Prompt Engineering을 넘어 Procedure Engineering으로의 전환을 통한 AI Agent 결정론적 실행 구현

Context

단순 Persona 부여와 System Prompt 기반의 LLM Application은 복잡한 다단계 태스크 수행 시 실행 일관성이 결여되는 한계 노출. 절차적 지식 부재로 인한 단계 생략, Hallucination 기반 검증, 예측 불가능한 실패 처리 등 비결정론적 동작이 운영 안정성을 저해함.

Technical Solution

• AgentSkills(Procedure Skills) 도입을 통한 태스크 수행 방식의 명시적 구조화 및 SKILL.md 기반 표준 운영 절차 수립
• SKILL.md(YAML Frontmatter 기반 자동 발견), scripts(결정론적 실행을 위한 코드), resources(도메인 지식), assets(출력 템플릿)의 모듈형 디렉토리 구조 설계
• Progressive Disclosure 전략을 적용하여 Discovery Phase(메타데이터 로드)와 Execution Phase(상세 절차 로드)로 컨텍스트 주입 분리
• LLM의 자연어 추론에 의존하던 반복 작업 및 API 호출을 전용 scripts로 대체하여 실행 정확도 확보
• 명시적 Failure State 정의를 통한 예외 처리 로직 강제 및 임의적 추론(Improvisation) 원천 차단
• 단일 거대 프롬프트 대신 소규모Composable Skill 단위로 분할하여 프롬프트 취약성(Fragility) 해결 및 유지보수성 향상