Elastic의 InfoSec 팀은 Agentic SOC 프레임워크 내에서 AI 에이전트를 최적화하여 LLM 호출을 50% 이상 줄인 방법론을 공유합니다. 이 글은 에이전트 최적화가 단순히 정확도에만 집중하는 프롬프트 엔지니어링 (Prompt Engineering)과는 달리, 운영의 일관성과 비용 예측 가능성에 초점을 맞춘다는 점을 강조합니다. 측정(measure), 캡처(capture), 분석(analyze), 수정(revise), 모니터링(monitor)의 5단계 최적화 루프를 구현함으로써, 팀은 프로덕션 보안 에이전트의 토큰 사용량과 호출량을 크게 줄였습니다.

최적화의 핵심은 모호한 "텍스트 예산(textual budgets)"을 구체적이고 순서가 있는 체크리스트로 대체하고, 엄격한 데이터 검색 규칙을 강제하는 것입니다. 실질적인 팁으로는 페이로드(payload) 크기를 최소화하기 위한 필드 투영(field projections) 사용, 중복된 엔티티 조회(entity lookups) 방지, 그리고 논리적 모순이 있는지 프롬프트를 감사(auditing)하는 것 등이 포함됩니다. 이러한 체계적인 접근 방식은 보안 에이전트가 규정된 조사 방법론을 따르도록 보장하며, Elastic Security와 같은 복잡한 환경에서 더 빠른 분류(triaging)와 낮은 운영 비용을 이끌어냅니다.

전체 기사 읽기