AWS, 오픈소스 AI 에이전트 공개… AI 코딩 성과 개선

출처: DevOps.com

Amazon Web Services(AWS)는 오늘 맞춤형 경량 오픈소스 하네스인 Simple Strands Agent (SSA) 를 미리 공개했습니다. SSA는 인공지능(AI) 코딩 도구 간에 발생하는 상호작용에 대해 보다 일관된 접근 방식을 제공하고자 합니다.

AWS에서 에이전트형 AI 담당 응용 과학 디렉터를 맡고 있는 Anoop Deoras는 AI 코딩 시대에 등장한 문제 중 하나는 애플리케이션을 구축할 때 사용되는 하네스가 특정 AI 모델에 지나치게 결합돼 있다는 점이라고 설명했습니다.

Deoras는 SSA가 사용하는 인터페이스를 통해 “플러그‑앤‑플레이” 아키텍처를 구현할 수 있게 되며, 이를 통해 AI 코딩 도구가 필요에 따라 동적으로 AI 모델을 전환할 수 있게 된다고 말했습니다.

SSA 하네스의 모든 요소—에이전트 로직, 도구, 프롬프트, 모델 설정—는 재현성을 위해 오픈소스로 제공됩니다. 궁극적인 목표는 의도와 실행 사이의 격차를 최소화하여 여러 AI 모델에 일관되게 적용함으로써 정확성을 높이고 토큰 소비를 최적화하는 것이라고 Deoras는 강조했습니다.

AWS가 SSA를 개발하면서 수행한 연구에 따르면 AI 에이전트 성능은 근본적으로 시스템 문제임이 확인되었습니다. 현대 에이전트는 대형 언어 모델(LLM)과 하네스를 결합하는데, 하네스는 도구와의 상호작용을 중재하고 추론·피드백 사이클을 관리하는 소프트웨어입니다. AI 모델이 개선됨에 따라, 하네스가 모델 의도를 행동으로 변환하고 실행 결과를 모델에 다시 반영하는 과정에서 발생하는 임피던스 불일치가 성능 병목으로 떠올랐습니다.

예를 들어, 모델이 하나의 함수 인스턴스만 수정하려는 의도를 가졌지만 하네스가 실수로 여러 인스턴스를 변경하는 경우가 있습니다. 이처럼 의도 변환이 흐려지면서 AI 에이전트는 모델의 전체 성능을 충분히 활용하지 못하게 됩니다.

사실, 사소해 보이는 구현 세부 사항이 성능에 비정형적인 변동을 초래합니다. 환경 상호작용 타임아웃, 인프라 안정성, 자원 제약 등도 성능에 실질적인 영향을 미칩니다. AWS 연구에 따르면, 동일한 모델에 접근할 때 SSA를 사용한 에이전트가 SSA를 사용하지 않은 에이전트보다 성능이 더 우수한데, 이는 의도 변환이 더 명확하기 때문입니다. 에이전트 설계가 완전히 모델에 독립적인 것은 아니며, 서로 다른 모델군은 도구 사용, 피드백 해석, 컨텍스트 민감도에서 고유한 선호도를 보인다고 AWS 연구는 밝혔습니다.

Futurum Group의 부사장이자 소프트웨어 라이프사이클 엔지니어링 실무 책임자인 Mitch Ashley는 현재 AI 코딩 도구 제공업체 간 경쟁이 하네스를 중심으로 이루어지고 있다고 말했습니다. 그러나 오픈소스이며 모델에 구애받지 않는 하네스라면 DevOps 팀이 에이전트 로직, 도구, 프롬프트를 한 번 정의해 두고 어떤 모델에서도 실행할 수 있게 된다고 덧붙였습니다.

Ashley는 에이전트를 모델에서 분리하면 실제 재작업이 사라진다고 지적했습니다. 팀이 더 나은 모델이 출시될 때마다 에이전트 로직을 다시 작성할 필요가 없기 때문입니다. 하지만 하네스가 DevOps 팀에게 여러 모델에 접근할 수 있게 해도, 여전히 단일 배포 스택에 묶이는 상황에 직면할 수 있다는 점이 과제라고 강조했습니다.

에이전트형 AI 코딩은 아직 초기 단계이지만, 이 시점에서도 DevOps 팀에게 장기적으로 영향을 미칠 수 있는 결정들이 이미 이루어지고 있다는 점이 점점 더 명확해지고 있습니다.