이다. Mycelium은 이를 해결하기 위해 애플리케이션을 명시적인 입력 및 출력 스키마를 가진 순수 데이터 변환 그래프로 구조화한다. 각 노드는 독립적으로 개발 및 테스트가 가능하며 컴파일 타임에 워크플로우 유효성이 검증된다. 이를 통해 에이전트는 전체 시스템을 이해할 필요 없이 특정 셀의 계약 조건만 확인하면 되므로 작업 효율성이 극대화된다.

배경

Clojure, Malli (Schema library), Functional Programming concepts, Directed Acyclic Graphs (DAG)

대상 독자

LLM 에이전트를 프로덕션에 도입하려는 클로저 개발자 및 시스템 아키텍트

의미 / 영향

Mycelium은 AI 에이전트가 소프트웨어를 작성하는 시대에 적합한 새로운 아키텍처 패러다임을 제시한다. 코드의 논리적 격리와 명시적 계약을 통해 AI의 환각과 컨텍스트 제한 문제를 구조적으로 해결하려는 접근은 시사하는 바가 크다.

섹션별 상세

Mycelium은 각 컴포넌트를 고정된 범위와 명시적인 계약을 가진 셀(Cell)로 제한하여 LLM 에이전트의 컨텍스트 문제를 해결한다. 에이전트는 애플리케이션의 나머지 부분을 볼 필요 없이 해당 셀의 스키마와 테스트 하네스만 확인하면 된다. 이는 인간과 AI 모두가 대규모 코드베이스에서 겪는 인지적 과부하를 방지하는 핵심 메커니즘이다.

모든 셀은 Malli를 사용하여 입력 및 출력 스키마를 정의하며 이는 런타임과 컴파일 타임 모두에서 강제된다. 핸들러는 데이터를 계산하고 그래프는 데이터의 흐름을 결정하는 구조로 비즈니스 로직과 내비게이션이 분리된다. 이러한 구조는 시스템의 예측 가능성을 높이고 에이전트가 생성한 코드의 유효성을 즉각적으로 검증할 수 있게 한다.

워크플로우는 유향 그래프로 정의되며 선형 파이프라인부터 복잡한 분기 및 병렬 실행까지 지원한다. 조인(Join) 노드를 통해 여러 셀을 병렬로 실행하고 결과를 병합할 수 있으며 이 과정에서 출력 키 충돌 감지 기능이 작동한다. 모든 데이터는 누적 맵 방식으로 전달되어 이전 단계의 결과물을 별도의 배선 없이 자유롭게 참조할 수 있다.

Resilience4j와의 통합을 통해 타임아웃, 재시도, 서킷 브레이커 등의 회복 탄력성 정책을 선언적으로 적용한다. 정책 트리거 시 예외를 던지는 대신 특정 에러 맵을 반환하여 워크플로우 내에서 폴백(Fallback) 경로로 유연하게 전환할 수 있다. 이는 불안정한 외부 API 호출이나 AI 모델의 응답 지연에 대응하는 강력한 수단을 제공한다.

워크플로우 일시 중단(Halt) 및 재개(Resume) 기능을 통해 인간 개입(Human-in-the-Loop) 패턴을 기본적으로 지원한다. 특정 셀에서 중단 신호를 보내면 현재까지의 모든 데이터와 추적 정보가 보존되며 외부 승인 후 중단된 지점부터 다시 실행할 수 있다. 영구 저장소 프로토콜을 구현하면 프로세스 재시작 후에도 워크플로우 상태를 복구하여 이어가는 것이 가능하다.

매니페스트 시스템을 사용하여 워크플로우를 순수 데이터인 EDN 파일로 관리하고 시각화할 수 있다. 이를 통해 전체 워크플로우의 상태를 체크하거나 에이전트에게 전달할 구체적인 작업 지침(Cell Brief)을 자동으로 생성한다. 개발 도구는 셀 격리 테스트, 경로 열거, 그래프 시각화 등 에이전트와 인간 개발자 모두를 위한 강력한 유틸리티를 포함한다.

실무 Takeaway

LLM 에이전트의 작업 범위를 명확한 스키마와 테스트 케이스가 있는 작은 단위로 격리하여 성공률을 높여야 한다.
비즈니스 로직과 워크플로우 제어 로직을 분리하여 시스템의 복잡성을 관리하고 유지보수성을 확보해야 한다.
컴파일 타임의 경로 검증과 런타임의 스키마 강제를 통해 AI가 생성한 코드의 안전성을 보장해야 한다.

언급된 리소스

GitHubMycelium GitHub Repository