A Language for Describing Agentic LLM Contexts

기술 요약: 에이전트형 LLM 컨텍스트를 기술하는 언어

문제 제기
대규모 언어 모델 (LLM) 은 점점 더 복잡한 다성분 에이전트 시스템 내의 핵심 추론 구성 요소로 배포되고 있습니다. 이러한 시스템은 지시사항, 관찰, 상호작용 이력, 그리고 도구 출력으로 구성되며 시간에 따라 역동적으로 진화하는 정교한 입력 컨텍스트에 의존합니다. 이 컨텍스트의 구조—구체적으로 어떤 메시지가 포함되는지, 이력이 어떻게 누적되는지, 그리고 어떤 조건 하에 콘텐츠가 나타나는지—는 에이전트의 행동을 직접적으로 형성하는 중요한 설계 산물입니다.

중심적인 역할을 함에도 불구하고, 현재 컨텍스트 구성을 기술하는 표준 방법은 존재하지 않습니다. 실무자들은 비공식적인 산문, 즉흥적인 다이어그램, 또는 직접적인 코드 검사를 의존합니다. 공유된 기술적 설명 프레임워크의 부재는 다음과 같은 여러 문제를 야기합니다:

1. 모호성: 텍스트 설명은 종종 상호작용 단계에 걸쳐 프롬프트가 어떻게 진화하는지, 또는 구조적으로 유사한 두 전략이 어떻게 다른지를 정확하게 포착하지 못합니다.
2. 재현성: 코드와 프롬프트 템플릿이 공유되더라도, 연구 논문에서 컨텍스트 조립을 지배하는 논리는 거의 명시되지 않아 재현이 복잡해집니다.
3. 비교 가능성: 다른 시스템 간 또는 연구 팀 내에서 컨텍스트 진화 전략을 엄격하게 전달하거나 비교하기 어렵습니다.
4. 성능 민감도: 작은 구조적 변이 (예: 이력에서 추론 흔적을 포함하거나 제외하는 것) 는 에이전트 성능에 측정 가능한 차이를 초래할 수 있지만, 이러한 미묘한 차이는 표준 문서화에서는 종종 가려집니다.

방법론: 에이전트 컨텍스트 기술 언어 (ACDL)
이러한 과제를 해결하기 위해 저자들은 ACDL(Agentic Context Description Language) 을 도입했습니다. 이는 특정 구현과 무관하게 LLM 입력 컨텍스트의 구조와 역학을 정확하게 기술하도록 설계된 도메인 특화 언어 (DSL) 입니다.

ACDL 은 다음과 같은 원칙에 따라 작동합니다:

• 추상화: 구체적인 문구 (프롬프트 엔지니어링의 영역) 를 추상화하여 정보 선택 및 구조화의 거시적 논리 (컨텍스트 엔지니어링) 에 집중합니다. 시스템 지시사항과 도구 출력을 구분하는 것과 같이 정보의 역할, 유형, 소스를 나타내기 위해 기호 레이블을 사용합니다.
• 시간 모델링: 이 언어는 에이전트 시스템을 이산 시간 상태 기계로 모델링합니다. 상호작용 단계에 걸쳐 요소가 어떻게 누적되는지 추적하기 위해 시간 인덱스가 지정된 변수 (예: @T) 를 사용합니다. 복잡한 루프를 설명하기 위해 중첩된 시간 단계 (하위 단계) 를 지원합니다. 예를 들어, 각 턴이 내부 ReAct 루프를 포함하는 멀티 턴 채팅과 같은 경우입니다.
• 제어 흐름: ACDL 은 컨텍스트가 어떻게 조립되고 변환되며, 이력이 어떻게 프롬프트로 풀려 들어가는지 설명하기 위해 조건부 논리 (If, Else, Switch) 와 반복 (ForEach) 을 위한 구성 요소를 포함합니다.
• 정보 소스: 정보 소스를 상수, 시스템 상태 (sys), 환경 상태 (env), 이전 LLM 응답 (resp), 그리고 순수 함수로 분류합니다. 이를 통해 언어는 하부 상태 관리 코드를 명시하지 않고도 동적 콘텐츠를 기술할 수 있습니다.
• 다중 에이전트 지원: 이 언어는 에이전트 ID 로 컨텍스트를 매개변수화하여, 격리된 상태 또는 공유 메모리/시계를 가진 시스템을 기술할 수 있게 합니다.

이 언어는 인간이 읽을 수 있고 기계가 구문 분석할 수 있도록 설계되었습니다. 시각적 렌더링을 지원하여 명세를 다이어그램 (흐름도 또는 시퀀스 다이어그램과 유사) 으로 렌더링할 수 있게 하며, 이를 통해 구조적 차이를 즉시 파악할 수 있습니다.

주요 기여

1. 공식 언어 명세: 이 논문은 컨텍스트 구성, 진화, 그리고 제어 흐름을 지정하기 위한 공식 구문인 ACDL 을 정의합니다.
2. 도구 생태계: 저자들은 ACDL 을 운영화하기 위한 파서, 대화형 웹 기반 시각화 도구, 실시간 렌더링 기능이 포함된 VS Code 확장 프로그램, 그리고 Claude Code 스킬을 제공합니다.
3. 역공학과 문서화: 저자들은 기존 시스템들을 문서화함으로써 언어의 유용성을 입증했습니다:
   • ReAct 변형: ReAct 루프의 작은 구조적 변경 (예: 추론 흔적의 배치) 이 어떻게 명시적으로 포착되는지 보여줍니다.
   • OpenCode 및 OpenClaw: 이러한 인기 있는 오픈소스 코딩 및 개인 비서 에이전트의 메인 루프 프롬프트를 역공학하여 컨텍스트 압축 및 도구 호출 전략의 차이를 강조합니다.
   • Gemini Pokémon 에이전트: 기술 보고서에서 설명된 Pokémon Blue 를 플레이하는 Gemini 2.5 에이전트의 컨텍스트 구조를 문서화하여, 원본 텍스트보다 더 명확하고 모호성이 적은 표현을 제공합니다.
4. 실증적 검증: 저자들은 ReAct 에이전트에서 작은 실험을 수행했는데, 여기서는 이력에서 추론 흔적을 제거했습니다 (이는 ACDL 에서 쉽게 지정할 수 있는 변경 사항입니다). 그들은 이 변형이 추론 작업에서는 성능을 저하시키지만 코드 작업에서는 성능을 약간 향상시킨 것을 관찰하여, 구조적 컨텍스트 선택의 실질적인 영향을 입증했습니다.

결과 및 시연
이 논문은 컨텍스트를 최적화하는 문제를 해결한다고 주장하지 않고, 오히려 컨텍스트를 기술하는 문제를 해결한다고 주장합니다. 제시된 결과는 정성적이며 시범적입니다:

• 명확성: ACDL 은 지시사항의 위치, 도구 응답의 교차 배치와 같은 구조적 차이를 명시적이고 한눈에 비교 가능하게 렌더링하는 반면, 텍스트 설명은 긴 산문을 필요로 합니다.
• 정확성: 이 언어는 다단계 에이전트의 중첩된 루프와 최첨단 시스템에서 사용되는 특정 이력 압축 전략과 같은 복잡한 시나리오를 성공적으로 포착합니다.
• 채용 잠재력: 저자들은 이 도구들이 화이트보드 다이어그램이나 PDF 를 통한 인간 간 소통과 인간-AI 간 소통을 모두 가능하게 한다고 지적합니다. 또한 코딩 에이전트 (Claude Code 등) 가 해당 에이전트 루프를 생성하기 위해 ACDL 명세를 읽을 수 있음을 관찰했습니다.

의의 및 주장
이 논문은 ACDL 을 "에이전트 시스템의 과학과 공학"에 필수적인 표준으로 위치시킵니다. 그 의의는 다음과 같습니다:

• 엄격한 소통: 팀 내부 및 연구 커뮤니티 전반에 걸쳐 컨텍스트 설계 선택을 모호함 없이 전달할 수 있게 합니다.
• 신뢰할 수 있는 비교: 구현 세부 사항의 노이즈 없이 다른 시스템 간의 컨텍스트 구성 전략을 비교할 수 있게 합니다.
• 컨텍스트 엔지니어링의 격상: 공식 어휘와 시각화 방법을 제공함으로써 컨텍스트 구성을 '사후 고려 사항'이나 비공식적 관행에서 '엄격한 연구 대상'으로 격상시킵니다.

저자들은 ACDL 이 에이전트를 구축하는 프로그래밍 언어가 아닌 기술적 언어임을 인정하며 겸손한 주장을 펼칩니다. 또한 현재 한계점, 즉 컨텍스트 구성 중에 가변 상태를 가진 시스템을 기술하는 어려움 (먼저 불변 모델로 변환해야 함) 과 별도의 시계를 가진 다중 에이전트 시스템이 가변 상태를 공유하는 경우를 위한 깔끔한 메커니즘의 부재를 지적합니다. 저자들은 ACDL 을 빠르게 진화하는 에이전트형 LLM 분야에서 더 명확한 문서화, 비교, 분석을 촉진하기 위한 후보 표준으로 보고 있습니다.