2025-11-27

배경

Dropbox 엔지니어링 팀이 Dash를 Agent AI로 발전시키면서, 문제 발견
컨텍스트 검색, 문서 편집 기능 추가 → 이상 현상 발생
- 도구(AI가 호출하는 검색, 조회, 요약 등의 외부 기능) 증가 시 AI 결정 시간 증가 및 정확도 감소
Dash의 분석 마비 상태 발생 및 Context Rot 현상 관찰됨
MCP 등 표준 프로토콜 사용으로도 근본적 한계 존재
- 각 도구의 설명 및 파라미터 정의만으로 모델 컨텍스트 윈도우의 상당 부분 소비
- 비용 및 성능에 악영향

해결 전략

더 많은 컨텍스트가 아닌, 더 나은 컨텍스트로

도구 정의 수 제한 : 여러 API를 통합
- 초기에는 Confluence, Google Docs, Jira 등 여러 앱마다 별도의 검색 도구 제공
- 모든 검색 도구를 하나의 유니버설 검색 인덱스로 통합
- AI는 일관된 방식으로 정보 탐색 → 추론 정확성 및 계획/컨텍스트 효율성 증가
관련있는 컨텍스트 필터링 : 지식 그래프 활용
- Dash가 통합 인덱스로 만든 여러 소스의 데이터 위에 지식 그래프 추가
- 검색된 모든 것이 AI의 추론을 형성 → AI 가이드 효율성 증가
복잡한 작업 : 전문 에이전트 활용
- AI가 특정 외부 도구를 활용하기 위해 컨텍스트 및 예시의 양이 지나치게 많은 경우
- 검색을 별도의 전문 에이전트로 분리
- 메인 에이전트는 검색의 필요 시점만 판단, 실제 쿼리는 자체 프롬프트를 가진 검색 전문 에이전트에 위임
- 도구를 효과적으로 사용하기 위해 너무 많은 설명 및 컨텍스트 필요하다면? → 전용 프롬프트를 갖는 독립 에이전트를 만들 것!

Agent AI의 핵심은 “얼마나 많이 아느냐”가 아닌, “얼마나 집중해서 아느냐”로

관련 정리 문서

results matching ""