난이도 조절형 독해 문항 생성에 관한 최근 연구들은 난이도 관련 특징(feature)을 조정하여 문항을 생성하기 위해 거대 언어 모델 (LLMs)을 활용해 왔습니다. 그러나 기존 방식들은 일반적으로 단일 에이전트 프롬프팅 (single-agent prompting) 접근 방식에 의존하며, 이는 지정된 특징 제약 조건 (feature constraints)을 일관되게 충족하지 못하는 경우가 많아 목표 난이도 수준에서 벗어난 문항을 생성하는 결과를 초래합니다. 이러한 한계를 해결하기 위해, 우리는 여러 LLM 에이전트와 특징별 평가자 (feature-specific evaluators)가 협력하여 의도된 제약 조건에 따라 문항을 생성하고 반복적으로 수정하는 특징 제약 기반 문항 생성용 멀티 에이전트 프레임워크인 MAFIG를 소개합니다. 나아가, 난이도 조절에 있어 MAFIG의 효능을 검증하기 위해, 단조 증가하는 난이도를 가진 문항들을 생성할 수 있는 특징 제약 세트의 시퀀스를 구축하는 방법을 제안합니다. 실험 결과는 MAFIG가 베이스라인 (baselines)보다 훨씬 높은 비율로 목표 제약 조건을 준수하는 문항을 생성하며, 난이도 교정된 제약 시퀀스 (difficulty-calibrated constraint sequence)를 통해 강력한 난이도 조절을 달성함을 입증합니다.