LLM 에이전트, 과연 새로운 패러다임이 될까?

Agent Skills는 LLM을 제어 평면으로 활용하고, 코드 또는 서브 에이전트를 데이터/실행 평면으로 분리하는 아키텍처를 제안한다. 구체적으로, LLM은 계획, 도구 선택, 모호한 단계 처리를 담당하고, 코드/서브 에이전트는 데이터 가져오기, 파싱, 변환, 시뮬레이션, 실행을 수행한다. 따라서 입출력 계약과 구성 모델이 핵심 요소로 작용한다.

Agent Skills와 유사한 기술들이 단명할 수 있다는 우려가 제기된다. Netscape의 사례처럼, 새로운 기술이 등장하면 기존 기술이 빠르게 잊힐 수 있다는 것이다. 반면, Agent Skills가 LLM 기반 에이전트 개발의 표준으로 자리 잡을 경우, 개발 효율성을 높이고 재사용성을 증대시킬 수 있다. 따라서 기술의 지속 가능성이 중요한 과제이다.

Agent Skills를 활용하기 위해서는 명확한 입출력 정의와 모듈화된 컴포넌트 설계가 필수적이다. 구체적으로, LLM이 처리할 수 없는 작업을 서브 에이전트로 분리하고, 각 에이전트 간의 데이터 교환 방식을 표준화해야 한다. 결과적으로, 확장성과 유지보수성을 확보하여, 복잡한 에이전트 시스템을 구축할 수 있다.