JavaScript 기반 Dynamic Workflows 통한 LLM Agentic Laziness 및 Goal Drift 해결

A harness for every task: dynamic workflows in Claude Code

ragingwind2026년 6월 3일6분advanced

AI 요약

Context

단일 컨텍스트 창에서 계획과 실행을 동시 처리할 때 발생하는 Agentic Laziness, Self-preferential Bias, Goal Drift 문제를 해결해야 하는 상황. 기존 정적 워크플로는 범용성 중심의 설계로 인해 대규모 병렬 처리나 적대적 검증이 필요한 고난도 작업 수행에 한계 노출.

Technical Solution

Claude가 작업 성격에 맞춰 JavaScript 형태의 실행 구조(Harness)를 즉석에서 생성하는 Dynamic Workflows 아키텍처 도입
Fan-out and Synthesize 패턴을 통한 작업 세분화 및 독립적 서브에이전트 배정으로 컨텍스트 격리 구현
Adversarial Verification 및 Tournament(Pairwise Comparison) 구조를 설계하여 LLM의 자기 선호 편향을 원천적으로 차단
모델 라우팅 로직을 포함하여 작업 복잡도에 따라 Sonnet 또는 Opus 모델을 동적으로 선택하는 최적화 기제 마련
Quarantine 패턴 적용으로 신뢰할 수 없는 외부 콘텐츠 처리 에이전트와 권한 실행 에이전트를 물리적으로 분리하여 보안성 강화
세션 재개 기능 및 토큰 예산 지정 기능을 통해 장시간 실행되는 복잡한 워크플로의 운영 안정성 확보

실천 포인트

- 복잡한 LLM 체인 설계 시 단일 프롬프트 대신 작업 단위별로 컨텍스트를 분리한 서브에이전트 구조 검토 - 정성적 평가가 필요한 단계에서 단일 모델의 점수 산출 대신 Pairwise Comparison 방식의 토너먼트 구조 도입 - 외부 API 호출이나 데이터 수집 단계에 Quarantine 패턴을 적용하여 권한 오남용 리스크 관리 - 무조건적인 에이전트 확장보다 토큰 비용과 작업 복잡도를 고려한 Model Routing 전략 수립

태그

#Adversarial Verification #Context Isolation #Model Routing #Dynamic Workflows #Agentic Orchestration

원문 읽기