Agent Logic 도입을 통한 Token 소비 최대 30배 절감 및 정확도 향상

Context

엔터프라이즈 워크플로우의 동적 특성과 복잡한 API/DB 구조로 인해 LLM의 컨텍스트 윈도우 확장 필요성 증대. 단순 LLM 확장 시 Hallucinations 증가와 Token 비용 급증이라는 기술적 Trade-off 발생.

Technical Solution

• Agent Logic 레이어를 도입하여 LLM의 탐색 공간을 의도적으로 제한하는 Steering 구조 설계
• Knowledge Graph, 알고리즘, Program Analysis Library 등 소프트웨어 Primitive를 Harness 내에 배치
• Deep Static Analysis를 통해 코드 구조를 DB 스키마로 정형화하여 정밀한 정보 Retrieval 구현
• Program Analysis 결과물을 Prompt에 주입하여 LLM의 추론 범위를 특정 지점으로 Focus
• 보정 Sub-agents를 통해 Runtime 및 Compilation Error를 자동 수정하는 피드백 루프 구축
• 복잡한 레거시 코드(Cobol/PL1) 분석 시 정형 데이터 기반의 Retrieval로 LLM 상호작용 횟수 최소화