학습형 라우터와 자가 수정 프로토콜을 통한 Multi-Agent 최적화

Context

단순 공유 파일 기반의 에이전트 협업은 통신 수단만 제공할 뿐 역할 분배와 학습 메커니즘이 부재한 한계 존재. 세션별 독립적 동작으로 인해 경험이 축적되지 않으며 고정된 규칙이 실제 운영상의 마찰을 해결하지 못하는 구조적 병목 발생.

Technical Solution

• Register 도입을 통한 분산형 Capability 관리: 각 에이전트가 성능, 비용, 지연시간이 명시된 Capability Card를 발행하여 중앙 제어 없는 동적 역할 할당 기반 마련
• Contract 기반의 작업 정형화: Intent, Assignment, Settlement의 3단계 구조를 통해 작업 목적과 결과, 학습 교훈을 명시적으로 기록하는 파이프라인 구축
• Chronicle 및 Lessons를 통한 지식 자산화: Append-only 로그로 이벤트를 기록하고 Settlement 단계에서 추출한 구조화된 Lesson을 다음 작업의 컨텍스트로 주입
• 가중치 기반 Learning Router 설계: 과거 성능(55%), 자기 평가(20%), 비용(15%), 가용성(10%)을 조합한 스코어링으로 최적 에이전트를 선정하는 알고리즘 적용
• Exploration 전략 적용: 15%의 확률로 비최상위 에이전트를 선택하여 모델별 실제 성능 변화를 지속적으로 검증하는 정책 유지
• Amendment 메커니즘을 통한 프로토콜 자가 수정: 에이전트 간 투표를 통해 운영 규칙(Constitution)을 동적으로 업데이트하는 거버넌스 구조 설계