매듭 이론을 활용한 코딩 에이전트의 컨텍스트 압축 실험: Gordian 프로젝트

매듭 이론이라는 독특한 수학적 접근 방식에 대해 흥미롭다는 반응이 많으며, 실제 토큰 절감 수치에 대해 긍정적인 평가가 이어졌다.

• 에이전트의 컨텍스트 비대화 문제를 해결하기 위해 단순한 요약(summarization) 외에 구조적 분석을 통한 삭제 전략을 고려할 것.
• LangGraph의 커스텀 상태 리듀서(State Reducer)를 활용하면 특정 조건에 따른 메시지 히스토리 정제 로직을 유연하게 구현 가능하다.

매듭 이론(Knot Theory)

— 3차원 공간에서 닫힌 곡선인 매듭의 수학적 성질을 연구하는 위상수학의 한 분야이다. 이 프로젝트에서는 코드의 생성과 삭제 과정을 매듭의 꼬임과 풀림으로 치환하여 코드 구조의 변화를 수학적으로 모델링하고 분석하는 기반으로 활용되었다.

브레이드 그룹(Braid Group)

— 매듭 이론과 밀접한 관련이 있는 대수적 구조로, 여러 가닥의 실이 꼬여 있는 형태를 수학적으로 표현한다. 코드의 추가(twist)와 삭제(untwist)를 대수적으로 계산하여 서로 상쇄되는 지점을 찾아냄으로써 컨텍스트에서 제거할 정보를 식별하는 핵심 메커니즘이다.

추상 구문 트리(AST)

— 프로그래밍 언어의 소스 코드 구조를 트리 형태로 표현한 추상적 자료구조이다. Gordian 프로젝트는 Python AST를 분석하여 이를 브레이드 그룹의 수학적 표현으로 매핑함으로써 코드의 논리적 변화를 추적하고 불필요한 이력을 판별한다.

컨텍스트 비대화(Context Bloat)

— LLM 기반 에이전트가 작업을 수행하면서 대화 이력이나 코드 변경 사항이 누적되어 컨텍스트 윈도우가 가득 차는 현상이다. 이는 토큰 비용을 급격히 상승시키고 모델의 추론 정확도를 떨어뜨려 에이전트의 성능 저하를 초래하는 주요 원인이 된다.

상태 리듀서(State Reducer)

— 애플리케이션의 현재 상태와 액션을 받아 새로운 상태를 반환하는 함수이다. LangGraph 프레임워크 내에서 수학적으로 상쇄된 코드 이력에 해당하는 메시지들을 실제 에이전트의 메모리(상태)에서 삭제하여 컨텍스트를 최적화하는 역할을 수행한다.