계약적 기술 (Contractual Skills): 엔터프라이즈 AI 에이전트를 위한 GovernSpec 설계 프레임워크

기술 (Skills)은 에이전트의 지침 (instructions), 워크플로 (workflows), 스크립트 (scripts) 및 참조 자료를 패키징하는 데 점점 더 많이 사용되고 있습니다. 그러나 엔터프라이즈 환경에서 기술은 단순히 작업 가이드를 제공하는 것 이상의 것을 표현해야 하는 경우가 많습니다. 즉, 목표, 입력 경계 (input boundaries), 권한 (permissions), 증거 요구 사항 (evidence requirements), 출력 계약 (output contracts), 품질 기준 (quality criteria), 검증 단계 (verification steps), 인간 승인 지점 (human approval points) 및 인수인계 규칙 (handoff rules)을 검사 가능한 상태로 만들어야 합니다. 본 논문은 가벼운 기술 발견 (skill discovery) 및 점진적 로딩 (progressive loading)을 유지하면서, SKILL.md 파일을 읽기 가능한 작업 계약 (task contracts)으로 구성하기 위한 GovernSpec 기반의 설계 프레임워크인 계약적 기술 (contractual skills)을 제안합니다. 이 프레임워크는 계약적 기술, GovernSpec YAML 계약, 모델 컨텍스트 프로토콜 (Model Context Protocol) 인터페이스, 도구 어댑터 (tool adapters), 런타임 가드레일 (runtime guardrails), 트레이싱 (tracing) 및 평가 시스템 (evaluation systems) 사이의 경계를 명확히 합니다. 우리는 두 가지 오프라인 실험을 통해 이 프레임워크를 평가합니다. 텍스트 생성 연구는 세 가지 엔터프라이즈 기술, 15개의 합성 작업, 4가지 지침 조건 및 8개의 생성 모델을 다루며, 960개의 출력물과 1680개의 교차 심사 점수 기록을 생성했습니다. 계약적 기술은 테스트된 모든 모델에서 기술이 없는 (no-skill) 상태 및 최소한의 기술 (minimal-skill) 베이스라인보다 우수한 성능을 보였습니다. 정보가 풍부한 일반 확장 기술 (plain expanded skills)과 비교했을 때, 이득은 작고 혼재되어 나타났으며, 이는 계약적 필드가 원시 생성 품질보다는 주로 검사 가능성 (checkability)과 유지보수성 (maintainability)을 향상시킨다는 것을 시사합니다. 도구 호출 (tool-calling) 챌린지는 8개의 모델과 192개의 시뮬레이션된 도구 호출 기록을 다룹니다. 기술은 일반적으로 고위험 도구 시도를 줄여주지만, 모델 간의 차이는 여전히 존재하며 런타임 도구 가드레일이 여전히 필요합니다. 결과는 계약적 기술이 독립적인 안전 메커니즘이 아니라, 작업 의도, 경계 및 수락 기준 (acceptance criteria)을 명시적으로 만드는 거버넌스 계층 (governance layer)으로 이해되는 것이 가장 적절함을 시사합니다.