모두가 "에이전트의 시대가 왔다"고 게시하고 있습니다.

하지만 아무도 당혹스러운 부분은 언급하지 않습니다: 에이전트는 학습하지 못합니다. 매 세션마다 똑같은 실수를 반복하죠. 무엇이 효과적이었는지 잊어버리고, 실패했던 것을 반복합니다.

이 문제를 조용히 해결하고 있는 약 2.5k 스타(star) 규모의 저장소(repo)를 발견했습니다 →

ACE - 에이전틱 컨텍스트 엔진 (agentic context engine):
→ 지속적인 "스킬북 (skillbook)"을 추가합니다 - 세션을 넘어 유지되는 전략들입니다.
→ 에이전트가 실패하면
→ 리플렉터 (reflector)가 트레이스 (trace)를 읽고
→ 무엇이 효과적이었는지 추출합니다
→ 다음 실행 시에는 더 나아집니다
→ 파인튜닝 (fine-tuning), 학습 데이터 (training data), 벡터 데이터베이스 (vector db)가 필요 없습니다.

수치:
→ tau2 에이전트 벤치마크에서 일관성(consistency) 2배 향상
→ 10회 실행 후 브라우저 자동화 (browser automation)에서 토큰 사용량 49% 감소
→ Claude가 14,000줄의 Python 코드를 번역하는 데 1.50달러 소요
→ 빌드 에러 0건, 모든 테스트 통과

Stanford와 SambaNova의 논문을 기반으로 합니다. 단순한 주말 해킹 프로젝트가 아닙니다.

모두가 어떤 모델이 가장 똑똑한지 논쟁하는 동안, 이것은 진짜 병목 현상을 해결합니다 → 사용할수록 더 똑똑해지는 에이전트.

저장해 두세요. 여기에서 컨텍스트 엔지니어링 (context engineering)은 유행어가 아니라, 저장소 그 자체입니다.