서브에이전트 대 에이전트 스킬 방식의 장기 과제 수행 재사용 지식 활용 비교 연구

• 장기 과제에서 에이전트가 재사용 지식을 활용하는 두 가지 접근(스킬 패키지 vs 서브에이전트)을 비교한다.
• 컨텍스트에 지침을 로드하는 기존 스킬 방식은 과제가 길어지면 취약해진다는 문제를 제기한다.
• 다단계 업무 자동화 도구 설계 시 에이전트 아키텍처 선택의 참고자료가 될 수 있다.

이 논문은 에이전트가 여러 파일로 구성된 스킬 패키지(지침, 스크립트, 리소스 묶음)를 활용해 특정 작업을 수행하는 방식과, 서브에이전트를 통해 지식을 위임·실행하는 방식을 장기 과제 맥락에서 비교한다. 기존 에이전트 스킬은 지침을 컨텍스트 창에 로드하고 모델이 이를 따르길 기대하는 구조인데, 과제 길이가 늘어날수록 이 방식이 불안정해진다는 점을 지적한다.

최근 에이전트형 LLM 활용에서 반복 작업을 자동화하기 위해 '스킬'이라는 재사용 단위를 만들어 배포하는 흐름이 늘고 있다. 그러나 컨텍스트 창의 한계와 긴 과제에서의 지침 누락·혼동 문제는 이미 알려진 LLM 에이전트의 근본적 제약 중 하나다.

법률·세무 등 다단계 절차가 있는 업무에 LLM 에이전트를 투입할 때, 단순히 지침 문서를 컨텍스트에 넣는 방식만으로는 장기 워크플로우의 안정성을 보장하기 어렵다는 점을 시사한다. 서브에이전트 구조를 도입할지, 스킬 패키지 방식을 유지할지에 대한 설계 판단이 실무 자동화 도구 도입 시 중요한 변수가 될 수 있다.

두 방식의 구체적 성능 차이나 어떤 과제 유형에서 우열이 갈리는지는 발췌에 나타나지 않아 원문 확인이 필요하다.

본문은 수집한 기사의 제목과 발췌를 바탕으로 AI가 정리한 해설입니다. 수치·날짜·조문 등 세부 사실은 원문에서 확인하세요.