AI 에이전트 성능 향상을 위해 모델 가중치 수정 없이 컨텍스트 엔지니어링을 활용하는 ACE 소개
ACE는 Generator, Reflector, Curator의 순환 구조를 통해 컨텍스트를 진화시킴
AppWorld 벤치마크에서 최대 17.1% 정확도 향상 및 지연 시간 단축
ACE는 에이전트의 컨텍스트를 단순 입력이 아닌, 경험을 통해 진화하는 '살아있는 플레이북'으로 정의한다. 구체적으로 Generator는 플레이북 기반으로 작업 수행 후 추론 궤적을 기록한다. 따라서 Reflector는 궤적 분석을 통해 교훈을 추출하고, Curator는 이를 델타 컨텍스트로 변환하여 플레이북에 통합한다.
ACE는 점진적 델타 업데이트와 성장 및 정제 메커니즘을 통해 컨텍스트 붕괴를 방지한다. 따라서 플레이북 전체를 다시 쓰는 대신, 불릿 단위의 국소적 수정만 수행한다. 반면, 중복 항목 제거를 위해 의미론적 임베딩을 활용하여 플레이북의 품질을 유지한다. 결과적으로 에이전트의 안정성을 확보한다.
ACE는 하이브리드 에이전트 서비스에 적용하여 성능을 향상시킬 수 있다. 구체적으로, 정해진 워크플로우와 자율 에이전트를 결합하여 컨텍스트 엔지니어링과 메모리 관리 능력을 강화한다. 따라서, Agentic Context Engineering을 통해 모델 재학습 없이도 에이전트의 성능을 극대화할 수 있다.