LLM 에이전트의 외재화: 메모리, 스킬, 프로토콜 및 하네스 엔지니어링에 대한 통합 리뷰

섹션별 상세

전통적인 모델 중심 접근법에서 시스템 중심의 외재화 구조로 에이전트 설계 패러다임이 변화하고 있다. 과거에는 모델 내부 가중치에 의존하던 복잡한 인지 작업을 이제는 외부 메모리 저장소나 재사용 가능한 스킬 모듈로 분리하여 처리한다. 이러한 변화는 모델이 직면한 어려운 인지적 부담을 시스템이 더 신뢰성 있게 해결할 수 있는 형태로 변환하는 역할을 수행한다. 결과적으로 에이전트의 지능은 모델 단독이 아닌 전체 시스템 인프라의 결합체로 정의된다.

근거

에이전트 인프라는 모델의 인지적 부담을 더 신뢰성 있게 해결할 수 있는 형태로 변환한다. — Abstract 및 Introduction의 cognitive artifacts 개념 설명 부분

메모리 외재화는 LLM의 제한된 컨텍스트 창 문제를 해결하기 위해 시간적 상태를 외부 저장소에 보관하는 방식이다. 에이전트는 과거의 대화 기록이나 작업 결과를 벡터 데이터베이스 등에 저장하고 필요할 때 검색하여 컨텍스트로 주입한다. 이를 통해 모델은 수천 개의 토큰을 직접 기억하지 않고도 장기적인 일관성을 유지하며 복잡한 작업을 수행할 수 있다. 이는 모델의 내부 기억력을 외부 시스템의 검색 및 관리 능력으로 대체하는 핵심적인 외재화 전략이다.

근거

메모리, 스킬, 프로토콜은 외재화의 세 가지 뚜렷하지만 결합된 형태이다. — Abstract의 세 가지 외재화 형태 분석 언급

스킬 외재화는 복잡한 절차적 지식을 모델의 추론에만 맡기지 않고 실행 가능한 코드나 도구 형태로 모듈화하는 기법이다. 에이전트는 특정 작업을 수행하기 위한 API 호출이나 파이썬 스크립트와 같은 '스킬'을 라이브러리에서 선택하여 실행한다. 이러한 방식은 모델이 매번 정답을 생성해야 하는 부담을 줄이고 검증된 로직을 재사용함으로써 작업의 정확도를 획기적으로 높인다. 이는 모델의 '생각'을 시스템의 '행동'으로 구체화하여 외재화한 결과이다.

하네스 엔지니어링은 분산된 메모리, 스킬, 프로토콜을 하나의 통제된 실행 환경으로 묶어주는 통합 계층 역할을 한다. 하네스는 에이전트의 실행 흐름을 모니터링하고 오류가 발생했을 때 복구 전략을 실행하며 전체 시스템의 거버넌스를 담당한다. 단순한 모델 호출을 넘어 안전 가드레일을 적용하고 성능을 평가하는 환경을 제공함으로써 에이전트가 실무 환경에서 안정적으로 작동하도록 보장한다. 이는 개별 모듈의 외재화를 넘어 시스템 전체의 신뢰성을 확보하는 최종적인 엔지니어링 단계이다.

기술

LLM
Memory Stores
Interaction Protocols
Harness Engineering

활용 사례

복잡한 워크플로우 자동화 에이전트
장기 기억이 필요한 개인화 비서
엔터프라이즈급 AI 에이전트 거버넌스 시스템

언급된 리소스

논문Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering