경험 편찬 1차 정리
사실과 맥락
•
2024년 7월부터 agent의 profile·memory·planning·action, single/multi-agent 구조와 자체 검증·설명 가능성·신뢰성·과도한 반복 문제를 논문과 구현 사례 중심으로 정리함.
•
공군 Airwards 3.0에서는 rule과 LangGraph node로 허용 경로를 미리 제한하고 graph에 Marp MCP를 연결했으며, 개인 시스템에서는 OpenClaw·Hermes·Codex와 Browser·Notion·MCP·skills를 조합해 실제 작업을 수행함.
•
높은 자율성은 예상 밖 경로와 잘못된 tool/agent 호출 가능성을 늘리지만, 경로를 과도하게 고정하면 LLM의 비선형성과 long-tail 대응 가능성을 잃는 trade-off를 반복해서 경험함.
판단과 행동
•
초기에는 rule과 LangGraph 분기로 에이전트의 이동 경로를 통제했으나, 이후에는 관찰→추론·계획→도구 실행→검증의 단순한 single-agentic loop에 필요한 능력을 versioned skills와 MCP로 연결하는 구조를 선호하게 됨.
•
통제 대상을 모든 실행 경로가 아니라 권한·도구 계약·근거·기록·검증의 경계로 옮기는 관점을 수립함. 단순 loop 자체가 자동으로 안전하거나 디버깅 가능한 것은 아니므로 trace·replay·eval과 고위험 작업 승인 경계가 함께 필요하다고 판단함.
•
모델 내부의 agent loop와, 외부 완료 조건을 검사해 미완료 시 checkpoint부터 다시 호출하는 Ralph식 verification loop를 구분함. 지속 실행은 prompt 길이보다 완료 조건·진행 상태·재개 지점을 외부화하는 문제로 다룸.
•
Hermes의 profile별 config·memory·session·skills와 외부 CLI credential/cache의 경계가 다름을 확인하고, agent별 identity와 tool 권한이 섞이지 않도록 profile·환경변수·sandbox 범위를 분리하는 방법을 정리함.
결과와 근거
•
Airwards 3.0에서 LangGraph graph–Marp MCP 연결 완료 티켓을 남김. 
대한민국 공군 AI개발팀 IT개발관리병 복무
대한민국 공군 AI개발팀 IT개발관리병 복무•
TUNiNG 영업 자동화에서 단발 에이전트가 5~6건 뒤 중단되는 문제를 5건 단위 checkpoint와 Ralph식 verification loop로 보완해 수백 개 동아리를 처리함. 튜닝 밴드 공연 운영 플랫폼 개발
•
OpenClaw의 기본 600초 timeout을 3,600초로 늘린 뒤에도 browser 오류·중간 보고 후 종료가 남는 것을 확인하고, timeout 연장만이 아니라 외부 진행 상태와 재시작 가능한 작업 단위가 필요하다는 근거를 확보함.
•
Agent Skills의 progressive disclosure와 visibility·update ownership을 분석해, 기능을 skill로 추가할수록 초기 관측 surface와 업데이트 책임도 함께 커진다는 운영 원칙을 정리함.
핵심 학습
•
개인 비교 경험상 rule·graph로 모든 경로를 조립하는 방식보다 단순한 single-agentic loop와 skills·MCP 조합이 능력 확장과 원인 격리에 유리했음.
•
알려진 failure를 rule로 빠르게 막는 것과, 새로운 failure가 평가·도구·skill 개선으로 환류되는 구조를 만드는 것은 다른 문제임.
•
agent의 자율성과 안전성은 반대말이 아니라 서로 다른 위치에 둘 수 있음. 자율성은 loop 안에 두고, 안전성은 권한·근거·검증·승인의 boundary에 두는 설계가 핵심임.
한계와 확인 필요
•
단순 single-agentic loop가 LangGraph 고정 경로보다 우월하다는 정량 benchmark나 동일 조건 비교 실험은 없음. 현재 표현은 공군·개인 시스템을 모두 운영한 뒤 얻은 사용자 회고와 설계 관점임.
•
Airwards 3.0의 전체 node·state·tool 구성, 사용 규모, 프로덕션 성과는 아직 확인되지 않음.
•
TUNiNG의 수백 건 처리와 현재 DB 규모는 운영 근거이나, 모든 레코드가 에이전트로 생성됐거나 실제 메시지 발송·영업 전환으로 이어졌다고 확대하지 않음.
•
의료 AI·임상 workflow·규제 경험은 없음. 의료 적용 시 trace·replay·eval·human approval은 앞으로 해결하려는 설계 과제로 구분함.
이력서 표현 후보
•
Agent architecture 실전 비교: 공군 LangGraph 기반 고정 경로 에이전트와 OpenClaw·Hermes 기반 개인 single-agentic loop를 모두 적용하고, skills·MCP로 능력을 분리해 확장성과 원인 격리 용이성을 높인 경험
•
지속 실행과 안전 경계: 장기 작업의 완료 조건·진행 상태·checkpoint를 외부화하고, agent 내부 loop와 Ralph식 verification loop를 분리해 중단 후 재개 가능한 작업 구조 설계
경험 원천
•
•
•
•