Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
MicroAgent는 모놀리식 애플리케이션을 마이크로서비스로 자동 분해하기 위한 문맥 증강 멀티 에이전트 프레임워크입니다. 전문화된 에이전트와 다중 입도 문맥을 활용하여 설계 원칙을 준수하며, 기존 방식보다 높은 분해 정확도를 제공합니다.
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 바로가기마이크로서비스 아키텍처 (MSA)의 도입은 기존의 모놀리식 (Monolithic) 애플리케이션에 비해 확장성, 민첩성 및 유지보수성을 향상시킴으로써 소프트웨어 공학에 혁신을 가져왔습니다. 점점 더 많은 개발자가 기존 시스템을 마이크로서비스 기반 아키텍처로 전환함에 따라, 모놀리식 애플리케이션을 응집도가 높은 서비스로 분할하는 효과적인 마이크로서비스 분해 (Microservice decomposition)가 매우 중요해졌습니다. 그러나 이러한 분해 작업은 상당한 어려움을 수반합니다. 수동 방식은 시간이 많이 소요되고 노동 집약적입니다. 기존의 자동화된 방법들은 복잡한 애플리케이션으로부터 필요한 의미론적 통찰 (Semantic insights)을 포착하지 못하는 경우가 많으며, 거대 언어 모델 (Large Language Models, LLM)을 단순하게 적용할 경우 중요한 문맥 정보 (Contextual information)와 설계 원칙을 간과하여 최적화되지 않은 결과를 초래하는 경향이 있습니다. 이러한 문제를 해결하기 위해, 우리는 마이크로서비스 분해를 위한 문맥 증강 멀티 에이전트 프레임워크인 MicroAgent를 제안합니다. 우리의 프레임워크는 분해 프로세스를 다섯 가지의 별도 하위 작업 (Subtasks)으로 나누고 각 작업을 전문화된 에이전트 (Agent)에 할당합니다. 각 에이전트의 효과를 높이기 위해, 우리는 분석의 초점을 유지하고 정보 과부하를 완화할 수 있도록 맞춤화된 다중 입도 (Multi-granularity) 문맥을 제공합니다. 또한, 분해가 확립된 설계 원칙을 준수하도록 에이전트의 의사결정을 안내하는 분석 도구들을 통합합니다. 10개의 Java 웹 애플리케이션에 대한 실험적 평가 결과, MicroAgent는 평균 89.2%의 분해 정확도를 달성하였으며, 이는 최신 기술 (State-of-the-art) 방식보다 24.6% 더 높은 성능입니다. 우리는 또한 우리 설계의 실질적인 이점을 강조하기 위해 사례 연구 (Case study)를 수행합니다.