[논문리뷰] CEPO: A General Framework for Improving Prompt Optimization in Multi-Agent Systems

링크: 논문 PDF로 바로 열기

저자: Jongha Kim, Seohyun Lee, Jonathan Minho Chung, Jinsung Yoon, Hyunwoo J. Kim

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

• CEPO (Coordinator-Executor Prompt Optimization): MAS의 프롬프트 최적화를 위해 시스템 수준의 조정(Coordination)과 에이전트 수준의 실행(Execution)을 분리하고, 각 역할에 맞는 최적화 가이던스를 제공하는 프레임워크입니다.
• Coordinator-Executor Prompt Decomposition: 시스템 전체의 협업 규칙을 정의하는 공유 coordinator prompt와 에이전트 개별 업무를 지시하는 executor prompt로 프롬프트를 구조적으로 분리하는 방식입니다.
• Role-Aligned Optimization: 각 프롬프트의 역할에 맞춰 별도의 메타 인스트럭션($\Phi_C$, $\Phi_E$)을 사용해 최적화 과정을 가이드함으로써 최적화 효율과 성능을 극대화하는 전략입니다.
• MASPO (Multi-Agent Prompt Optimizer): 다중 에이전트 시스템에서 다운스트림 상호작용 및 조정 실패 등을 고려하여 프롬프트를 최적화하는 기존 Baseline 기술 중 하나입니다.

## 2. Motivation & Problem Statement (연구 배경 및 문제 정의) 본 논문은 기존의 Multi-Agent Systems(MAS) 프롬프트 최적화 연구들이 시스템 수준의 조정과 에이전트 수준의 실행을 에이전트별 프롬프트 내에 통합(Coupling)하여 관리하는 한계점을 지적합니다. 이러한 구조에서는 시스템 전체의 협업 규칙을 수정하기 위해 모든 에이전트의 프롬프트를 동시에 수정해야 하는 비효율성이 발생합니다. 저자들은 "프롬프트 구조와 최적화 가이던스를 통해 기존의 프롬프트 최적화 기법들을 어떻게 더 효과적으로 개선할 수 있을까?"라는 질문을 던지며, 이를 해결하기 위해 시스템 수준의 협업과 에이전트별 업무 실행을 명시적으로 분리하는 새로운 접근 방식을 제안합니다 [Figure 1].

## 3. Method & Key Results (제안 방법론 및 핵심 결과) 저자들이 제안하는 CEPO는 시스템 전체를 관장하는 coordinator prompt($p_C$)와 각 에이전트의 고유 업무를 정의하는 executor prompt($p_E$)를 분리하고, 이를 순차적으로 최적화하는 프레임워크입니다 [Figure 2]. 먼저 Phase 1에서 시스템 협업을 최적화하고, Phase 2에서 고정된 조정 맥락 하에 각 에이전트의 실행 지침을 최적화합니다. 실험 결과, CEPO는 PE2, OPRO, ProTeGi, MASPO 등 4가지 기존 최적화 기법에 적용되었을 때, 11개의 벤치마크 전반에서 일관된 성능 향상을 보였습니다 [Table 3]. 특히 MDocAgent 환경에서 PE2 기반의 CEPO는 기존 대비 약 4.3 포인트의 평균 성능 향상을 기록하였으며, 더 적은 최적화 비용(API Call)으로도 더 높은 정확도(Accuracy)를 달성하여 최적화 예산 효율성(Budget Efficiency) 측면에서 우수한 성능을 입증했습니다 [Table 5]. 또한, 에이전트 수가 증가함에 따라 CEPO는 Baseline 대비 성능 격차를 더욱 벌리며 안정적인 확장성을 보여주었습니다 [Figure 3].

## 4. Conclusion & Impact (결론 및 시사점) 본 논문은 MAS 프롬프트 최적화의 난제인 coordination과 execution의 결합 문제를 해결하기 위해 CEPO 프레임워크를 성공적으로 구축하였습니다. 제안된 방법론은 프롬프트 구조의 개선과 역할 기반 최적화 가이드라인만으로도 기존 범용 및 MAS 특화 최적화 기법들의 성능을 유의미하게 향상시켰습니다. 본 연구는 향후 복잡한 협업이 필요한 MAS 모델 설계 시 프롬프트 최적화의 자동화 수준을 높이고, 불필요한 비용을 절감하며 성능을 최적화하는 데 중요한 학술적·실무적 토대를 제공합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.