ragbits 1.6 출시: AI 에이전트를 위한 구조화된 계획, 실시간 가시성 및 장기 메모리 도입

섹션별 상세

복잡한 과업을 처리할 때 발생하는 단일 생성의 한계를 극복하기 위해 에이전트 스스로 계획을 수립하고 실행하는 도구 세트를 도입했다. 에이전트는 PlanningState 객체와 연동된 6가지 도구를 사용하여 목표를 하위 작업으로 분해하고, 각 작업의 결과를 다음 단계의 컨텍스트로 활용하며 자율적으로 실행한다. 이를 통해 소프트웨어 아키텍처 설계와 같은 다단계 과업에서 훨씬 더 구조적이고 깊이 있는 결과물을 생성할 수 있다.

근거

ragbits 1.6은 에이전트가 스스로 계획을 세우고 실행할 수 있도록 6가지 도구 함수를 제공한다. — Planning Tools for AI Agents 섹션의 create_planning_tools 설명

사용자에게 에이전트의 작업 진행 상황을 투명하게 공개하기 위해 실시간 실행 계획 UI 컴포넌트를 추가했다. TodoList 컴포넌트는 에이전트가 수립한 계획을 체크리스트 형태로 렌더링하며, 각 작업의 상태를 대기, 진행 중, 완료로 구분하여 애니메이션과 함께 표시한다. 개발자는 ChatInterface 클래스에 몇 줄의 코드만 추가하여 SSE 이벤트를 통해 프론트엔드에 실시간 업데이트를 전달할 수 있다.

태블릿 화면에 표시된 ragbits 1.6의 코드 플래너 실행 화면 — Screenshot에이전트가 '마이크로서비스 아키텍처 설계' 요청을 받고 수립한 실행 계획(Execution plan)이 UI 상에 체크리스트 형태로 나타나는 모습을 보여줍니다. 사용자가 에이전트의 작업 단계를 실시간으로 확인할 수 있음을 시각화합니다.

에이전트 실행 계획 UI의 상세 체크리스트 뷰 — Screenshot각 하위 작업의 진행 상태(완료, 진행 중, 대기)를 아이콘과 텍스트 스타일로 구분하여 표시하는 실시간 실행 계획 UI의 세부 사항을 보여줍니다. 이는 사용자와 에이전트 간의 투명한 상호작용을 지원하는 핵심 기능입니다.

근거

실시간 실행 계획 UI는 Pending, In progress, Completed의 세 가지 시각적 상태를 지원한다. — Real-Time Execution Plan UI 섹션의 Visual states 설명

세션 간 정보를 유지하지 못하는 LLM의 상태 비보존성을 해결하기 위해 벡터 저장소 기반의 장기 메모리 시스템을 구축했다. LongTermMemory 클래스는 사용자의 대화에서 중요한 사실을 추출하여 저장하고 필요할 때 유사도 검색을 통해 이를 다시 불러오는 기능을 제공한다. 이를 통해 에이전트는 과거 대화에서 언급된 사용자의 취향이나 특정 계획을 기억하고 다음 세션에서 이를 반영한 답변을 제공할 수 있다.

근거

장기 메모리 시스템은 MemoryEntry, LongTermMemory, create_memory_tools의 3개 레이어로 구성된다. — Long-Term Semantic Memory 섹션의 Architecture 설명

채팅 인터페이스의 사용자 경험을 개선하기 위해 시작 질문 설정 기능과 UI 애니메이션 최적화를 진행했다. 사용자가 첫 화면에서 클릭 한 번으로 질문을 시작할 수 있도록 버튼형 프롬프트를 구성할 수 있으며, 고부하 스트리밍 환경에서 발생하던 메모리 부족 문제를 해결했다. 또한 모든 링크가 새 탭에서 열리도록 수정하여 사용자가 대화 흐름을 놓치지 않도록 배려했다.