3-Layer Metadata Stack 기반의 AI Agent 인지 표준화 및 토큰 효율 최적화

Context

단일 문자열 기반의 모듈 설명 방식이 유발하는 LLM의 Cognitive Overload 문제 분석. 기술적 구문, 거버넌스, 사용 지침이 혼재된 구조로 인한 추론 신뢰도 저하 및 불필요한 토큰 소모 발생.

Technical Solution

• JSON Schema Draft 2020-12 기반의 Layer 1(Core) 설계를 통한 인터페이스 정밀도 확보
• readonly, idempotent 등 속성 정의를 포함한 Layer 2(Annotations) 도입으로 보안 및 실행 정책의 프로토콜화
• x-when-to-use 등 경험적 지식을 담은 Layer 3(Extensions) 구축을 통한 런타임 논리 오류 방지
• Discovery → Planning → Execution 단계에 맞춰 필요한 레이어만 로드하는 Progressive Disclosure 전략 적용
• 메타데이터 계층화를 통한 LLM의 컨텍스트 처리 부하 감소 및 추론 경로 최적화