GEPA 루프 기반 Skill Document 생성으로 작업 속도 40% 향상시킨 인프라 에이전트 설계

Context

기존 AI 에이전트의 Stateless 특성으로 인한 인프라 디버깅 시의 반복적인 컨텍스트 설명 필요성 및 비효율 발생. Kubernetes 환경의 ArgoCD, Kyverno 등 복잡한 상태(State) 관리를 수행하는 Platform Engineer에게 단순 챗봇 이상의 지속적 학습 구조가 요구됨.

Technical Solution

• Short-term, Medium-term, Long-term으로 구분된 3-Layer Memory 아키텍처 설계를 통한 컨텍스트 유지 및 Runbook 자동화
• GEPA(Goal → Execute → self-Prompted introspection → Adapt) 루프 도입으로 수행 결과 분석 및 패턴 기반의 Skill Document 생성
• 단순 Diff 분석을 넘어 과거 이력과 Skill Document를 대조하여 drift의 위험도(Harmless vs Critical)를 판별하는 정밀 진단 로직 구현
• Cron 기반 스케줄링과 터미널 접근 권한을 결합하여 Control Plane의 일부로 작동하는 Operator 모델 지향
• 로컬 데이터 유지 및 저사양 VPS($5)에서도 구동 가능한 경량 인프라 설계로 보안성과 비용 효율성 확보