피드로 돌아가기
Dev.toAI/ML
원문 읽기
Prompt-Tool Drift 해결을 통한 LLM Agent Tool-call Hallucination 제거
Tool Definition Drift: When Your Agent's Toolset Outgrows Its Prompt
AI 요약
Context
Agent의 Toolset 확장 과정에서 System Prompt의 설명과 실제 Code Registry 간의 불일치로 인한 Tool Definition Drift 발생. Prompt 내 구식 정보 유지로 인한 Tool-call Hallucination 및 사용되지 않는 Orphan Tool로 인한 Input Token 낭비 문제 직면.
Technical Solution
- System Prompt와 Tool Registry를 단일 데이터 구조로 통합하여 정기적으로 비교하는 Schema-vs-Prompt Diff 로직 구현
- Regex 기반의 Prompt 분석을 통해 Registry 전용, Prompt 전용, 공통 Tool을 분류하는 DriftReport 구조 설계
- 실제 Trace Log 기반의 Coverage Histogram을 생성하여 Tool 선택 빈도 및 지배적 Tool-set 분석
- CI 파이프라인 내 Diff 검증 단계 추가를 통한 Prompt와 Registry 간 동기화 강제
- 대규모 Toolset 관리 시 Router 도입을 통한 Candidate Set 최적화 및 Fallback Tool 설계를 통한 Misroute 리스크 완화
Key Takeaway
Prompt는 단순한 텍스트가 아닌 Toolset의 인터페이스 정의서이며, 이를 코드 수준에서 정적으로 검증하고 런타임 텔레메트리로 지속 모니터링하는 엔지니어링 루프 구축이 필수적임.
실천 포인트
- CI 단계에서 System Prompt와 Tool Registry 간의 명칭 일치 여부를 검증하는 Diff 스크립트 도입 - 최근 1,000건 이상의 Trace 데이터를 분석하여 호출 빈도 0인 Orphan Tool의 설명 수정 또는 삭제 - Toolset 규모 확장 시 Top-5 Recall 지표 기반의 Router 평가 체계 구축 - 모델이 적절한 도구를 찾지 못했을 때 에스컬레이션할 수 있는 Fallback Tool 정의