협업 에이전트 추론 엔지니어링 (CARE): 전문가, 개발자, 헬퍼 에이전트를 활용한 과학적 도메인의 AI 에이전트 체계적 설계 방법론

우리는 과학적 도메인에서 대규모 언어 모델 (LLM) 에이전트를 엔지니어링하기 위한 엄격하고 체계적인 방법론인 협업 에이전트 추론 엔지니어링 (Collaborative Agent Reasoning Engineering, CARE) 을 제시합니다. CARE 는 임의적이고 시행착오에 의존하는 접근법과 달리, 재사용 가능한 아티팩트와 체계적인 단계별 게이트 (stage-gated) 단계를 통해 행동, 근거화 (grounding), 도구 오케스트레이션, 그리고 검증 과정을 명시합니다. 이 방법론은 주제의 전문가 (Subject-Matter Experts, SMEs), 개발자, 그리고 LLM 기반의 헬퍼 에이전트를 포함하는 3 당사자 워크플로우를 사용합니다. 이러한 헬퍼 에이전트들은 촉진 인프라 역할을 수행하여, 비공식적인 도메인 의도를 구조화되고 검토 가능한 사양으로 변환하며, 이를 정의된 게이트에서 인간의 승인을 받도록 합니다. CARE 는 LLM 성능의 불균형으로 특징지어지는 '불규칙한 기술적 전선 (jagged technological frontier)' 문제를 해결하기 위해, 초보자와 전문가 분석가 간의 도메인 제약 조건 및 검증 관행에 대한 격차를 연결합니다. 상호작용 요구사항, 추론 정책, 평가 기준을 포함한 구체적인 아티팩트를 생성함으로써 CARE 는 에이전트의 행동이 명시 가능하고, 테스트 가능하며, 유지보수 가능하도록 보장합니다. 과학적 사용 사례에서 얻은 평가 결과는 이 단계별 게이트 및 아티팩트 기반 방법론이 개발 효율성과 복잡한 쿼리 성능 측면에서 측정 가능한 향상을 가져온다는 것을 보여줍니다.