Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
에이전트가 생성한 코드를 일회성 결과물이 아닌 지속적인 운영 기질로 다루는 새로운 프레임워크를 제안합니다. HarnessMutation을 통해 멀티 에이전트 시스템 내에서 검증과 추적 가능성을 보장하며 통제된 런타임 진화를 구현하는 방법을 다룹니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기최근 에이전트 시스템(agentic systems)의 발전은 코드를 일회성 출력물(disposable output artifact)이 아닌, 실행 가능한 운영 기질(executable operational substrate)로 다루는 경향이 점점 강해지고 있습니다. extit{Code as Agent Harness}와 같은 이전 연구들은 검증된 에이전트 생성 아티팩트(agent-generated artifacts)를 장기적인 인지 루프(cognitive loops) 내에서 생성, 실행, 수정, 지속 및 재사용될 수 있는 런타임 엔티티(runtime entities)로 프레임화합니다. 그러나 이러한 아티팩트의 거버넌스(governance), 생명주기 관리(lifecycle management), 그리고 운영 진화(operational evolution)는 여전히 구체적으로 정의되지 않은 상태로 남아 있습니다. 본 논문은 실행 가능한 운영 인지(executable operational cognition)를 통해 멀티 에이전트 시스템(multi-agent systems)에서 통제된 런타임 진화(governed runtime evolution)를 위한 프레임워크를 제안합니다. 우리는 에이전트가 생성한 아티팩트를 일시적인 중간 출력물이 아니라, 점진적으로 운영 기질의 일부가 되는 지속적인 런타임 기능(persistent runtime capabilities)으로 공식화합니다. 이러한 관점을 바탕으로, 우리는 명시적인 검증(validation), 추적 가능성(traceability), 평가(evaluation) 및 롤백(rollback) 제약 조건 하에서 작동하는 생명주기 인식 런타임 적응(lifecycle-aware runtime adaptation)을 위한 통제된 메커니즘으로서 extit{HarnessMutation}을 소개합니다. 제안된 프레임워크는 런타임 적응을 무제한적인 자기 수정(self-modification)으로 취급하는 대신, 진화를 지속적인 운영 메모리(persistent operational memory) 상의 제한적이고 관찰 가능한 프로세스로 모델링합니다. 나아가, 이러한 아이디어들이 현대적인 에이전트 런타임(agent runtimes) 및 거버넌스 지향적 오케스트레이션 시스템(governance-oriented orchestration systems)에서 어떻게 운영화될 수 있는지를 보여줌으로써, 진화 과정이 명시적이고 감사 가능하며(auditable) 제약된 적응형 인프라(adaptive infrastructures)를 위한 개념적 토대를 제공합니다.