CUGA를 활용한 에이전트형 애플리케이션 구축: 경량 하네스로 작동하는 24개의 예제

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

맥락·배경: 엔터프라이즈 환경에서 에이전트가 여러 도구를 조합해 복잡한 태스크를 수행하도록 만드는 것이 일반적이지만, 구성 부가가 많아 초기 접근이 어렵다. 본 글의 주된 아이디어는 CUGA 하네스를 통해 도구 목록과 프롬프트만으로도 엔터프라이즈 에이전트를 쉽게 구성하고 생산 환경으로 운용 가능한 상태로 만드는 것이다. 핵심 전개: CUGA는 계획-실행 루프를 가지되, 실행 전에 계획을 수립하고 중간 상태를 추적하며 필요 시 재계획하는 반성(reflection) 메커니즘으로 안정성을 확보한다. 이 구조는 'Inline 도구 + MCP' 패턴으로 구현되며, 24개의 단일 파일 앱(cuga-apps)을 통해 다양한 도메인에 재사용 가능하다는 점이 입증된다. 또한 거버넌스와 안전성은 내재된 정책 체계(Intent Guard, Tool Approval 등)로 확보되며, 생산 환경에서의 운영은 Sovereign Core의 경계 격리 모델로 가능하다. 핵심 수치·근거: AppWorld와 WebArena 벤치마크에서 상위 성과를 기록했고, 1개의 파일(main.py)로 에이전트를 시작하고 도구를 조합하는 구조를 제시한다. 의미: 이 패턴은 엔터프라이즈에서도 반복 가능한 방법으로 에이전트 개발의 진입 장벽을 낮추고, 거버넌스 포함 생산 운영의 신뢰성을 높이는 방향으로 나아간다.

섹션별 상세

대부분의 에이전트는 긴 작업에서 중간 결과를 잃고 잘못된 방향으로 가는 경향이 있다. CUGA는 상태를 유지하고 반성 단계를 통해 실행 전에 재계획하며, 잘못된 호출을 포착해 재계산한다. 이 접근은 20단계의 작업에서도 안정적으로 작동하며 벤치마크에서 상향 곡선을 보인다(AppWorld, WebArena).

python

def make_agent():
    from cuga import CugaAgent
    from _llm import create_llm
    return CugaAgent(
        model=create_llm(
            provider=os.getenv("LLM_PROVIDER"),
            model=os.getenv("LLM_MODEL"),
        ),
        tools=_make_tools(),
        special_instructions=_SYSTEM,
        cuga_folder=str(_DIR / ".cuga"),
    )

# Pattern: inline tool + MCP tools
@tool
def search_ibm_catalog(query: str) -> str:  # 
    """Search the IBM Cloud Global Catalog for real IBM Cloud services. Always call this before recommending services to verify they exist."""
    ...

# hits the catalog API, returns JSON from _mcp_bridge
web_tools = load_tools(["web"])
return [search_ibm_catalog, *web_tools]

에이전트의 메인 팩토리와 inline 도구 정의를 보여주는 핵심 예시 코드 블록이다

ibm_cloud_advisor 예제의 main.py 구성 및 inline 도구 흐름을 시각화한 다이어그램 — DiagramInline 도구와 MCP의 결합 흐름, 프레이밍/실행 흐름, UI와의 인터랙션 흐름을 시각적으로 제시한다.

하나의 파일로 작동하는 24개의 단일 파일 앱(cuga-apps)을 통해 패턴이 실제로 재현되고, 영화 추천부터 IBM Cloud 아키텍처 자문에 이르기까지 다양한 도메인에서 같은 구조를 활용한다. 라이브 갤러리와 MCP 도구 탐색기를 통해 즉시 검증 가능하다.

거버넌스와 안전성은 내재된 정책 시스템으로 확보되며, Intent Guard, Tool Approval, Tool Guide, Playbook, Output Formatter, CustomPolicy의 여섯 가지 정책 유형이 핵심 역할을 한다.

생산 환경에서의 운영은 Sovereign Core의 경계 격리(Boundary Isolation)로 가능하며, 오프라인 모델(gpt-oss-120b) 및 도구별 접근 제어로 외부로의 데이터 흔적이 최소화된다.

다중 에이전트 형태로의 확장도 용이하다. Ouroboros 같은 seven-agent lead-gen 구조가 제시되며, 각 전문가는 독립적으로 동작하고 상호작용은 supervisor를 통해 관리된다. ALTK-Evolve를 통해 스킬의 자동 개선도 가능하다.

클론과 시작은 간단하다. GitHub의 cuga-apps를 클론하고 Docker Compose로 빌드한 뒤 로컬에서 실행하면 바로 에이전트를 체험할 수 있으며, 코드 한 줄로 모델 교체가 가능하다.

실무 Takeaway

패턴 재사용이 가능하도록 설계된 하네스가 엔터프라이즈 에이전트의 도입 장벽을 낮춘다
Inline tool + MCP 구조로 도구 간의 경계가 명확해져 확장과 거버넌스가 쉬워진다
여섯 가지 정책으로 운영 거버넌스를 기본으로 제공해 생산 환경 안전성을 높인다
경계 격리와 로컬/사설 망에서의 운용으로 데이터 프라이버시와 규정 준수를 강화한다
마이크로-서비스식 설계로 서브태스크를 전문화된 에이전트로 분리하고 필요 시 재배포가 가능하다

언급된 리소스

GitHubcuga-apps — the apps, MCP servers, and UI in this article

GitHubcuga-apps/apps — the two dozen polished single-file agent apps

GitHubcuga-apps/mcp_servers — the shared MCP servers

GitHubcuga-agent — the CUGA runtime and policy system

문서cuga.dev — CUGA project home

def make_agent(): from cuga import CugaAgent from _llm import create_llm return CugaAgent( model=create_llm( provider=os.getenv("LLM_PROVIDER"), model=os.getenv("LLM_MODEL"), ), tools=_make_tools(), special_instructions=_SYSTEM, cuga_folder=str(_DIR / ".cuga"), ) # Pattern: inline tool + MCP tools @tool def search_ibm_catalog(query: str) -> str: # """Search the IBM Cloud Global Catalog for real IBM Cloud services. Always call this before recommending services to verify they exist.""" ... # hits the catalog API, returns JSON from _mcp_bridge web_tools = load_tools(["web"]) return [search_ibm_catalog, *web_tools]

CUGA를 활용한 에이전트형 애플리케이션 구축: 경량 하네스로 작동하는 24개의 예제

TL;DR

섹션별 상세

실무 Takeaway

언급된 리소스

CUGA를 활용한 에이전트형 애플리케이션 구축: 경량 하네스로 작동하는 24개의 예제

TL;DR

섹션별 상세

실무 Takeaway

언급된 리소스

관련 토론

댓글

관련 피드

관련 토론

댓글

관련 피드