에이전트는 파일 시스템을 사용하여 컨텍스트 엔지니어링을 구현할 수 있나요? @LangChainAI 블로그 게시물의 핵심 주장은 현재 에이전트가 실패하는 주된 이유가 모델 역량 부족이 아니라, 오히려 구식 컨텍스트 관리 방식이라는 것입니다. 연구팀은 에이전트의 외부 작업 공간으로 "파일 시스템"을 사용하여 복잡한 작업에서 기존 RAG의 지속적인 문제들을 완전히 해결하고, 에이전트를 "컨텍스트 엔지니어링" 시대로 이끌 것을 제안합니다. 파일 시스템이 에이전트의 안정성을 크게 향상시킬 수 있는 이유는 무엇입니까? 기존 RAG는 벡터 데이터베이스의 의미적 검색에 의존하는데, 여기에는 네 가지 치명적인 문제가 있습니다. • 핵심 정보를 놓치거나 관련 없는 정보를 대량으로 떠올리는 경향이 있습니다. • 코드, 긴 문서, 구조화된 데이터를 검색하는 성능이 매우 낮습니다. • 특정 줄, 함수 또는 장을 정확하게 찾을 수 없습니다. • 컨텍스트 창이 가득 차면 중요한 정보를 잊어버리고, 대화를 다시 시작할 때마다 완전히 잊어버립니다. 파일 시스템 + 심볼 검색(ls, glob, grep)은 위의 문제를 완벽하게 방지합니다. • 파일에 쓰기 → 영구 저장소, 절대 잊지 마세요 • 경로, 파일 이름, 키워드, 줄 번호 등을 사용하여 노이즈 없는 정확한 검색을 달성합니다. • 큰 결과는 먼저 파일에 쓰고, 토큰 폭발을 방지하기 위해 가장 작은 필요한 조각은 요구에 따라 로드됩니다. • 에이전트 자체 진화 지원: 새로 학습한 명령, 사용자 기본 설정 및 성공 사례는 파일에 쓰고 영구적으로 유효합니다. LangChain이 두 가지 유용한 도구를 출시합니다. 1. 파일 에이전트 툴킷(단일 에이전트 파일 조작 툴셋) 여기에는 read_file, write_file, append_file, list_directory, glob, grep과 같은 명령이 포함됩니다. 일반적인 사용법: 웹 검색에서 10k 토큰이 반환됩니다. → 먼저 전체 파일을 작성합니다. → grep을 사용하여 100~200개의 관련 줄을 정확하게 추출합니다. → 그런 다음 모델에 제공합니다. 2. 다중 에이전트 파일 시스템 협업 모드에서는 여러 하위 에이전트가 더 이상 메시지를 통해 정보를 교환하지 않습니다(왜곡 및 토큰 낭비가 발생하기 쉬움). 대신 동일한 작업 디렉토리를 공유합니다. • 하위 에이전트는 연구 결과, 결론 및 데이터를 미리 정의된 파일에 저장합니다. • 마스터 에이전트는 전역 일관성을 유지하기 위해 언제든지 최신 파일을 읽습니다. 이는 여러 에이전트 간의 "전화 게임"으로 인해 발생하는 정보 왜곡 문제를 완벽하게 해결하여 장기적이고 복잡한 연구 과제에 특히 적합합니다. 컨텍스트 엔지니어링을 위한 권장 모범 사례: • 대용량 출력(검색 결과, 코드, 장기 계획)은 먼저 파일에 기록해야 합니다. • 모든 계획, 지침 및 사용자 기본 설정도 영구 메모리에 저장하기 위해 파일에 기록해야 합니다. • 검색 시 정확성을 보장하기 위해 순수 벡터 검색보다 심볼릭 검색(grep/glob)을 우선시합니다. • 소수의 벡터 검색을 진입점으로 사용하고, 그 후 파일 시스템 도구를 사용하여 2차 상세 검색을 수행합니다. • 에이전트에 자체 "홈 디렉터리"를 제공하여 프로그래머처럼 작동하도록 합니다.
