TuringLLM: LLM 기반의 범용 튜링 머신 프레임워크

섹션별 상세

TuringLLM은 LLM을 튜링 머신의 단계 함수로 정의하여 상태를 디스크(MEMORY.md)에 저장하고, 마크다운 기반의 명령어(INSTRUCTIONS.md)로 실행 흐름을 제어한다. 매 사이클마다 LLM은 현재 상태를 읽고 조건에 맞는 명령을 수행한 뒤 상태를 갱신하며, 이 과정은 halt 상태에 도달할 때까지 반복된다.

TuringLLM의 상태 머신 구조를 시각화한 다이어그램 — Diagram이 이미지는 TuringLLM이 LLM을 상태 전이 함수로 사용하는 핵심 개념을 시각적으로 표현한다. 튜링 머신의 다이얼처럼 상태와 명령이 순환하는 구조를 나타낸다.

호출 스택(Call Stack) 기능을 통해 프레임(Frame) 단위의 push/pop을 지원하며, 이는 복잡한 에이전트 워크플로를 재귀적으로 구성하거나 하위 작업을 분리하는 데 사용된다. 각 프레임은 독립적인 메모리 공간을 가지며, 작업 완료 후 결과값을 상위 프레임으로 반환한다.

멀티 에이전트 시스템(MAS) 연구를 위한 다양한 패턴(ToT, LATS, MetaGPT 등)을 포함한 인터프리터 카탈로그를 제공하여, 동일한 작업에 대해 전략을 비교하거나 동일 전략으로 다양한 작업을 수행하는 A/B 테스트가 가능하다.

실행 중 사용자 개입(Human-in-the-loop)을 위해 Telegram 또는 표준 입력을 통한 질의응답을 지원한다. LLM은 작업 중 추가 정보가 필요할 때 질문을 생성하고, 답변이 도착할 때까지 대기하거나 독립적인 작업을 지속할 수 있다.

이미지 분석

Screenshot
실행 중인 에이전트의 호출 스택, 이벤트 스트림, 프레임별 상태를 실시간으로 보여준다. 복잡한 에이전트 워크플로의 디버깅과 관찰을 지원한다.
TuringLLM의 실행 과정을 모니터링하는 시각화 도구 화면

용어 해설

튜링 머신(Turing Machine): — 계산 가능성을 정의하는 이론적 모델로, TuringLLM에서는 LLM을 상태 전이 함수로 사용하여 복잡한 논리적 흐름을 구현하는 기반으로 활용된다.
멀티 에이전트 시스템(Multi-Agent System): — 여러 AI 에이전트가 협력하거나 경쟁하여 복잡한 문제를 해결하는 구조로, TuringLLM은 이를 위한 다양한 패턴(ToT, LATS 등)을 구현하고 비교하는 환경을 제공한다.
인간 개입(Human-in-the-loop): — AI 시스템이 작업을 수행하는 도중 불확실한 상황에서 사용자에게 질문하여 피드백을 받는 프로세스로, TuringLLM은 이를 통해 에이전트의 판단을 보완한다.
호출 스택(Call Stack): — 함수나 작업의 실행 순서를 관리하는 구조로, TuringLLM에서는 에이전트의 작업 프레임을 관리하여 재귀적 호출과 계층적 작업 분해를 가능하게 한다.

코드 예제

markdown

# Strategy: IMPORTANT: Everything between "# Strategy" and "# Sub-instructions" is the strategy. It must be copied VERBATIM into every update_instructions call. Never modify, summarize, or omit any strategy instruction. Only the "# Sub-instructions" section below changes.

## Instruction: Initialize
**Condition:** MEMORY state is "empty"
**Action:** Read PROGRAM.md. Bootstrap state. Set state to "".

## Instruction:
**Condition:** MEMORY state is ""
**Action:** ...more instructions forming a complete state machine...

## Instruction: Finish
**Condition:** MEMORY state is "done"
**Action:** Emit `## Return` block and let the shell halt.

# Sub-instructions (none yet — the strategy will populate these)

TuringLLM에서 전략을 정의하는 INSTRUCTIONS.md 파일의 구조 예시

기술

TypeScript
Claude Code
OpenAI
Ollama
Telegram

활용 사례

Multi-Agent System Research
Complex Workflow Automation
Recursive Research Tasks

언급된 리소스

GitHubTuringLLM GitHub Repository