[논문리뷰] Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering

링크: 논문 PDF로 바로 열기

Part 1: 요약 본문

메타데이터

저자: Chenyu Zhou, Huacan Chai, Wenteng Chen, et al.

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• Externalization : 모델의 내부 연산(Weights)에 의존하던 지식, 절차, 상호작용 구조를 모델 외부의 지속적이고 재사용 가능한 구조체로 분리하는 설계 원리.
• Harness : LLM 기반 에이전트의 실행 환경(Runtime Environment)을 의미하며, Memory, Skills, Protocols 등을 통합하여 제어, 가시성(Observability), 안전성 제약을 제공하는 시스템 계층.
• Cognitive Artifacts : 인간의 인지적 부담을 외부 도구로 옮겨 과업의 구조를 재구성(Representational Transformation)하는 개념으로, 본 논문에서 에이전트 설계를 설명하는 이론적 근거.
• Memory Systems : 에이전트의 상태를 시간 경과에 따라 지속하고 필요 시 검색할 수 있게 하는 외부 상태 저장소.
• Skill Systems : 반복적인 절차적 지식을 명시적이고 재사용 가능한 단위로 패키징하여 에이전트가 상황에 맞춰 호출할 수 있게 한 체계.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 LLM 에이전트의 성능이 모델 자체의 크기나 학습 기법뿐만 아니라, 모델을 둘러싼 Runtime Infrastructure 의 설계에 의해 결정된다는 점에 주목한다. 기존의 weight-centric 접근 방식은 지식 업데이트, 절차적 일관성, 복잡한 상호작용 제어에 한계가 있으며, 단순한 prompting 만으로는 장기 기억이나 고도화된 워크플로우를 안정적으로 지원하기 어렵다 [Figure 1]. 저자들은 이러한 한계를 극복하기 위해 에이전트 설계를 '외부화(Externalization)'의 관점에서 체계화하여, 모델의 내부 부담을 외부 구조체로 재배치하는 새로운 시스템 설계 프레임워크를 제안한다.

3. Method & Key Results (제안 방법론 및 핵심 결과)

저자들은 에이전트의 역량을 Memory(상태의 외부화) , Skills(절차적 전문성의 외부화) , Protocols(상호작용 구조의 외부화) 라는 세 가지 차원으로 구분하여 분석한다 [Figure 3].

• Memory 는 Working Context, Episodic 경험, Semantic 지식, 개인화된 기억을 통해 모델이 에피소드 간 연속성을 유지하도록 돕는다.
• Skills 는 작업의 반복적 수행을 위한 operational procedure, decision heuristics, normative constraints를 패키징하여, improvisational generation을 structure-based composition으로 전환한다 [Figure 5].
• Protocols 는 Agent-Tool, Agent-Agent 간의 상호작용을 governed contracts로 표준화하여 ad-hoc prompting의 취약성을 해결한다 [Figure 6]. 본 연구는 이러한 모듈들이 독립적이지 않으며, Harness 내에서 서로 연결(Couplings)되어 작동함을 강조한다 [Figure 7]. 특히, 경험이 memory에서 distillation을 거쳐 skills로 승격되고, 다시 protocol을 통해 실행되는 순환 구조는 에이전트의 체계적인 역량 강화를 가능하게 한다 [Figure 8].

4. Conclusion & Impact (결론 및 시사점)

본 논문은 LLM 에이전트의 발전을 단순히 더 큰 모델을 만드는 과정이 아니라, 인지적 부담을 외부 인프라로 옮겨 나가는 Systems-level Externalization 의 역사로 정의한다. 제안된 프레임워크는 에이전트 개발자들에게 시스템 복잡도를 관리하고 신뢰성을 확보하기 위한 구조적 가이드라인을 제공한다. 이 연구는 향후 에이전트 평가 지표가 모델 성능을 넘어 Harness의 효율성, 복원력(Robustness), 거버넌스 능력 을 포괄하는 방향으로 나아가야 함을 시사한다.

---

Part 2: 중요 Figure 정보

[
  {
    "figure_id": "Figure 1",
    "image_url": "https://arxiv.org/html/2604.08224/x1.png",
    "caption_kr": "에이전트 설계를 위한 외부화 원칙"
  },
  {
    "figure_id": "Figure 3",
    "image_url": "https://arxiv.org/html/2604.08224/imgs/circle.png",
    "caption_kr": "외부화된 에이전트 아키텍처"
  },
  {
    "figure_id": "Figure 7",
    "image_url": "https://arxiv.org/html/2604.08224/x2.png",
    "caption_kr": "인지적 환경으로서의 Harness"
  }
]

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.