[논문리뷰] PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing

링크: 논문 PDF로 바로 열기

저자: Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He

핵심 연구 목표

기존 LLM 기반 글쓰기 보조 도구가 편집기 외부에 존재하여 발생하는 컨텍스트 전환, 상호작용 기록 단절, 문서 상태와의 심층적 상호작용 부족 문제를 해결하는 것을 목표로 합니다. 특히 Overleaf 와 같은 LaTeX 편집기 내에서 LLM 기반 추론을 직접 통합하는 플러그인 기반 다중 에이전트 시스템을 구축하여 원활한 인에디터 학술 글쓰기, 검토 및 편집 경험을 제공하고자 합니다.

핵심 방법론

이 시스템은 Chrome 확장 프로그램 을 통해 Overleaf에 직접 통합되어 UI 구성요소를 삽입하고 문서 상태를 양방향으로 동기화합니다. 백엔드는 Kubernetes 기반 으로 배포되어 스테이트리스 LLM 에이전트들의 동시성 높은 실행과 수평 확장을 가능하게 하며, gRPC 를 통한 스트리밍 인터페이스를 제공합니다. Model Context Protocol (MCP) 의 고도화된 버전인 XtraMCP 아키텍처는 문헌 검색, 레퍼런스 조회, 문서 평가 등 다양한 전문 도구와 검증된 워크플로우를 통합하여 에이전트의 환각을 최소화하고 신뢰성을 높입니다.

주요 결과

PaperDebugger는 112건의 Chrome 확장 프로그램 설치 와 78명의 등록 사용자 , 23명의 월간 활성 사용자 를 기록하며 약 30%의 활성 사용자 유지율 을 보였습니다. 사용자들은 총 158개의 프로젝트 와 797개의 쓰레드 를 생성했으며, Chrome 웹 스토어에서 4.9/5점 의 높은 평점을 받았습니다. 가장 빈번한 작업은 Diff 보기 (1073회) , 제안 복사 (375회) , 패치 삽입 (359회) 으로 나타나, 인에디터 수정 활동과 지속적인 사용자 참여를 입증했습니다.

AI 실무자를 위한 시사점

본 연구는 학술 글쓰기와 같은 복잡한 도메인에서 다중 에이전트 LLM 시스템의 실용적 가치 와 인에디터 통합의 중요성 을 입증했습니다. Chrome 확장 프로그램 , Kubernetes 오케스트레이션 , XtraMCP 와 같은 견고한 아키텍처 설계는 AI 개발자들이 실제 환경에 배포 가능한 확장성 있는 AI 솔루션을 구축하는 데 중요한 참고 자료가 됩니다. 또한, 전문화된 에이전트와 도구 통합을 통해 LLM의 환각을 줄이고 컨텍스트 인식 능력을 높이는 방법 에 대한 통찰을 제공합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.