AI 비결정성 해결을 위한 OpenClaw 기반 구조적 파이프라인 구축기

Context

LLM 기반 AI 에이전트의 낮은 실행 신뢰성 문제 발생. 오케스트레이션 과정에서 발생하는 비결정성과 환각 루프 현상 노출. 단순 프롬프트 제어만으로는 복잡한 워크플로우의 일관성 유지 불가.

Technical Solution

• LLM의 텍스트 생성 능력과 코드의 시퀀싱 능력을 분리한 OpenClaw 및 Lobster 아키텍처 도입
• YAML 기반 단계 정의와 JSON 데이터 전달 방식을 통한 워크플로우 구조화
• 명시적 권한 모델 도입으로 인한 자동화 중단 문제를 해결하기 위해 버전 롤백 수행
• Lobster CLI의 글로벌 PATH 설정 및 도구 모드(Tool Mode)를 통한 stdout JSON 파싱 구조 최적화
• llm-task 지시어를 통한 구조화된 JSON 출력 강제 및 스키마 제약 조건 설정
• Gateway 로그 모니터링(/tmp)을 통한 스키마 불일치 및 500 Internal Server Error 원인 분석

Impact

• LLM이 스키마 제약인 3,000자를 초과하여 3,200자를 생성함에 따라 시스템 오류 발생
• Gateway 로그 내 매일 1,440회의 하트비트 라인 발생

Key Takeaway

AI의 자율성은 환상이며 결정론적 실행을 위해서는 엄격한 거버넌스와 구조적 파이프라인 설계가 필수적임. 단순 프롬프트 엔지니어링보다 시스템적 제약 조건과 관찰 가능성 확보가 더 중요함.