본문으로 건너뛰기

© 2026 Molayo

arXiv논문2026. 06. 24. 11:18

ESAA-Conversational: 이기종 LLM 코딩 에이전트 간의 연속성, 핸드오프 및 큐레이션을 위한 이벤트 소싱 메모리 레이어

요약

이기종 LLM 코딩 에이전트 간의 대화 상태 불일치 문제를 해결하기 위해 이벤트 소싱 기반의 메모리 레이어인 ESAA-Conversational을 제안합니다. 이 아키텍처는 대화 로그를 정규화된 이벤트 스토어로 관리하여 에이전트 간의 원활한 작업 인계와 협업을 지원합니다.

핵심 포인트

  • 이기종 에이전트 간 대화 상태 드리프트 문제 해결
  • 이벤트 소싱 아키텍처를 통한 공유 대화 메모리 구현
  • LLM 추론 없이 기계적 캡처로 데이터 정규화 수행
  • PowerShell CLI를 통한 에이전트 제어 및 동기화 지원
  • 공유 로그를 통한 프라이버시 보존 및 협업 입증

소프트웨어 개발자들은 컨텍스트 윈도우(context windows)가 가득 차거나, 세션이 종료되거나, 특정 에이전트가 하위 작업에 더 적합해짐에 따라 Codex, Grok, Claude Code 및 기타 어시스턴트와 같은 도구 사이를 전환하며 점점 더 많은 수의 LLM 코딩 에이전트와 함께 작업하고 있습니다. 그러나 각 에이전트는 자신의 대화를 비공개적이고 특정 벤더에 종속된 로그에 저장합니다. 그 결과 대화 상태 드리프트(conversational state drift)가 발생합니다. 즉, 한 에이전트와 설정한 목표, 결정, 진행 중인 작업 및 근거가 다른 에이전트가 업무를 인계받을 때 신뢰할 수 있는 상태로 제공되지 않습니다. 본 논문은 이기종 에이전트 간의 공유된 대화 메모리를 위해 이벤트 소싱 에이전트 아키텍처(Event-Sourcing Agent Architecture, ESAA)~ extcite{esaa}를 도메인 특화시킨 extit{ESAA-Conversational}을 제시합니다. 이 방법은 가시적인 대화를 로컬 이벤트 스토어(event store)로 취급합니다. 훅(hooks)과 와처(watchers)가 가시적인 턴(turns)을 캡처하여 이를 추가 전용(append-only) exttt{activity.jsonl}로 정규화하며, exttt{handoff.md}, exttt{state.md}, exttt{decisions.md}, exttt{tasks.json}과 같은 읽기 모델(read models)을 결정론적으로 투영(project)합니다. 기계적 캡처는 LLM 추론을 필요로 하지 않습니다. 에이전트는 명시적인 큐레이션(curation)을 위해서만 판단력을 사용하며, 도메인 명령을 통해 지속 가능한 결정과 대화 작업을 기록합니다. 공개된 v1.1.0 버전은 exttt{init}, exttt{enable-hooks}, exttt{sync}, exttt{project}, exttt{verify}, exttt{context}, exttt{decide}, exttt{task}를 포함하는 PowerShell CLI를 구현하며, exttt{workspace_root} 격리 및 쓰기 경로 잠금 파일(write-path lockfile)을 포함합니다. 또한 빈 공개 로그를 가진 그린필드(greenfield) 패키지로 배포됩니다. 570개의 개발 실험 이벤트를 활용한 자기 참조 사례 연구에 따르면, 이기종 에이전트들이 직접적인 에이전트 간 채널 없이도 공유 로그를 통해 협업할 수 있음을 보여주는 동시에, 공개 배포 시 비공개 대화 기록을 제외함으로써 프라이버시를 보존할 수 있음을 입증합니다.

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 바로가기
0

댓글

0