[논문] 지식 기반 도구 사용 워크플로우를 위한 선언형 스킬
개요
우리는 비정형 지식 베이스 위에서 실제 고객 서비스 워크플로우에 도구를 사용하는 AI 에이전트의 오케스트레이션 메커니즘을 연구한다. 선언형 에이전트—시스템 프롬프트에 자연어 스킬 파일을 추가한 AI 에이전트—가 효과적인 오케스트레이션 패러다임이라고 주장한다. 구체적으로, (i) 추론 시 세 개의 도메인 특화 스킬 파일을 읽고 자체 제어 흐름을 결정하는 DeclarativeAgent, (ii) 명시적 단계가 있는 프로그래밍된 상태 머신을 기반으로 하는 ImperativeAgent, (iii) $τ$‑Knowledge 벤치마크 에이전트를 모델로 한 비구조화 기본 에이전트를 비교한다. 우리의 ImperativeAgent는 Recursive Language Models와 그래프 기반 오케스트레이션 프레임워크에서와 같이 외부 제어 추론을 동기로 삼는다. 우리는 세 에이전트를 분산된 부분 관측 마코프 결정 과정 내의 정책 클래스로 형식화하고, 정보 이론적 및 구조적 특성을 분석한다; 이후 다섯 개의 언어 모델과 두 가지 검색 체계에서 예측된 차이를 실증적으로 테스트한다. 우리의 결과는 검색 품질이 AI 에이전트의 주요 병목임을 보여준다: 증거가 불완전하거나 편향될 경우 모든 에이전트의 성능이 크게 저하되며, 스킬 파일만으로는 손실된 성능을 회복할 수 없다. 고품질 검색이 이루어질 때는 선언형 스킬이 절차적 작업의 정확도를 지속적으로 향상시키고 오케스트레이션 오류를 감소시키는 반면, 명령형 상태 머신의 취약성은 작업 성공률이나 준수를 일관되게 개선하지 못한다.
주요 기여
이 논문은 다음 분야의 연구를 제시한다:
- cs.AI
- cs.SE
방법론
자세한 방법론은 전체 논문을 참고하시기 바랍니다.
실용적 함의
이 연구는 cs.AI 분야의 발전에 기여한다.
저자
- M. Danish Lim
- I. Danial Bin Sharudin
- Wen Han Chen
- Cedric Lim
- Laura Wynter
논문 정보
- arXiv ID: 2606.06923v1
- 분류: cs.AI, cs.SE
- 출판일: 2026년 6월 5일
- PDF: PDF 다운로드