오늘 새로운 가이드를 발행했습니다: AI 에이전트를 위한 컨텍스트 엔지니어링(Context Engineering for AI Agents)!

핵심은 하나의 질문에 관한 것입니다. 당신의 에이전트가 각 단계에서 실제로 무엇을 보는지, 그리고 누가 그것을 결정했는가?

제가 겪었던 대부분의 에이전트 실패는 프롬프트 실패가 아니었습니다. 프롬프트 자체는 괜찮았습니다. 변한 것은 창(window) 안의 모든 것이었습니다: 도구 결과(tool results), 검색된 문서(retrieved documents), 이전 계획(old plans), 그리고 스무 번에 달하는 기록(history). 아무도 그것을 설계하지 않았습니다. 그저 쌓여갔을 뿐입니다.

이 가이드에서는 세 가지 내용을 다룹니다:

• 컨텍스트가 깨지는 네 가지 방식 — 오염(poisoning), 주의 분산(distraction), 혼란(confusion), 그리고 충돌(clash)

• Claude Agent SDK를 사용하여 쓰기(write), 선택(select), 압축(compress), 격리(isolate)를 실제 코드 경계로 구축하는 방법

• 이러한 경계가 실제로 올바른 정보를 제공했는지 측정하는 방법

제가 주장할 한 가지 의견이 있습니다. 메모리 추가, RAG(Retrieval-Augmented Generation), 그리고 서브 에이전트(subagents)를 추가하는 것이 컨텍스트 엔지니어링을 하는 것과 같지는 않다는 것입니다.

저는 이 사실을 확인하기 위해 동일한 리서치 에이전트를 두 번 구축해 보았고, '제대로 엔지니어링된' 버전은 순수한(naive) 버전에 비해 4.93배의 비용이 들었습니다. 그 결과는 가이드에 숫자와 함께 포함되어 있습니다. 왜냐하면 저는 우리가 너무 많은 아키텍처 다이어그램을 발표하고 충분한 측정 결과를 발표하지 않는다고 생각하기 때문입니다.

모든 것은 제가 실제로 지불한 실행(runs)에서 비롯되었습니다. 코드와 캡처된 데이터는 GitHub에 있으니, 비용을 들이지 않고도 이 수치들을 재현할 수 있습니다.

댓글의 링크를 확인하세요!