로컬 모델을 사용하여 컨텍스트 엔지니어링 (Context Engineering)을 이해하기 위한 작은 교육용 저장소(Repo)를 구성했습니다. 목표는 프레임워크나 프로덕션 환경에 즉시 투입 가능한 에이전트 스택을 구축하는 것이 아니었습니다. 저는 주로 제가 예전에 가졌으면 좋았을 만한 것, 즉 한 번에 하나의 컨텍스트 구성 요소를 격리하여 그것이 모델의 동작을 어떻게 변화시키는지 보여주는 매우 작고 실행 가능한 예시 세트를 원했습니다. 이 프로젝트는 Node.js와 로컬 모델을 사용하며, 저장소는 다음과 같은 주제를 중심으로 14개의 예제로 구성되어 있습니다:

• 시스템 지침 (System instructions)
• 도구 정의 (Tool definitions)
• 퓨샷 예시 (Few-shot examples)
• 장기 기억 (Long-term memory)
• RAG / 외부 지식 (RAG / External knowledge)
• 도구 출력 (Tool outputs)
• 서브 에이전트 출력 (Sub-agent outputs)
• 아티팩트 (Artifacts)
• 대화 기록 (Conversation history)
• 상태 (State)
• 사용자 프롬프트 (User prompt)
• 컨텍스트 오케스트레이션 (Context orchestration)
• 컨텍스트 트레이스 (Context traces)

핵심 사항:

• 의도적으로 단순하게 설계되었습니다.
• 프로덕션용 시스템이 아니며, 오직 교육용입니다.
• 많은 메커니즘이 멘탈 모델 (Mental model)을 가시화하기 위한 장난감 버전 (Toy versions)입니다.
• 호출(Call)에 무엇이 들어가는지를 이해하는 데 초점을 맞춥니다.
• 모든 것은 로컬에서 실행되며, API 키나 호스팅된 서비스가 필요하지 않습니다.

관심이 있다면 OpenAI 또는 유사한 서비스를 사용하는 방법에 대한 정보를 추가할 수 있습니다. 만약 여러분이 이미 에이전트 시스템에 깊이 빠져 있다면, 이 내용이 매우 기초적으로 느껴질 수도 있습니다. 하지만