commit 9cb01f4abe05af0b0d538eaf9b42fea67861580b Author: HyunjunJeon Date: Wed Dec 31 11:32:36 2025 +0900 project init diff --git a/.gitignore b/.gitignore new file mode 100644 index 0000000..335ebe0 --- /dev/null +++ b/.gitignore @@ -0,0 +1,25 @@ +# Python-generated files +__pycache__/ +*.py[oc] +build/ +dist/ +wheels/ +*.egg-info + +# Virtual environments +.venv +.python-version + +# Secret Environment +.env + +# Cache +*_cache/ +*_api/ + +# AI +AGENTS.md +CLAUDE.md +GEMINI.md +QWEN.md +.serena/ diff --git a/DeepAgent_research.ipynb b/DeepAgent_research.ipynb new file mode 100644 index 0000000..40fa5cc --- /dev/null +++ b/DeepAgent_research.ipynb @@ -0,0 +1,2500 @@ +{ + "cells": [ + { + "cell_type": "markdown", + "id": "4c897bc9", + "metadata": {}, + "source": [ + "# DeepAgent 기반의 Research Agent\n", + "\n", + "## 주요 특징\n", + "\n", + "1. **Multi-SubAgent 시스템**: 세 가지 전문화된 SubAgent (researcher, explorer, synthesizer)\n", + "2. **CompiledSubAgent 패턴**: Researcher는 자율적 DeepAgent로 \"넓게 탐색 → 깊게 파기\" 패턴 수행\n", + "3. **Skills System**: Progressive Disclosure를 통한 스킬 관리\n", + "4. **Filesystem Backend**: 연구 결과의 영구 저장\n", + "\n", + "## 아키텍처 개요\n", + "\n", + "```\n", + "Main Orchestrator (create_deep_agent)\n", + " │\n", + " ├── researcher (CompiledSubAgent - 자율적 DeepAgent)\n", + " │ └── 자체 계획 루프 + 반성 + 컨텍스트 관리\n", + " │\n", + " ├── explorer (Simple SubAgent)\n", + " │ └── 빠른 읽기 전용 탐색\n", + " │\n", + " └── synthesizer (Simple SubAgent)\n", + " └── 연구 결과 통합\n", + "```" + ] + }, + { + "cell_type": "code", + "execution_count": 2, + "id": "fecc3e39", + "metadata": {}, + "outputs": [], + "source": [ + "import sys\n", + "from pathlib import Path\n", + "\n", + "from dotenv import load_dotenv\n", + "\n", + "load_dotenv(\".env\", override=True)\n", + "\n", + "# 프로젝트 루트를 Python 경로에 추가 (노트북에서 모듈 import를 위해)\n", + "PROJECT_ROOT = Path.cwd()\n", + "if str(PROJECT_ROOT) not in sys.path:\n", + " sys.path.insert(0, str(PROJECT_ROOT))" + ] + }, + { + "cell_type": "code", + "execution_count": 3, + "id": "9163556f", + "metadata": {}, + "outputs": [ + { + "name": "stdout", + "output_type": "stream", + "text": [ + "1. tavily_search: Search the web for information on a given query.\n", + "\n", + "Uses Tavily to discover relevant URLs, then fetches and returns full webpage content as markdown.\n", + "\n", + "Args:\n", + " query: Search query to execute\n", + " max_results: Maximum number of results to return (default: 1)\n", + " topic: Topic filter - 'general', 'news', or 'finance' (default: 'general')\n", + "\n", + "Returns:\n", + " Formatted search results with full webpage content\n", + "2. think_tool: Tool for strategic reflection on research progress and decision-making.\n", + "\n", + "Use this tool after each search to analyze results and plan next steps systematically.\n", + "This creates a deliberate pause in the research workflow for quality decision-making.\n", + "\n", + "When to use:\n", + "- After receiving search results: What key information did I find?\n", + "- Before deciding next steps: Do I have enough to answer comprehensively?\n", + "- When assessing research gaps: What specific information am I still missing?\n", + "- Before concluding research: Can I provide a complete answer now?\n", + "\n", + "Reflection should address:\n", + "1. Analysis of current findings - What concrete information have I gathered?\n", + "2. Gap assessment - What crucial information is still missing?\n", + "3. Quality evaluation - Do I have sufficient evidence/examples for a good answer?\n", + "4. Strategic decision - Should I continue searching or provide my answer?\n", + "\n", + "Args:\n", + " reflection: Your detailed reflection on research progress, findings, gaps, and next steps\n", + "\n", + "Returns:\n", + " Confirmation that reflection was recorded for decision-making\n" + ] + } + ], + "source": [ + "# 연구 도구 살펴보기\n", + "from research_agent.tools import tavily_search, think_tool\n", + "\n", + "print(f\"1. tavily_search: {tavily_search.description}\")\n", + "print(f\"2. think_tool: {think_tool.description}\")" + ] + }, + { + "cell_type": "markdown", + "id": "7ba3ee5b", + "metadata": {}, + "source": [ + "---\n", + "\n", + "## 자율적 연구 에이전트 (Autonomous Researcher)\n", + "\n", + "### 핵심 개념: CompiledSubAgent vs Simple SubAgent\n", + "\n", + "| 유형 | 구조 | 특징 |\n", + "|------|------|------|\n", + "| **Simple SubAgent** | `{name, description, system_prompt, tools}` | 단일 응답, 미들웨어에서 컴파일 |\n", + "| **CompiledSubAgent** | `{name, description, runnable}` | 자체 DeepAgent, 다중 턴 실행 |\n", + "\n", + "### 자율적 연구 워크플로우: \"넓게 탐색 → 깊게 파기\"\n", + "\n", + "```\n", + "┌─────────────────────────────────────────────────────────────────┐\n", + "│ AUTONOMOUS RESEARCH LOOP │\n", + "├─────────────────────────────────────────────────────────────────┤\n", + "│ Phase 1: Exploratory Search (1-2회) │\n", + "│ └── 광범위한 검색으로 연구 환경 파악 │\n", + "│ └── think_tool로 유망한 방향 2-3개 식별 │\n", + "│ │\n", + "│ Phase 2: Directed Research (방향당 1-2회) │\n", + "│ └── 각 방향에 대한 집중 검색 │\n", + "│ └── think_tool로 인사이트 평가 │\n", + "│ │\n", + "│ Phase 3: Synthesis │\n", + "│ └── 모든 발견을 구조화된 형태로 통합 │\n", + "└─────────────────────────────────────────────────────────────────┘\n", + "```\n", + "\n", + "### 에이전트 연구 기법\n", + "\n", + "[Anthropic 에서 제시한 프롬프팅 기법](https://youtu.be/XSZP9GhhuAc?si=zowpViL-2j-vI9hA)을 활용합니다:\n", + "\n", + "1. **에이전트처럼 생각하기**: 질문을 꼼꼼히 읽고, 넓게 시작해서 좁혀가기\n", + "2. **하드 리밋 설정**: 검색 도구 2-5회, 최대 5-6회로 제한\n", + "3. **생각의 과정 드러내기**: 각 검색 후 `think_tool`로 결과 분석" + ] + }, + { + "cell_type": "code", + "execution_count": 5, + "id": "4487f04d", + "metadata": {}, + "outputs": [], + "source": [ + "# 프롬프트 및 유틸리티 임포트\n", + "from research_agent.prompts import (\n", + " EXPLORER_INSTRUCTIONS,\n", + " RESEARCH_WORKFLOW_INSTRUCTIONS,\n", + " SUBAGENT_DELEGATION_INSTRUCTIONS,\n", + " SYNTHESIZER_INSTRUCTIONS,\n", + ")\n", + "from research_agent.researcher.prompts import AUTONOMOUS_RESEARCHER_INSTRUCTIONS\n", + "from research_agent.utils import format_messages, show_prompt" + ] + }, + { + "cell_type": "code", + "execution_count": 7, + "id": "a6570183", + "metadata": {}, + "outputs": [ + { + "data": { + "text/html": [ + "
╭──────────────────────────────────────────────────── Prompt ─────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│  You are an autonomous research agent. Your job is to thoroughly research a topic by following a                │\n",
+       "│  \"breadth-first, then depth\" approach.                                                                          │\n",
+       "│                                                                                                                 │\n",
+       "│  For context, today's date is {date}.                                                                           │\n",
+       "│                                                                                                                 │\n",
+       "│  ## Your Capabilities                                                                                           │\n",
+       "│                                                                                                                 │\n",
+       "│  You have access to:                                                                                            │\n",
+       "│  - **tavily_search**: Web search with full content extraction                                                   │\n",
+       "│  - **think_tool**: Reflection and strategic planning                                                            │\n",
+       "│  - **write_todos**: Self-planning and progress tracking                                                         │\n",
+       "│                                                                                                                 │\n",
+       "│  ## Autonomous Research Workflow                                                                                │\n",
+       "│                                                                                                                 │\n",
+       "│  ### Phase 1: Exploratory Search (1-2 searches)                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│  **Goal**: Get the lay of the land                                                                              │\n",
+       "│                                                                                                                 │\n",
+       "│  Start with broad searches to understand:                                                                       │\n",
+       "│  - Key concepts and terminology in the field                                                                    │\n",
+       "│  - Major players, sources, and authorities                                                                      │\n",
+       "│  - Recent trends and developments                                                                               │\n",
+       "│  - Potential sub-topics worth exploring                                                                         │\n",
+       "│                                                                                                                 │\n",
+       "│  After each search, **ALWAYS** use think_tool to:                                                               │\n",
+       "│  ```                                                                                                            │\n",
+       "│  \"What did I learn? Key concepts are: ...                                                                       │\n",
+       "│  What are 2-3 promising directions for deeper research?                                                         │\n",
+       "│  1. Direction A: [reason]                                                                                       │\n",
+       "│  2. Direction B: [reason]                                                                                       │\n",
+       "│  3. Direction C: [reason]                                                                                       │\n",
+       "│  Do I need more exploration, or can I proceed to Phase 2?\"                                                      │\n",
+       "│  ```                                                                                                            │\n",
+       "│                                                                                                                 │\n",
+       "│  ### Phase 2: Directed Research (1-2 searches per direction)                                                    │\n",
+       "│                                                                                                                 │\n",
+       "│  **Goal**: Deep dive into promising directions                                                                  │\n",
+       "│                                                                                                                 │\n",
+       "│  For each promising direction identified in Phase 1:                                                            │\n",
+       "│  1. Formulate a specific, focused search query                                                                  │\n",
+       "│  2. Execute tavily_search with the focused query                                                                │\n",
+       "│  3. Use think_tool to assess:                                                                                   │\n",
+       "│  ```                                                                                                            │\n",
+       "│  \"Direction: [name]                                                                                             │\n",
+       "│  What new insights did this reveal?                                                                             │\n",
+       "│  - Insight 1: ...                                                                                               │\n",
+       "│  - Insight 2: ...                                                                                               │\n",
+       "│  Is this direction yielding valuable information? [Yes/No]                                                      │\n",
+       "│  Should I continue deeper or move to the next direction?\"                                                       │\n",
+       "│  ```                                                                                                            │\n",
+       "│                                                                                                                 │\n",
+       "│  ### Phase 3: Synthesis                                                                                         │\n",
+       "│                                                                                                                 │\n",
+       "│  **Goal**: Combine all findings into a coherent response                                                        │\n",
+       "│                                                                                                                 │\n",
+       "│  After completing directed research:                                                                            │\n",
+       "│  1. Review all gathered information                                                                             │\n",
+       "│  2. Identify patterns and connections                                                                           │\n",
+       "│  3. Note where sources agree or disagree                                                                        │\n",
+       "│  4. Structure your findings clearly                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│  ## Self-Management with write_todos                                                                            │\n",
+       "│                                                                                                                 │\n",
+       "│  At the start, create a research plan:                                                                          │\n",
+       "│                                                                                                                 │\n",
+       "│  ```                                                                                                            │\n",
+       "│  1. [Explore] Broad search to understand the research landscape                                                 │\n",
+       "│  2. [Analyze] Review findings and identify 2-3 promising directions                                             │\n",
+       "│  3. [Deep Dive] Research Direction A: [topic                                                                    │\n",
+       "│                                                                                                                 │\n",
+       "│  ... (truncated)                                                                                                │\n",
+       "│                                                                                                                 │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[34m╭─\u001b[0m\u001b[34m───────────────────────────────────────────────────\u001b[0m\u001b[34m \u001b[0m\u001b[1;32mPrompt\u001b[0m\u001b[34m \u001b[0m\u001b[34m────────────────────────────────────────────────────\u001b[0m\u001b[34m─╮\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m You are an autonomous research agent. Your job is to thoroughly research a topic by following a \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \"breadth-first, then depth\" approach. \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m For context, today's date is {date}. \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;35m## Your Capabilities\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m You have access to: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - **tavily_search**: Web search with full content extraction \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - **think_tool**: Reflection and strategic planning \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - **write_todos**: Self-planning and progress tracking \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;35m## Autonomous Research Workflow\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;36m#\u001b[0m\u001b[1;36m## Phase 1: Exploratory Search (1-2 searches)\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m **Goal**: Get the lay of the land \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m Start with broad searches to understand: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Key concepts and terminology in the field \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Major players, sources, and authorities \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Recent trends and developments \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Potential sub-topics worth exploring \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m After each search, **ALWAYS** use think_tool to: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ``` \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \"What did I learn? Key concepts are: ... \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m What are 2-3 promising directions for deeper research? \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 1. Direction A: [reason] \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 2. Direction B: [reason] \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 3. Direction C: [reason] \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m Do I need more exploration, or can I proceed to Phase 2?\" \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ``` \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;36m#\u001b[0m\u001b[1;36m## Phase 2: Directed Research (1-2 searches per direction)\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m **Goal**: Deep dive into promising directions \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m For each promising direction identified in Phase 1: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 1. Formulate a specific, focused search query \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 2. Execute tavily_search with the focused query \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 3. Use think_tool to assess: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ``` \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \"Direction: [name] \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m What new insights did this reveal? \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Insight 1: ... \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m - Insight 2: ... \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m Is this direction yielding valuable information? [Yes/No] \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m Should I continue deeper or move to the next direction?\" \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ``` \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;36m#\u001b[0m\u001b[1;36m## Phase 3: Synthesis\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m **Goal**: Combine all findings into a coherent response \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m After completing directed research: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 1. Review all gathered information \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 2. Identify patterns and connections \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 3. Note where sources agree or disagree \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 4. Structure your findings clearly \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[1;35m## Self-Management with write_todos\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m At the start, create a research plan: \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ``` \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 1. [Explore] Broad search to understand the research landscape \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 2. [Analyze] Review findings and identify 2-3 promising directions \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m 3. [Deep Dive] Research Direction A: [topic \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m ... (truncated) \u001b[34m│\u001b[0m\n", + "\u001b[34m│\u001b[0m \u001b[34m│\u001b[0m\n", + "\u001b[34m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + } + ], + "source": [ + "show_prompt(AUTONOMOUS_RESEARCHER_INSTRUCTIONS[:2000] + \"\\n\\n... (truncated)\")" + ] + }, + { + "cell_type": "markdown", + "id": "4e55b2c0", + "metadata": {}, + "source": [ + "## SubAgent 구조 비교\n", + "\n", + "아래에서 Simple SubAgent와 CompiledSubAgent의 차이를 살펴봅니다." + ] + }, + { + "cell_type": "code", + "execution_count": 8, + "id": "y5y5vinhb9", + "metadata": {}, + "outputs": [ + { + "name": "stdout", + "output_type": "stream", + "text": [ + "=== SubAgent 구조 비교 ===\n", + "\n", + "1. Researcher (CompiledSubAgent)\n", + " - name: researcher\n", + " - has 'runnable': True\n", + " - runnable type: CompiledStateGraph\n", + " - description: Autonomous deep research agent with self-planning and 'bread...\n", + "\n", + "2. Explorer (Simple SubAgent)\n", + " - name: explorer\n", + " - has 'system_prompt': True\n", + " - has 'runnable': False\n", + "\n", + "3. Synthesizer (Simple SubAgent)\n", + " - name: synthesizer\n", + " - has 'system_prompt': True\n", + " - has 'runnable': False\n" + ] + } + ], + "source": [ + "# SubAgent 구조 비교\n", + "from research_agent.agent import ALL_SUBAGENTS, SIMPLE_SUBAGENTS\n", + "from research_agent.researcher import get_researcher_subagent\n", + "\n", + "print(\"=== SubAgent 구조 비교 ===\\n\")\n", + "\n", + "# 1. Researcher (CompiledSubAgent)\n", + "researcher = ALL_SUBAGENTS[0]\n", + "print(\"1. Researcher (CompiledSubAgent)\")\n", + "print(f\" - name: {researcher['name']}\")\n", + "print(f\" - has 'runnable': {'runnable' in researcher}\")\n", + "print(f\" - runnable type: {type(researcher.get('runnable')).__name__}\")\n", + "print(f\" - description: {researcher['description'][:60]}...\")\n", + "print()\n", + "\n", + "# 2. Explorer (Simple SubAgent)\n", + "explorer = ALL_SUBAGENTS[1]\n", + "print(\"2. Explorer (Simple SubAgent)\")\n", + "print(f\" - name: {explorer['name']}\")\n", + "print(f\" - has 'system_prompt': {'system_prompt' in explorer}\")\n", + "print(f\" - has 'runnable': {'runnable' in explorer}\")\n", + "print()\n", + "\n", + "# 3. Synthesizer (Simple SubAgent)\n", + "synthesizer = ALL_SUBAGENTS[2]\n", + "print(\"3. Synthesizer (Simple SubAgent)\")\n", + "print(f\" - name: {synthesizer['name']}\")\n", + "print(f\" - has 'system_prompt': {'system_prompt' in synthesizer}\")\n", + "print(f\" - has 'runnable': {'runnable' in synthesizer}\")" + ] + }, + { + "cell_type": "markdown", + "id": "ab6e3639", + "metadata": {}, + "source": [ + "---\n", + "\n", + "## Research Orchestrator 에이전트\n", + "\n", + "`research_agent.agent` 모듈에서 이미 구성된 에이전트를 가져옵니다.\n", + "\n", + "### 구성 요소:\n", + "- **모델**: `gpt-4.1` (temperature=0.0)\n", + "- **백엔드**: CompositeBackend (FileSystem + State)\n", + "- **SubAgents**: researcher (CompiledSubAgent), explorer, synthesizer\n", + "- **미들웨어**: SkillsMiddleware (Progressive Disclosure)" + ] + }, + { + "cell_type": "code", + "execution_count": 10, + "id": "62da8411", + "metadata": {}, + "outputs": [ + { + "name": "stdout", + "output_type": "stream", + "text": [ + "=== Research Agent 구성 ===\n", + "Model: gpt-4.1\n", + "SubAgents: ['researcher', 'explorer', 'synthesizer']\n", + "Agent type: CompiledStateGraph\n" + ] + } + ], + "source": [ + "# research_agent 모듈에서 구성된 에이전트 가져오기\n", + "from research_agent.agent import ALL_SUBAGENTS, agent, model\n", + "\n", + "print(\"=== Research Agent 구성 ===\")\n", + "print(f\"Model: {model.model_name}\")\n", + "print(f\"SubAgents: {[s['name'] for s in ALL_SUBAGENTS]}\")\n", + "print(f\"Agent type: {type(agent).__name__}\")" + ] + }, + { + "cell_type": "markdown", + "id": "1whxhn2gnai", + "metadata": {}, + "source": [ + "---\n", + "\n", + "## 연구 실행\n", + "\n", + "에이전트에게 연구 요청을 보내고 결과를 확인합니다.\n", + "\n", + "자율적 연구 에이전트는:\n", + "1. 오케스트레이터가 `task(researcher)` 호출\n", + "2. Researcher가 자체적으로 Phase 1-2-3 수행\n", + "3. 구조화된 결과를 오케스트레이터에 반환" + ] + }, + { + "cell_type": "code", + "execution_count": 11, + "id": "613634c2", + "metadata": {}, + "outputs": [ + { + "name": "stdout", + "output_type": "stream", + "text": [ + "Messages: 34 개\n", + "Files: []\n" + ] + } + ], + "source": [ + "# 연구 요청 실행\n", + "result = agent.invoke(\n", + " {\n", + " \"messages\": [\n", + " {\n", + " \"role\": \"user\",\n", + " \"content\": \"Research context engineering approaches used to build AI agents. Speak in Korean.\",\n", + " }\n", + " ],\n", + " },\n", + ")\n", + "\n", + "print(f\"Messages: {len(result['messages'])} 개\")\n", + "print(f\"Files: {list(result.get('files', {}).keys())}\")" + ] + }, + { + "cell_type": "markdown", + "id": "5zanhuabnb4", + "metadata": {}, + "source": [ + "### 메시지 흐름 확인\n", + "\n", + "에이전트 실행 과정의 메시지를 시각화합니다." + ] + }, + { + "cell_type": "code", + "execution_count": 12, + "id": "36652467", + "metadata": {}, + "outputs": [ + { + "data": { + "text/html": [ + "
╭───────────────────────────────────────────────────── Human ─────────────────────────────────────────────────────╮\n",
+       "│ Research context engineering approaches used to build AI agents. Speak in Korean.                               │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[34m╭─\u001b[0m\u001b[34m────────────────────────────────────────────────────\u001b[0m\u001b[34m Human \u001b[0m\u001b[34m────────────────────────────────────────────────────\u001b[0m\u001b[34m─╮\u001b[0m\n", + "\u001b[34m│\u001b[0m Research context engineering approaches used to build AI agents. Speak in Korean. \u001b[34m│\u001b[0m\n", + "\u001b[34m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_todos                                                                                          │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"todos\": [                                                                                                    │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\",                                   │\n",
+       "│       \"status\": \"in_progress\"                                                                                   │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록     │\n",
+       "│ researcher 서브에이전트에게 연구를 위임하기\",                                                                   │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\",                                     │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\",       │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지        │\n",
+       "│ 검증하기\",                                                                                                      │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     }                                                                                                           │\n",
+       "│   ]                                                                                                             │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_PwT10QEnqRvlOKzYY3xjFTrs                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_todos \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"todos\": [ \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"in_progress\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m researcher 서브에이전트에게 연구를 위임하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 검증하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_PwT10QEnqRvlOKzYY3xjFTrs \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status':        │\n",
+       "│ 'in_progress'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 │\n",
+       "│ 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'pending'}, {'content': '서브에이전트의 연구     │\n",
+       "│ 결과와 인용 출처를 종합 및 정리하기', 'status': 'pending'}, {'content': '최종 연구 보고서를 /final_report.md    │\n",
+       "│ 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content': '/research_request.md     │\n",
+       "│ 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}]              │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'in_progress'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'pending'}, {'content': '서브에이전트의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 결과와 인용 출처를 종합 및 정리하기', 'status': 'pending'}, {'content': '최종 연구 보고서를 /final_report.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content': '/research_request.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}] \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_file                                                                                           │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/research_request.md\",                                                                          │\n",
+       "│   \"content\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n요구사항:     │\n",
+       "│ 최신 연구 동향, 대표적인 방법론, 실제 적용 사례 등을 포함하여 종합적으로 정리할 것. 결과물은 한국어로 작성하고, │\n",
+       "│ 각 주장에는 신뢰할 수 있는 인용 출처를 명시할 것.\"                                                              │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_rbhL84woRSoFdp51o7RiJgW7                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/research_request.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n요구사항: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 최신 연구 동향, 대표적인 방법론, 실제 적용 사례 등을 포함하여 종합적으로 정리할 것. 결과물은 한국어로 작성하고, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 각 주장에는 신뢰할 수 있는 인용 출처를 명시할 것.\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_rbhL84woRSoFdp51o7RiJgW7 \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Cannot write to /research_request.md because it already exists. Read and then make an edit, or write to a new   │\n",
+       "│ path.                                                                                                           │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Cannot write to /research_request.md because it already exists. Read and then make an edit, or write to a new \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m path. \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: read_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/research_request.md\",                                                                          │\n",
+       "│   \"offset\": 0,                                                                                                  │\n",
+       "│   \"limit\": 100                                                                                                  │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_7rrnMNq6Bb4YNo00K5oxZNdG                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: read_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/research_request.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"offset\": 0, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"limit\": 100 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_7rrnMNq6Bb4YNo00K5oxZNdG \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│      1  Context Engineering approaches used to build Research Agentic AI System and Context Management System   │\n",
+       "│ in FileSystem. (Korean)                                                                                         │\n",
+       "│      2                                                                                                          │\n",
+       "│      3  - Context Engineering이란 무엇인지                                                                      │\n",
+       "│      4  - 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례                                         │\n",
+       "│      5  - 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례                              │\n",
+       "│      6  - 최신 연구 동향 및 실제 적용 예시                                                                      │\n",
+       "│      7  - 참고문헌 및 인용 포함                                                                                 │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m 1 Context Engineering approaches used to build Research Agentic AI System and Context Management System \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m in FileSystem. (Korean) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 2 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 3 - Context Engineering이란 무엇인지 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 4 - 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 5 - 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 6 - 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 7 - 참고문헌 및 인용 포함 \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_file                                                                                           │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/research_request.md\",                                                                          │\n",
+       "│   \"content\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n\\n세부        │\n",
+       "│ 요구사항:\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context Engineering 적용       │\n",
+       "│ 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구 동향 및 실제 적용 │\n",
+       "│ 예시\\n- 참고문헌 및 인용 포함\\n- 결과물은 한국어로 작성할 것\"                                                   │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_PHY4VD8hIXao6PPaAZcAwoJ2                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/research_request.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n\\n세부 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 요구사항:\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구 동향 및 실제 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 예시\\n- 참고문헌 및 인용 포함\\n- 결과물은 한국어로 작성할 것\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_PHY4VD8hIXao6PPaAZcAwoJ2 \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Cannot write to /research_request.md because it already exists. Read and then make an edit, or write to a new   │\n",
+       "│ path.                                                                                                           │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Cannot write to /research_request.md because it already exists. Read and then make an edit, or write to a new \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m path. \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: edit_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/research_request.md\",                                                                          │\n",
+       "│   \"old_string\": \"Context Engineering approaches used to build Research Agentic AI System and Context Management │\n",
+       "│ System in FileSystem. (Korean)\\n\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context │\n",
+       "│ Engineering 적용 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구  │\n",
+       "│ 동향 및 실제 적용 예시\\n- 참고문헌 및 인용 포함\",                                                               │\n",
+       "│   \"new_string\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n\\n세부     │\n",
+       "│ 요구사항:\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context Engineering 적용       │\n",
+       "│ 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구 동향 및 실제 적용 │\n",
+       "│ 예시\\n- 참고문헌 및 인용 포함\\n- 결과물은 한국어로 작성할 것\"                                                   │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_SBrs4HP06Xba7S7Z7Za0fZIE                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: edit_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/research_request.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"old_string\": \"Context Engineering approaches used to build Research Agentic AI System and Context Management \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m System in FileSystem. (Korean)\\n\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Engineering 적용 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 동향 및 실제 적용 예시\\n- 참고문헌 및 인용 포함\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"new_string\": \"연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.\\n\\n세부 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 요구사항:\\n- Context Engineering이란 무엇인지\\n- 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n- 최신 연구 동향 및 실제 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 예시\\n- 참고문헌 및 인용 포함\\n- 결과물은 한국어로 작성할 것\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_SBrs4HP06Xba7S7Z7Za0fZIE \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Successfully replaced 1 instance(s) of the string in '/research_request.md'                                     │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Successfully replaced 1 instance(s) of the string in '/research_request.md' \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_todos                                                                                          │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"todos\": [                                                                                                    │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\",                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록     │\n",
+       "│ researcher 서브에이전트에게 연구를 위임하기\",                                                                   │\n",
+       "│       \"status\": \"in_progress\"                                                                                   │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\",                                     │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\",       │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지        │\n",
+       "│ 검증하기\",                                                                                                      │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     }                                                                                                           │\n",
+       "│   ]                                                                                                             │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_1o9nGyF1SqqcFfAHfTlypqxk                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_todos \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"todos\": [ \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m researcher 서브에이전트에게 연구를 위임하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"in_progress\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 검증하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_1o9nGyF1SqqcFfAHfTlypqxk \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status':        │\n",
+       "│ 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수   │\n",
+       "│ 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'in_progress'}, {'content': '서브에이전트의 연구 │\n",
+       "│ 결과와 인용 출처를 종합 및 정리하기', 'status': 'pending'}, {'content': '최종 연구 보고서를 /final_report.md    │\n",
+       "│ 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content': '/research_request.md     │\n",
+       "│ 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}]              │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'in_progress'}, {'content': '서브에이전트의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 결과와 인용 출처를 종합 및 정리하기', 'status': 'pending'}, {'content': '최종 연구 보고서를 /final_report.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content': '/research_request.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}] \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: task                                                                                                 │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"description\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링(Context Engineering) 접근법에 대해 종합적으로 │\n",
+       "│ 조사하라. 다음 세부 항목을 반드시 포함할 것:\\n- Context Engineering의 정의 및 주요 개념\\n- 연구 에이전트형 AI   │\n",
+       "│ 시스템에서의 Context Engineering 적용 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering    │\n",
+       "│ 적용 사례\\n- 최신 연구 동향 및 실제 적용 예시\\n- 각 주장 및 사례에 신뢰할 수 있는 인용 출처 명시\\n- 결과물은    │\n",
+       "│ 한국어로 작성할 예정이므로, 한국어 보고서 작성에 필요한 충분한 정보와 인용을 포함해 요약 및 정리할 것\\n최종     │\n",
+       "│ 결과는 각 항목별로 정리된 요약, 인용 출처(논문, 공식 문서, 신뢰할 수 있는 웹사이트 등), 실제 적용 사례 중심으로 │\n",
+       "│ 작성하라.\",                                                                                                     │\n",
+       "│   \"subagent_type\": \"researcher\"                                                                                 │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_SU9A9hxXFG43uG5MfYAxjAKP                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: task \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"description\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링(Context Engineering) 접근법에 대해 종합적으로 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 조사하라. 다음 세부 항목을 반드시 포함할 것:\\n- Context Engineering의 정의 및 주요 개념\\n- 연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템에서의 Context Engineering 적용 사례\\n- 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 적용 사례\\n- 최신 연구 동향 및 실제 적용 예시\\n- 각 주장 및 사례에 신뢰할 수 있는 인용 출처 명시\\n- 결과물은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 한국어로 작성할 예정이므로, 한국어 보고서 작성에 필요한 충분한 정보와 인용을 포함해 요약 및 정리할 것\\n최종 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 결과는 각 항목별로 정리된 요약, 인용 출처(논문, 공식 문서, 신뢰할 수 있는 웹사이트 등), 실제 적용 사례 중심으로 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 작성하라.\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"subagent_type\": \"researcher\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_SU9A9hxXFG43uG5MfYAxjAKP \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ ## Key Findings                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ ### Finding 1: Context Engineering의 정의 및 주요 개념                                                          │\n",
+       "│ - **정의**: Context Engineering은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과       │\n",
+       "│ 환경을 구조화하는 실천적 접근법이다. 이는 언어, 메타데이터, 프롬프트, 환경 신호, 워크플로우, UI 등 다양한       │\n",
+       "│ 요소를 AI가 최대한 관련성 있게 이해하도록 설계하는 것을 의미한다.                                               │\n",
+       "│ - **주요 개념**:                                                                                                │\n",
+       "│   - **정보 아키텍처**: 데이터와 지식의 구조화, 태깅, 계층화, 온톨로지 및 메타데이터 설계                        │\n",
+       "│   - **도메인 적응**: 특정 분야/업무에 맞는 전문 지식, 용어, 규칙, 워크플로우 내재화                             │\n",
+       "│   - **페르소나 컨텍스트**: 사용자 역할, 목적, 선호도에 따른 맞춤형 응답 및 인터페이스                           │\n",
+       "│   - **RAG(Retrieval-Augmented Generation)**: 외부 지식 검색과 LLM 결합, 근거 기반 응답 생성                     │\n",
+       "│   - **Human-in-the-loop**: 사용자 피드백을 통한 지속적 개선                                                     │\n",
+       "│   - **시간적 맥락**: 최신성, 버전 관리, 시간 기반 정보 해석                                                     │\n",
+       "│   - **데이터 품질 및 거버넌스**: 신뢰성, 일관성, 데이터 관리 체계                                               │\n",
+       "│ - **의의**: 단순 프롬프트 엔지니어링을 넘어, AI의 실제 활용성과 신뢰성을 좌우하는 핵심 인프라로 부상[1].        │\n",
+       "│                                                                                                                 │\n",
+       "│ ### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례                                    │\n",
+       "│ - **멀티에이전트 시스템**: Anthropic의 연구 시스템은 리드 에이전트(Opus 4)가 여러 전문 서브에이전트(Sonnet 4    │\n",
+       "│ 등)를 병렬로 조정, 각 에이전트의 역할과 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행.   │\n",
+       "│ 이 구조는 단일 에이전트 대비 90% 이상의 성능 향상을 보임.                                                       │\n",
+       "│ - **실제 적용 패턴**:                                                                                           │\n",
+       "│   - **슈퍼바이저 패턴**: 중앙 에이전트가 하위 에이전트의 작업을 통합                                            │\n",
+       "│   - **계층형 패턴**: 단계별로 에이전트가 순차적으로 작업을 이어받음                                             │\n",
+       "│   - **네트워크 패턴**: 에이전트들이 공유 메모리/상태를 통해 협업                                                │\n",
+       "│ - **실패 원인 및 해결**: Cognition.ai 등은 컨텍스트 미스매치(에이전트 간 정보 불일치)가 주요 실패 원인임을      │\n",
+       "│ 지적, 컨텍스트 엔지니어링을 통해 이를 예방[2][3].                                                               │\n",
+       "│                                                                                                                 │\n",
+       "│ ### Finding 3: 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례                         │\n",
+       "│ - **사례 논문**: MyGuide(컨텍스트 인지 전시 안내 시스템) 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 │\n",
+       "│ 컨텍스트 인지 요구를 분리, 컨텍스트 모델링, 아키텍처/클래스/DB 설계 등 소프트웨어 공학적 방법론을 적용.         │\n",
+       "│ - **구현 방법**:                                                                                                │\n",
+       "│   - 컨텍스트 모델링(상황 정보 구조화)                                                                           │\n",
+       "│   - 메타데이터 및 계층적 파일 구조 설계                                                                         │\n",
+       "│   - 버전 관리 및 시간 정보 반영                                                                                 │\n",
+       "│   - 시스템 요구사항과 컨텍스트 모델의 상호 영향 고려                                                            │\n",
+       "│ - **의의**: 파일시스템 기반에서 컨텍스트 엔지니어링은 정보의 구조화, 검색성, 최신성, 신뢰성 확보에 핵심적       │\n",
+       "│ 역할[4].                                                                                                        │\n",
+       "│                                                                                                                 │\n",
+       "│ ### Finding 4: 최신 연구 동향 및 실제 적용 예시                                                                 │\n",
+       "│ - **연구 동향**:                                                                                                │\n",
+       "│   - LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼 피드백 등    │\n",
+       "│ 다양한 기술적 접근이 활발히 논의됨.                                                                             │\n",
+       "│   - MIT, Accenture, Deloitte, Gartner 등은 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조.              │\n",
+       "│ - **실제 적용 예시**:                                                                                           │\n",
+       "│   - **Atlas Fuse**: 엔터프라이즈 지식 관리 솔루션으로, 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등  │\n",
+       "│ 컨텍스트 엔지니어링을 체계적으로 구현                                                                           │\n",
+       "│   - **법률/고객센터/추천 시스템**: 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답 등 다양한        │\n",
+       "│ 산업에서 적용[1][5].                                                                                            │\n",
+       "│                                                                                                                 │\n",
+       "│ ## Source Agreement Analysis                                                                                    │\n",
+       "│ - **High agreement**:                                                                                           │\n",
+       "│   - 컨텍스트 엔지니어링의 정의, 필요성, 주요 구성요소(정보 구조화, 도메인 적응, 메타데이터, 피드백 등)          │\n",
+       "│   - 멀티에이전트 시스템에서의 컨텍스트 관리 중요성                                                              │\n",
+       "│   - 파일시스템/지식관리 시스템에서의 컨텍스트 구조화 실천 방법                                                  │\n",
+       "│ - **Disagreement/Uncertainty**:                                                                                 │\n",
+       "│   - 멀티에이전트 시스템이 항상 단일 에이전트보다 우월한지에 대한 논의(복잡성, 비용, 관리 이슈 등)               │\n",
+       "│   - 컨텍스트 엔지니어링의 구체적 구현 방식(조직/도메인별로 상이)                                                │\n",
+       "│                                                                                                                 │\n",
+       "│ ## Sources                                                                                                      │\n",
+       "│ [1] Context Engineering in AI and Gen AI: The Key to Better Results, ClearPeople Blog:                          │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator                                          │\n",
+       "│ [2] How to Build Multi Agent AI Systems With Context Engineering, Vellum.ai Blog:                               │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering                                │\n",
+       "│ [3] Anthropic Engineering Blog: Built Multi-Agent Research System:                                              │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system                                         │\n",
+       "│ [4] 최종명(2009), \"컨텍스트 인지 시스템 개발에 소프트웨어 공학 방법론 적용 사례\", 정보과학회 컴퓨팅의 실제      │\n",
+       "│ 논문지, 15(3), 167-177. (KCI):                                                                                  │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48                                                                                                              │\n",
+       "│ [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (논문 인용, ClearPeople Blog │\n",
+       "│ 내)                                                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│ 이 요약은 한국어 보고서 작성에 필요한 신뢰성 있는 인용, 실제 적용 사례, 최신 연구 동향을 모두 포함합니다.       │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m ## Key Findings \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### Finding 1: Context Engineering의 정의 및 주요 개념 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **정의**: Context Engineering은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 환경을 구조화하는 실천적 접근법이다. 이는 언어, 메타데이터, 프롬프트, 환경 신호, 워크플로우, UI 등 다양한 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 요소를 AI가 최대한 관련성 있게 이해하도록 설계하는 것을 의미한다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **주요 개념**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **정보 아키텍처**: 데이터와 지식의 구조화, 태깅, 계층화, 온톨로지 및 메타데이터 설계 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **도메인 적응**: 특정 분야/업무에 맞는 전문 지식, 용어, 규칙, 워크플로우 내재화 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **페르소나 컨텍스트**: 사용자 역할, 목적, 선호도에 따른 맞춤형 응답 및 인터페이스 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **RAG(Retrieval-Augmented Generation)**: 외부 지식 검색과 LLM 결합, 근거 기반 응답 생성 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **Human-in-the-loop**: 사용자 피드백을 통한 지속적 개선 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **시간적 맥락**: 최신성, 버전 관리, 시간 기반 정보 해석 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **데이터 품질 및 거버넌스**: 신뢰성, 일관성, 데이터 관리 체계 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **의의**: 단순 프롬프트 엔지니어링을 넘어, AI의 실제 활용성과 신뢰성을 좌우하는 핵심 인프라로 부상[1]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **멀티에이전트 시스템**: Anthropic의 연구 시스템은 리드 에이전트(Opus 4)가 여러 전문 서브에이전트(Sonnet 4 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 등)를 병렬로 조정, 각 에이전트의 역할과 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 이 구조는 단일 에이전트 대비 90% 이상의 성능 향상을 보임. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **실제 적용 패턴**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **슈퍼바이저 패턴**: 중앙 에이전트가 하위 에이전트의 작업을 통합 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **계층형 패턴**: 단계별로 에이전트가 순차적으로 작업을 이어받음 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **네트워크 패턴**: 에이전트들이 공유 메모리/상태를 통해 협업 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **실패 원인 및 해결**: Cognition.ai 등은 컨텍스트 미스매치(에이전트 간 정보 불일치)가 주요 실패 원인임을 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 지적, 컨텍스트 엔지니어링을 통해 이를 예방[2][3]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### Finding 3: 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **사례 논문**: MyGuide(컨텍스트 인지 전시 안내 시스템) 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 컨텍스트 인지 요구를 분리, 컨텍스트 모델링, 아키텍처/클래스/DB 설계 등 소프트웨어 공학적 방법론을 적용. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **구현 방법**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 컨텍스트 모델링(상황 정보 구조화) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 메타데이터 및 계층적 파일 구조 설계 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 버전 관리 및 시간 정보 반영 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 시스템 요구사항과 컨텍스트 모델의 상호 영향 고려 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **의의**: 파일시스템 기반에서 컨텍스트 엔지니어링은 정보의 구조화, 검색성, 최신성, 신뢰성 확보에 핵심적 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 역할[4]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### Finding 4: 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **연구 동향**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼 피드백 등 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 다양한 기술적 접근이 활발히 논의됨. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - MIT, Accenture, Deloitte, Gartner 등은 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **실제 적용 예시**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **Atlas Fuse**: 엔터프라이즈 지식 관리 솔루션으로, 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 컨텍스트 엔지니어링을 체계적으로 구현 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **법률/고객센터/추천 시스템**: 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답 등 다양한 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 산업에서 적용[1][5]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ## Source Agreement Analysis \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **High agreement**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 컨텍스트 엔지니어링의 정의, 필요성, 주요 구성요소(정보 구조화, 도메인 적응, 메타데이터, 피드백 등) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 멀티에이전트 시스템에서의 컨텍스트 관리 중요성 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 파일시스템/지식관리 시스템에서의 컨텍스트 구조화 실천 방법 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - **Disagreement/Uncertainty**: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 멀티에이전트 시스템이 항상 단일 에이전트보다 우월한지에 대한 논의(복잡성, 비용, 관리 이슈 등) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 컨텍스트 엔지니어링의 구체적 구현 방식(조직/도메인별로 상이) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ## Sources \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [1] Context Engineering in AI and Gen AI: The Key to Better Results, ClearPeople Blog: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [2] How to Build Multi Agent AI Systems With Context Engineering, Vellum.ai Blog: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [3] Anthropic Engineering Blog: Built Multi-Agent Research System: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [4] 최종명(2009), \"컨텍스트 인지 시스템 개발에 소프트웨어 공학 방법론 적용 사례\", 정보과학회 컴퓨팅의 실제 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 논문지, 15(3), 167-177. (KCI): \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 48 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (논문 인용, ClearPeople Blog \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 내) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 이 요약은 한국어 보고서 작성에 필요한 신뢰성 있는 인용, 실제 적용 사례, 최신 연구 동향을 모두 포함합니다. \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_todos                                                                                          │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"todos\": [                                                                                                    │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\",                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록     │\n",
+       "│ researcher 서브에이전트에게 연구를 위임하기\",                                                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\",                                     │\n",
+       "│       \"status\": \"in_progress\"                                                                                   │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\",       │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지        │\n",
+       "│ 검증하기\",                                                                                                      │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     }                                                                                                           │\n",
+       "│   ]                                                                                                             │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_lzEIGnA7RrxQtqCopMZDENOw                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_todos \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"todos\": [ \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m researcher 서브에이전트에게 연구를 위임하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"in_progress\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 검증하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_lzEIGnA7RrxQtqCopMZDENOw \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status':        │\n",
+       "│ 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수   │\n",
+       "│ 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구   │\n",
+       "│ 결과와 인용 출처를 종합 및 정리하기', 'status': 'in_progress'}, {'content': '최종 연구 보고서를                 │\n",
+       "│ /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content':          │\n",
+       "│ '/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status':    │\n",
+       "│ 'pending'}]                                                                                                     │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 결과와 인용 출처를 종합 및 정리하기', 'status': 'in_progress'}, {'content': '최종 연구 보고서를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'pending'}, {'content': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m '/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'pending'}] \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: task                                                                                                 │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"description\": \"아래의 연구 결과 요약과 인용 출처를 바탕으로, 중복되는 인용을 통합하고, 각 주장별로 신뢰성    │\n",
+       "│ 있는 인용 번호를 일관성 있게 정리하라. 최종적으로 보고서 작성에 바로 활용할 수 있도록, 한국어 기준으로 인용     │\n",
+       "│ 번호와 출처를 정돈된 목록으로 반환하라.\\n\\n[요약]\\n1. Context Engineering의 정의 및 주요 개념: 정보 아키텍처,   │\n",
+       "│ 도메인 적응, 페르소나, RAG, Human-in-the-loop, 시간적 맥락, 데이터 품질 등. [1]\\n2. 연구 에이전트형 AI          │\n",
+       "│ 시스템에서의 적용 사례: Anthropic, Cognition.ai, 멀티에이전트 패턴, 컨텍스트 미스매치 문제. [2][3]\\n3.          │\n",
+       "│ 파일시스템 기반 컨텍스트 관리 시스템: MyGuide, 컨텍스트 모델링, 메타데이터, 버전 관리, 소프트웨어 공학적        │\n",
+       "│ 방법론. [4]\\n4. 최신 연구 동향 및 실제 적용 예시: Atlas Fuse, 법률/고객센터/추천 시스템,                        │\n",
+       "│ MIT/Accenture/Deloitte/Gartner의 연구, 도메인 온톨로지, 실시간 RAG, 사용자 이력 기반 응답. [1][5]\\n\\n[인용      │\n",
+       "│ 후보]\\n[1] https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2]                          │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3]                           │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4]                                    │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내   │\n",
+       "│ 인용)\\n\\n결과물: 각 주장별로 일관된 인용 번호와 출처 목록(한국어 기준)\",                                        │\n",
+       "│   \"subagent_type\": \"synthesizer\"                                                                                │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_kxB8gMOROcVqmUHv4WvosXit                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: task \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"description\": \"아래의 연구 결과 요약과 인용 출처를 바탕으로, 중복되는 인용을 통합하고, 각 주장별로 신뢰성 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있는 인용 번호를 일관성 있게 정리하라. 최종적으로 보고서 작성에 바로 활용할 수 있도록, 한국어 기준으로 인용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 번호와 출처를 정돈된 목록으로 반환하라.\\n\\n[요약]\\n1. Context Engineering의 정의 및 주요 개념: 정보 아키텍처, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 도메인 적응, 페르소나, RAG, Human-in-the-loop, 시간적 맥락, 데이터 품질 등. [1]\\n2. 연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템에서의 적용 사례: Anthropic, Cognition.ai, 멀티에이전트 패턴, 컨텍스트 미스매치 문제. [2][3]\\n3. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 파일시스템 기반 컨텍스트 관리 시스템: MyGuide, 컨텍스트 모델링, 메타데이터, 버전 관리, 소프트웨어 공학적 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 방법론. [4]\\n4. 최신 연구 동향 및 실제 적용 예시: Atlas Fuse, 법률/고객센터/추천 시스템, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m MIT/Accenture/Deloitte/Gartner의 연구, 도메인 온톨로지, 실시간 RAG, 사용자 이력 기반 응답. [1][5]\\n\\n[인용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 후보]\\n[1] https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 인용)\\n\\n결과물: 각 주장별로 일관된 인용 번호와 출처 목록(한국어 기준)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"subagent_type\": \"synthesizer\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_kxB8gMOROcVqmUHv4WvosXit \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ ```markdown                                                                                                     │\n",
+       "│ ## 인용 번호 및 출처 정리                                                                                       │\n",
+       "│                                                                                                                 │\n",
+       "│ ### 1. Context Engineering의 정의 및 주요 개념                                                                  │\n",
+       "│ - 정보 아키텍처, 도메인 적응, 페르소나, RAG, Human-in-the-loop, 시간적 맥락, 데이터 품질 등                     │\n",
+       "│   **[1], [5]**                                                                                                  │\n",
+       "│                                                                                                                 │\n",
+       "│ ### 2. 연구 에이전트형 AI 시스템에서의 적용 사례                                                                │\n",
+       "│ - Anthropic, Cognition.ai, 멀티에이전트 패턴, 컨텍스트 미스매치 문제                                            │\n",
+       "│   **[2], [3]**                                                                                                  │\n",
+       "│                                                                                                                 │\n",
+       "│ ### 3. 파일시스템 기반 컨텍스트 관리 시스템                                                                     │\n",
+       "│ - MyGuide, 컨텍스트 모델링, 메타데이터, 버전 관리, 소프트웨어 공학적 방법론                                     │\n",
+       "│   **[4]**                                                                                                       │\n",
+       "│                                                                                                                 │\n",
+       "│ ### 4. 최신 연구 동향 및 실제 적용 예시                                                                         │\n",
+       "│ - Atlas Fuse, 법률/고객센터/추천 시스템, MIT/Accenture/Deloitte/Gartner의 연구, 도메인 온톨로지, 실시간 RAG,    │\n",
+       "│ 사용자 이력 기반 응답                                                                                           │\n",
+       "│   **[1], [5]**                                                                                                  │\n",
+       "│                                                                                                                 │\n",
+       "│ ---                                                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 인용 출처 목록                                                                                               │\n",
+       "│                                                                                                                 │\n",
+       "│ [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\",                                             │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator                                          │\n",
+       "│ [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\",                                      │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering                                │\n",
+       "│ [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\",                                       │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system                                         │\n",
+       "│ [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\",                                                  │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48                                                                                                              │\n",
+       "│ [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 인용)   │\n",
+       "│ ```                                                                                                             │\n",
+       "│ - 각 주장별로 중복 인용을 통합하였으며, 동일한 인용 번호가 일관되게 사용되었습니다.                             │\n",
+       "│ - 보고서 작성 시 위의 인용 번호와 출처 목록을 그대로 활용하실 수 있습니다.                                      │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m ```markdown \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ## 인용 번호 및 출처 정리 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### 1. Context Engineering의 정의 및 주요 개념 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 정보 아키텍처, 도메인 적응, 페르소나, RAG, Human-in-the-loop, 시간적 맥락, 데이터 품질 등 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m **[1], [5]** \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### 2. 연구 에이전트형 AI 시스템에서의 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - Anthropic, Cognition.ai, 멀티에이전트 패턴, 컨텍스트 미스매치 문제 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m **[2], [3]** \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### 3. 파일시스템 기반 컨텍스트 관리 시스템 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - MyGuide, 컨텍스트 모델링, 메타데이터, 버전 관리, 소프트웨어 공학적 방법론 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m **[4]** \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ### 4. 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - Atlas Fuse, 법률/고객센터/추천 시스템, MIT/Accenture/Deloitte/Gartner의 연구, 도메인 온톨로지, 실시간 RAG, \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 사용자 이력 기반 응답 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m **[1], [5]** \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m --- \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ## 인용 출처 목록 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 48 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 인용) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m ``` \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 각 주장별로 중복 인용을 통합하였으며, 동일한 인용 번호가 일관되게 사용되었습니다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m - 보고서 작성 시 위의 인용 번호와 출처 목록을 그대로 활용하실 수 있습니다. \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_todos                                                                                          │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"todos\": [                                                                                                    │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\",                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록     │\n",
+       "│ researcher 서브에이전트에게 연구를 위임하기\",                                                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\",                                     │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\",       │\n",
+       "│       \"status\": \"in_progress\"                                                                                   │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지        │\n",
+       "│ 검증하기\",                                                                                                      │\n",
+       "│       \"status\": \"pending\"                                                                                       │\n",
+       "│     }                                                                                                           │\n",
+       "│   ]                                                                                                             │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_ocE71KF5bcpedqdN3iGOk22e                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_todos \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"todos\": [ \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m researcher 서브에이전트에게 연구를 위임하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"in_progress\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 검증하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"pending\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_ocE71KF5bcpedqdN3iGOk22e \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status':        │\n",
+       "│ 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수   │\n",
+       "│ 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구   │\n",
+       "│ 결과와 인용 출처를 종합 및 정리하기', 'status': 'completed'}, {'content': '최종 연구 보고서를 /final_report.md  │\n",
+       "│ 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'in_progress'}, {'content': '/research_request.md │\n",
+       "│ 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}]              │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 결과와 인용 출처를 종합 및 정리하기', 'status': 'completed'}, {'content': '최종 연구 보고서를 /final_report.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'in_progress'}, {'content': '/research_request.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'pending'}] \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_file                                                                                           │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/final_report.md\",                                                                              │\n",
+       "│   \"content\": \"# AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구\\n\\n## 1. 서론\\nAI 에이전트의 성능과     │\n",
+       "│ 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \\\"컨텍스트 엔지니어링(Context Engineering)\\\"의 수준에 크게       │\n",
+       "│ 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반      │\n",
+       "│ 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 종합적으로 정리한다.\\n\\n## 2.    │\n",
+       "│ 컨텍스트 엔지니어링이란 무엇인가\\n컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할  │\n",
+       "│ 수 있도록 입력과 환경을 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의   │\n",
+       "│ 구조화(정보 아키텍처), 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation),                  │\n",
+       "│ Human-in-the-loop, 시간적 맥락, 데이터 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제    │\n",
+       "│ 환경에서 신뢰성 있게 동작하도록 하는 핵심 인프라로 부상하고 있다[1][5].\\n\\n## 3. 연구 에이전트형 AI             │\n",
+       "│ 시스템에서의 적용 사례\\n멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어,        │\n",
+       "│ Anthropic의 연구 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과        │\n",
+       "│ 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 │\n",
+       "│ 성능 향상을 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고   │\n",
+       "│ 있으며, Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해       │\n",
+       "│ 컨텍스트 엔지니어링을 적극적으로 도입하고 있다[2][3].\\n\\n## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용  │\n",
+       "│ 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를    │\n",
+       "│ 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지  │\n",
+       "│ 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어  │\n",
+       "│ 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4].\\n\\n## 5. 최신     │\n",
+       "│ 연구 동향 및 실제 적용 예시\\n최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, │\n",
+       "│ 메타데이터, 휴먼 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은    │\n",
+       "│ 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리     │\n",
+       "│ 솔루션은 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고      │\n",
+       "│ 있다. 또한 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반       │\n",
+       "│ 맞춤형 응답 등으로 적용이 확산되고 있다[1][5].\\n\\n## 6. 결론\\n컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 │\n",
+       "│ 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한      │\n",
+       "│ 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트 엔지니어링의 중요성은 더욱 커질 것으로 전망된다.\\n\\n###         │\n",
+       "│ 참고문헌\\n[1] ClearPeople Blog, \\\"Context Engineering: The AI Differentiator\\\",                                 │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2] Vellum Blog, \\\"Multi-Agent Systems: │\n",
+       "│ Building with Context Engineering\\\",                                                                            │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3] Anthropic Engineering     │\n",
+       "│ Blog, \\\"We Built a Multi-Agent Research System\\\",                                                               │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4] 한국학술정보(KCI), \\\"파일시스템    │\n",
+       "│ 기반 컨텍스트 관리 시스템\\\",                                                                                    │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내   │\n",
+       "│ 인용)\\n\"                                                                                                        │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_hx5Ybu0SEaI8ItIzY3D7mXGL                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/final_report.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"# AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구\\n\\n## 1. 서론\\nAI 에이전트의 성능과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \\\"컨텍스트 엔지니어링(Context Engineering)\\\"의 수준에 크게 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 종합적으로 정리한다.\\n\\n## 2. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링이란 무엇인가\\n컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 수 있도록 입력과 환경을 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 구조화(정보 아키텍처), 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Human-in-the-loop, 시간적 맥락, 데이터 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 환경에서 신뢰성 있게 동작하도록 하는 핵심 인프라로 부상하고 있다[1][5].\\n\\n## 3. 연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템에서의 적용 사례\\n멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Anthropic의 연구 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 성능 향상을 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있으며, Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링을 적극적으로 도입하고 있다[2][3].\\n\\n## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4].\\n\\n## 5. 최신 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 연구 동향 및 실제 적용 예시\\n최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 메타데이터, 휴먼 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 솔루션은 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있다. 또한 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 맞춤형 응답 등으로 적용이 확산되고 있다[1][5].\\n\\n## 6. 결론\\n컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트 엔지니어링의 중요성은 더욱 커질 것으로 전망된다.\\n\\n### \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 참고문헌\\n[1] ClearPeople Blog, \\\"Context Engineering: The AI Differentiator\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2] Vellum Blog, \\\"Multi-Agent Systems: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Building with Context Engineering\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3] Anthropic Engineering \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Blog, \\\"We Built a Multi-Agent Research System\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4] 한국학술정보(KCI), \\\"파일시스템 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 기반 컨텍스트 관리 시스템\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 인용)\\n\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_hx5Ybu0SEaI8ItIzY3D7mXGL \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Cannot write to /final_report.md because it already exists. Read and then make an edit, or write to a new path. │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Cannot write to /final_report.md because it already exists. Read and then make an edit, or write to a new path. \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: read_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/final_report.md\",                                                                              │\n",
+       "│   \"offset\": 0,                                                                                                  │\n",
+       "│   \"limit\": 100                                                                                                  │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_3ETe9whvLC1pOVEdoeOVo6EI                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: read_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/final_report.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"offset\": 0, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"limit\": 100 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_3ETe9whvLC1pOVEdoeOVo6EI \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│      1  ## Executive Summary                                                                                    │\n",
+       "│      2                                                                                                          │\n",
+       "│      3  본 보고서는 Context Engineering의 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반 컨텍스트 관리      │\n",
+       "│ 시스템에서의 적용 사례, 최신 연구 동향 및 실제 적용 예시를 종합적으로 다룬다. 제공된 영어 자료는 주로 연구      │\n",
+       "│ 에이전트 시스템의 스킬 설계, 데이터 통합, 보고서 작성 방법론에 관한 문서로, 직접적인 사례 연구는 부족하나,      │\n",
+       "│ Context Engineering의 실질적 구현과 관리에 대한 간접적 시사점을 제공한다.                                       │\n",
+       "│      4                                                                                                          │\n",
+       "│      5  ## Key Findings                                                                                         │\n",
+       "│      6                                                                                                          │\n",
+       "│      7  ### Finding 1: Context Engineering이란 무엇인가                                                         │\n",
+       "│      8  Context Engineering은 인공지능 시스템이 다양한 맥락(문맥, 환경, 사용자 상태 등)을 효과적으로            │\n",
+       "│ 인식·활용·관리할 수 있도록 설계하는 일련의 방법론을 의미한다. 이는 데이터 수집, 맥락 추출, 통합, 동적 관리,     │\n",
+       "│ 그리고 시스템 내 의사결정에 맥락 정보를 반영하는 전 과정을 포괄한다. 특히, 복수의 데이터 소스와 에이전트가      │\n",
+       "│ 협력하는 환경에서 맥락의 일관성, 신뢰성, 추적 가능성을 보장하는 것이 핵심이다. [Data Synthesis Skill            │\n",
+       "│ Documentation]                                                                                                  │\n",
+       "│      9  **Source Agreement**: High (스킬 문서 전반에서 일관되게 강조)                                           │\n",
+       "│     10                                                                                                          │\n",
+       "│     11  ### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례                            │\n",
+       "│     12  연구 에이전트형 AI 시스템에서는 각 에이전트가 독립적으로 정보를 수집·분석한 후, 이질적인 맥락 정보를    │\n",
+       "│ 통합하여 일관된 인사이트를 도출한다. 예를 들어, Academic Search Skill은 arXiv 등에서 최신 논문을 검색하고, Data │\n",
+       "│ Synthesis Skill은 복수 에이전트의 결과를 주제별로 통합·분석하며, Report Writing Skill은 이러한 맥락 정보를      │\n",
+       "│ 구조화된 보고서로 정리한다. 이 과정에서 맥락의 출처, 신뢰도, 최신성, 상호 모순 여부를 명확히 관리하는 것이      │\n",
+       "│ 필수적이다. [Academic Search, Data Synthesis, Report Writing Skill Documentation]                               │\n",
+       "│     13  **Source Agreement**: High                                                                              │\n",
+       "│     14                                                                                                          │\n",
+       "│     15  ### Finding 3: 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례                 │\n",
+       "│     16  파일시스템 기반 컨텍스트 관리 시스템에서는 각종 연구 결과, 데이터, 중간 산출물, 스킬 정의 파일 등이     │\n",
+       "│ 계층적 디렉터리 구조로 저장·관리된다. Data Synthesis Skill은 `/research_workspace/synthesis/`와 같은 폴더       │\n",
+       "│ 구조를 예시로 들며, 각 소스의 맥락(생성 시점, 담당 에이전트, 주제 등)을 메타데이터로 기록하고, 통합·분석·보고의 │\n",
+       "│ 전 과정에서 맥락 정보를 추적·활용한다. 이는 대규모 협업 환경에서 맥락의 일관성과 재현성을 보장하는 핵심         │\n",
+       "│ 인프라로 작동한다. [Data Synthesis Skill Documentation]                                                         │\n",
+       "│     17  **Source Agreement**: High                                                                              │\n",
+       "│     18                                                                                                          │\n",
+       "│     19  ### Finding 4: 최신 연구 동향 및 실제 적용 예시                                                         │\n",
+       "│     20  최신 연구 동향은 대규모 언어모델(LLM) 기반 에이전트 시스템에서 맥락의 동적 관리, 멀티에이전트 협업,     │\n",
+       "│ 출처 추적, 신뢰도 평가, 자동화된 보고서 생성 등으로 발전하고 있다. 예를 들어, arXiv 논문 검색 및 통합, 동적     │\n",
+       "│ 테마 분석, 모순 탐지 및 해소, 신뢰도 기반 인사이트 도출, 자동화된 인용·참고문헌 관리 등이 실제 구현 사례로      │\n",
+       "│ 제시된다. 다만, 제공된 자료에는 구체적 논문명이나 실증적 벤치마크는 포함되어 있지 않다. [Academic Search, Data  │\n",
+       "│ Synthesis, Report Writing Skill Documentation]                                                                  │\n",
+       "│     21  **Source Agreement**: Medium (일부는 일반적 방법론, 일부는 실제 예시)                                   │\n",
+       "│     22                                                                                                          │\n",
+       "│     23  ## Contradictions & Uncertainties                                                                       │\n",
+       "│     24  - 직접적인 사례 연구(구체적 논문, 실증적 벤치마크 등)는 제공된 자료에 포함되어 있지 않음.               │\n",
+       "│     25  - 최신 연구 동향 및 실제 적용 예시의 구체성은 제한적임.                                                 │\n",
+       "│     26                                                                                                          │\n",
+       "│     27  ## Conclusion                                                                                           │\n",
+       "│     28  Context Engineering은 현대 AI 연구 및 협업 시스템에서 필수적인 기반 기술로, 맥락의 수집·통합·관리·활용  │\n",
+       "│ 전반에 걸쳐 일관성과 신뢰성을 보장하는 것이 핵심이다. 연구 에이전트형 시스템과 파일시스템 기반 관리 시스템      │\n",
+       "│ 모두에서 맥락 정보의 체계적 관리가 실질적 성과와 재현성, 협업 효율성에 직결됨을 알 수 있다. 향후에는 구체적     │\n",
+       "│ 사례 연구와 벤치마크, 자동화 수준의 고도화가 주요 발전 방향이 될 것이다.                                        │\n",
+       "│     29                                                                                                          │\n",
+       "│     30  ## Source Attribution                                                                                   │\n",
+       "│     31  1. Data Synthesis Skill Documentation: \"/skills/data-synthesis/SKILL.md\"                                │\n",
+       "│     32  2. Academic Search Skill Documentation: \"/skills/academic-search/SKILL.md\"                              │\n",
+       "│     33  3. Report Writing Skill Documentation: \"/skills/report-writing/SKILL.md\"                                │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m 1 ## Executive Summary \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 2 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 3 본 보고서는 Context Engineering의 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반 컨텍스트 관리 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 시스템에서의 적용 사례, 최신 연구 동향 및 실제 적용 예시를 종합적으로 다룬다. 제공된 영어 자료는 주로 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 에이전트 시스템의 스킬 설계, 데이터 통합, 보고서 작성 방법론에 관한 문서로, 직접적인 사례 연구는 부족하나, \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Context Engineering의 실질적 구현과 관리에 대한 간접적 시사점을 제공한다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 4 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 5 ## Key Findings \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 6 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 7 ### Finding 1: Context Engineering이란 무엇인가 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 8 Context Engineering은 인공지능 시스템이 다양한 맥락(문맥, 환경, 사용자 상태 등)을 효과적으로 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 인식·활용·관리할 수 있도록 설계하는 일련의 방법론을 의미한다. 이는 데이터 수집, 맥락 추출, 통합, 동적 관리, \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 그리고 시스템 내 의사결정에 맥락 정보를 반영하는 전 과정을 포괄한다. 특히, 복수의 데이터 소스와 에이전트가 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 협력하는 환경에서 맥락의 일관성, 신뢰성, 추적 가능성을 보장하는 것이 핵심이다. [Data Synthesis Skill \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Documentation] \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 9 **Source Agreement**: High (스킬 문서 전반에서 일관되게 강조) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 10 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 11 ### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 12 연구 에이전트형 AI 시스템에서는 각 에이전트가 독립적으로 정보를 수집·분석한 후, 이질적인 맥락 정보를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 통합하여 일관된 인사이트를 도출한다. 예를 들어, Academic Search Skill은 arXiv 등에서 최신 논문을 검색하고, Data \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Synthesis Skill은 복수 에이전트의 결과를 주제별로 통합·분석하며, Report Writing Skill은 이러한 맥락 정보를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 구조화된 보고서로 정리한다. 이 과정에서 맥락의 출처, 신뢰도, 최신성, 상호 모순 여부를 명확히 관리하는 것이 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 필수적이다. [Academic Search, Data Synthesis, Report Writing Skill Documentation] \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 13 **Source Agreement**: High \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 14 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 15 ### Finding 3: 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 16 파일시스템 기반 컨텍스트 관리 시스템에서는 각종 연구 결과, 데이터, 중간 산출물, 스킬 정의 파일 등이 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 계층적 디렉터리 구조로 저장·관리된다. Data Synthesis Skill은 `/research_workspace/synthesis/`와 같은 폴더 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 구조를 예시로 들며, 각 소스의 맥락(생성 시점, 담당 에이전트, 주제 등)을 메타데이터로 기록하고, 통합·분석·보고의 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 전 과정에서 맥락 정보를 추적·활용한다. 이는 대규모 협업 환경에서 맥락의 일관성과 재현성을 보장하는 핵심 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 인프라로 작동한다. [Data Synthesis Skill Documentation] \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 17 **Source Agreement**: High \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 18 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 19 ### Finding 4: 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 20 최신 연구 동향은 대규모 언어모델(LLM) 기반 에이전트 시스템에서 맥락의 동적 관리, 멀티에이전트 협업, \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 출처 추적, 신뢰도 평가, 자동화된 보고서 생성 등으로 발전하고 있다. 예를 들어, arXiv 논문 검색 및 통합, 동적 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 테마 분석, 모순 탐지 및 해소, 신뢰도 기반 인사이트 도출, 자동화된 인용·참고문헌 관리 등이 실제 구현 사례로 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 제시된다. 다만, 제공된 자료에는 구체적 논문명이나 실증적 벤치마크는 포함되어 있지 않다. [Academic Search, Data \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Synthesis, Report Writing Skill Documentation] \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 21 **Source Agreement**: Medium (일부는 일반적 방법론, 일부는 실제 예시) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 22 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 23 ## Contradictions & Uncertainties \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 24 - 직접적인 사례 연구(구체적 논문, 실증적 벤치마크 등)는 제공된 자료에 포함되어 있지 않음. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 25 - 최신 연구 동향 및 실제 적용 예시의 구체성은 제한적임. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 26 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 27 ## Conclusion \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 28 Context Engineering은 현대 AI 연구 및 협업 시스템에서 필수적인 기반 기술로, 맥락의 수집·통합·관리·활용 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 전반에 걸쳐 일관성과 신뢰성을 보장하는 것이 핵심이다. 연구 에이전트형 시스템과 파일시스템 기반 관리 시스템 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 모두에서 맥락 정보의 체계적 관리가 실질적 성과와 재현성, 협업 효율성에 직결됨을 알 수 있다. 향후에는 구체적 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 사례 연구와 벤치마크, 자동화 수준의 고도화가 주요 발전 방향이 될 것이다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 29 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 30 ## Source Attribution \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 31 1. Data Synthesis Skill Documentation: \"/skills/data-synthesis/SKILL.md\" \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 32 2. Academic Search Skill Documentation: \"/skills/academic-search/SKILL.md\" \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 33 3. Report Writing Skill Documentation: \"/skills/report-writing/SKILL.md\" \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: edit_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/final_report.md\",                                                                              │\n",
+       "│   \"old_string\": \"## Executive Summary\\n\\n본 보고서는 Context Engineering의 개념, 연구 에이전트형 AI 시스템 및   │\n",
+       "│ 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 최신 연구 동향 및 실제 적용 예시를 종합적으로 다룬다.     │\n",
+       "│ 제공된 영어 자료는 주로 연구 에이전트 시스템의 스킬 설계, 데이터 통합, 보고서 작성 방법론에 관한 문서로,        │\n",
+       "│ 직접적인 사례 연구는 부족하나, Context Engineering의 실질적 구현과 관리에 대한 간접적 시사점을 제공한다.\\n\\n##  │\n",
+       "│ Key Findings\\n\\n### Finding 1: Context Engineering이란 무엇인가\\nContext Engineering은 인공지능 시스템이 다양한 │\n",
+       "│ 맥락(문맥, 환경, 사용자 상태 등)을 효과적으로 인식·활용·관리할 수 있도록 설계하는 일련의 방법론을 의미한다.     │\n",
+       "│ 이는 데이터 수집, 맥락 추출, 통합, 동적 관리, 그리고 시스템 내 의사결정에 맥락 정보를 반영하는 전 과정을        │\n",
+       "│ 포괄한다. 특히, 복수의 데이터 소스와 에이전트가 협력하는 환경에서 맥락의 일관성, 신뢰성, 추적 가능성을 보장하는 │\n",
+       "│ 것이 핵심이다. [Data Synthesis Skill Documentation]\\n**Source Agreement**: High (스킬 문서 전반에서 일관되게    │\n",
+       "│ 강조)\\n\\n### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례\\n연구 에이전트형 AI       │\n",
+       "│ 시스템에서는 각 에이전트가 독립적으로 정보를 수집·분석한 후, 이질적인 맥락 정보를 통합하여 일관된 인사이트를    │\n",
+       "│ 도출한다. 예를 들어, Academic Search Skill은 arXiv 등에서 최신 논문을 검색하고, Data Synthesis Skill은 복수     │\n",
+       "│ 에이전트의 결과를 주제별로 통합·분석하며, Report Writing Skill은 이러한 맥락 정보를 구조화된 보고서로 정리한다. │\n",
+       "│ 이 과정에서 맥락의 출처, 신뢰도, 최신성, 상호 모순 여부를 명확히 관리하는 것이 필수적이다. [Academic Search,    │\n",
+       "│ Data Synthesis, Report Writing Skill Documentation]\\n**Source Agreement**: High\\n\\n### Finding 3: 파일시스템    │\n",
+       "│ 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 각종  │\n",
+       "│ 연구 결과, 데이터, 중간 산출물, 스킬 정의 파일 등이 계층적 디렉터리 구조로 저장·관리된다. Data Synthesis        │\n",
+       "│ Skill은 `/research_workspace/synthesis/`와 같은 폴더 구조를 예시로 들며, 각 소스의 맥락(생성 시점, 담당         │\n",
+       "│ 에이전트, 주제 등)을 메타데이터로 기록하고, 통합·분석·보고의 전 과정에서 맥락 정보를 추적·활용한다. 이는 대규모 │\n",
+       "│ 협업 환경에서 맥락의 일관성과 재현성을 보장하는 핵심 인프라로 작동한다. [Data Synthesis Skill                   │\n",
+       "│ Documentation]\\n**Source Agreement**: High\\n\\n### Finding 4: 최신 연구 동향 및 실제 적용 예시\\n최신 연구 동향은 │\n",
+       "│ 대규모 언어모델(LLM) 기반 에이전트 시스템에서 맥락의 동적 관리, 멀티에이전트 협업, 출처 추적, 신뢰도 평가,      │\n",
+       "│ 자동화된 보고서 생성 등으로 발전하고 있다. 예를 들어, arXiv 논문 검색 및 통합, 동적 테마 분석, 모순 탐지 및     │\n",
+       "│ 해소, 신뢰도 기반 인사이트 도출, 자동화된 인용·참고문헌 관리 등이 실제 구현 사례로 제시된다. 다만, 제공된       │\n",
+       "│ 자료에는 구체적 논문명이나 실증적 벤치마크는 포함되어 있지 않다. [Academic Search, Data Synthesis, Report       │\n",
+       "│ Writing Skill Documentation]\\n**Source Agreement**: Medium (일부는 일반적 방법론, 일부는 실제 예시)\\n\\n##       │\n",
+       "│ Contradictions & Uncertainties\\n- 직접적인 사례 연구(구체적 논문, 실증적 벤치마크 등)는 제공된 자료에 포함되어  │\n",
+       "│ 있지 않음.\\n- 최신 연구 동향 및 실제 적용 예시의 구체성은 제한적임.\\n\\n## Conclusion\\nContext Engineering은     │\n",
+       "│ 현대 AI 연구 및 협업 시스템에서 필수적인 기반 기술로, 맥락의 수집·통합·관리·활용 전반에 걸쳐 일관성과 신뢰성을  │\n",
+       "│ 보장하는 것이 핵심이다. 연구 에이전트형 시스템과 파일시스템 기반 관리 시스템 모두에서 맥락 정보의 체계적 관리가 │\n",
+       "│ 실질적 성과와 재현성, 협업 효율성에 직결됨을 알 수 있다. 향후에는 구체적 사례 연구와 벤치마크, 자동화 수준의    │\n",
+       "│ 고도화가 주요 발전 방향이 될 것이다.\\n\\n## Source Attribution\\n1. Data Synthesis Skill Documentation:           │\n",
+       "│ \\\"/skills/data-synthesis/SKILL.md\\\"\\n2. Academic Search Skill Documentation:                                    │\n",
+       "│ \\\"/skills/academic-search/SKILL.md\\\"\\n3. Report Writing Skill Documentation:                                    │\n",
+       "│ \\\"/skills/report-writing/SKILL.md\\\"\",                                                                           │\n",
+       "│   \"new_string\": \"# AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구\\n\\n## 1. 서론\\nAI 에이전트의 성능과  │\n",
+       "│ 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \\\"컨텍스트 엔지니어링(Context Engineering)\\\"의 수준에 크게       │\n",
+       "│ 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반      │\n",
+       "│ 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 종합적으로 정리한다.\\n\\n## 2.    │\n",
+       "│ 컨텍스트 엔지니어링이란 무엇인가\\n컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할  │\n",
+       "│ 수 있도록 입력과 환경을 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의   │\n",
+       "│ 구조화(정보 아키텍처), 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation),                  │\n",
+       "│ Human-in-the-loop, 시간적 맥락, 데이터 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제    │\n",
+       "│ 환경에서 신뢰성 있게 동작하도록 하는 핵심 인프라로 부상하고 있다[1][5].\\n\\n## 3. 연구 에이전트형 AI             │\n",
+       "│ 시스템에서의 적용 사례\\n멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어,        │\n",
+       "│ Anthropic의 연구 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과        │\n",
+       "│ 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 │\n",
+       "│ 성능 향상을 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고   │\n",
+       "│ 있으며, Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해       │\n",
+       "│ 컨텍스트 엔지니어링을 적극적으로 도입하고 있다[2][3].\\n\\n## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용  │\n",
+       "│ 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를    │\n",
+       "│ 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지  │\n",
+       "│ 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어  │\n",
+       "│ 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4].\\n\\n## 5. 최신     │\n",
+       "│ 연구 동향 및 실제 적용 예시\\n최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, │\n",
+       "│ 메타데이터, 휴먼 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은    │\n",
+       "│ 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리     │\n",
+       "│ 솔루션은 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고      │\n",
+       "│ 있다. 또한 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반       │\n",
+       "│ 맞춤형 응답 등으로 적용이 확산되고 있다[1][5].\\n\\n## 6. 결론\\n컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 │\n",
+       "│ 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한      │\n",
+       "│ 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트 엔지니어링의 중요성은 더욱 커질 것으로 전망된다.\\n\\n###         │\n",
+       "│ 참고문헌\\n[1] ClearPeople Blog, \\\"Context Engineering: The AI Differentiator\\\",                                 │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2] Vellum Blog, \\\"Multi-Agent Systems: │\n",
+       "│ Building with Context Engineering\\\",                                                                            │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3] Anthropic Engineering     │\n",
+       "│ Blog, \\\"We Built a Multi-Agent Research System\\\",                                                               │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4] 한국학술정보(KCI), \\\"파일시스템    │\n",
+       "│ 기반 컨텍스트 관리 시스템\\\",                                                                                    │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내   │\n",
+       "│ 인용)\\n\"                                                                                                        │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_5xb3utTNfE6PqlfPrdQSOFjM                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: edit_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/final_report.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"old_string\": \"## Executive Summary\\n\\n본 보고서는 Context Engineering의 개념, 연구 에이전트형 AI 시스템 및 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 최신 연구 동향 및 실제 적용 예시를 종합적으로 다룬다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 제공된 영어 자료는 주로 연구 에이전트 시스템의 스킬 설계, 데이터 통합, 보고서 작성 방법론에 관한 문서로, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 직접적인 사례 연구는 부족하나, Context Engineering의 실질적 구현과 관리에 대한 간접적 시사점을 제공한다.\\n\\n## \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Key Findings\\n\\n### Finding 1: Context Engineering이란 무엇인가\\nContext Engineering은 인공지능 시스템이 다양한 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 맥락(문맥, 환경, 사용자 상태 등)을 효과적으로 인식·활용·관리할 수 있도록 설계하는 일련의 방법론을 의미한다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 이는 데이터 수집, 맥락 추출, 통합, 동적 관리, 그리고 시스템 내 의사결정에 맥락 정보를 반영하는 전 과정을 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 포괄한다. 특히, 복수의 데이터 소스와 에이전트가 협력하는 환경에서 맥락의 일관성, 신뢰성, 추적 가능성을 보장하는 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 것이 핵심이다. [Data Synthesis Skill Documentation]\\n**Source Agreement**: High (스킬 문서 전반에서 일관되게 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 강조)\\n\\n### Finding 2: 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례\\n연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템에서는 각 에이전트가 독립적으로 정보를 수집·분석한 후, 이질적인 맥락 정보를 통합하여 일관된 인사이트를 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 도출한다. 예를 들어, Academic Search Skill은 arXiv 등에서 최신 논문을 검색하고, Data Synthesis Skill은 복수 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 에이전트의 결과를 주제별로 통합·분석하며, Report Writing Skill은 이러한 맥락 정보를 구조화된 보고서로 정리한다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 이 과정에서 맥락의 출처, 신뢰도, 최신성, 상호 모순 여부를 명확히 관리하는 것이 필수적이다. [Academic Search, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Data Synthesis, Report Writing Skill Documentation]\\n**Source Agreement**: High\\n\\n### Finding 3: 파일시스템 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 각종 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 연구 결과, 데이터, 중간 산출물, 스킬 정의 파일 등이 계층적 디렉터리 구조로 저장·관리된다. Data Synthesis \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Skill은 `/research_workspace/synthesis/`와 같은 폴더 구조를 예시로 들며, 각 소스의 맥락(생성 시점, 담당 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 에이전트, 주제 등)을 메타데이터로 기록하고, 통합·분석·보고의 전 과정에서 맥락 정보를 추적·활용한다. 이는 대규모 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 협업 환경에서 맥락의 일관성과 재현성을 보장하는 핵심 인프라로 작동한다. [Data Synthesis Skill \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Documentation]\\n**Source Agreement**: High\\n\\n### Finding 4: 최신 연구 동향 및 실제 적용 예시\\n최신 연구 동향은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 대규모 언어모델(LLM) 기반 에이전트 시스템에서 맥락의 동적 관리, 멀티에이전트 협업, 출처 추적, 신뢰도 평가, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 자동화된 보고서 생성 등으로 발전하고 있다. 예를 들어, arXiv 논문 검색 및 통합, 동적 테마 분석, 모순 탐지 및 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 해소, 신뢰도 기반 인사이트 도출, 자동화된 인용·참고문헌 관리 등이 실제 구현 사례로 제시된다. 다만, 제공된 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 자료에는 구체적 논문명이나 실증적 벤치마크는 포함되어 있지 않다. [Academic Search, Data Synthesis, Report \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Writing Skill Documentation]\\n**Source Agreement**: Medium (일부는 일반적 방법론, 일부는 실제 예시)\\n\\n## \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Contradictions & Uncertainties\\n- 직접적인 사례 연구(구체적 논문, 실증적 벤치마크 등)는 제공된 자료에 포함되어 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있지 않음.\\n- 최신 연구 동향 및 실제 적용 예시의 구체성은 제한적임.\\n\\n## Conclusion\\nContext Engineering은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 현대 AI 연구 및 협업 시스템에서 필수적인 기반 기술로, 맥락의 수집·통합·관리·활용 전반에 걸쳐 일관성과 신뢰성을 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 보장하는 것이 핵심이다. 연구 에이전트형 시스템과 파일시스템 기반 관리 시스템 모두에서 맥락 정보의 체계적 관리가 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 실질적 성과와 재현성, 협업 효율성에 직결됨을 알 수 있다. 향후에는 구체적 사례 연구와 벤치마크, 자동화 수준의 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 고도화가 주요 발전 방향이 될 것이다.\\n\\n## Source Attribution\\n1. Data Synthesis Skill Documentation: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \\\"/skills/data-synthesis/SKILL.md\\\"\\n2. Academic Search Skill Documentation: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \\\"/skills/academic-search/SKILL.md\\\"\\n3. Report Writing Skill Documentation: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \\\"/skills/report-writing/SKILL.md\\\"\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"new_string\": \"# AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구\\n\\n## 1. 서론\\nAI 에이전트의 성능과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \\\"컨텍스트 엔지니어링(Context Engineering)\\\"의 수준에 크게 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI 시스템 및 파일시스템 기반 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 종합적으로 정리한다.\\n\\n## 2. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링이란 무엇인가\\n컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 수 있도록 입력과 환경을 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 구조화(정보 아키텍처), 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Human-in-the-loop, 시간적 맥락, 데이터 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 환경에서 신뢰성 있게 동작하도록 하는 핵심 인프라로 부상하고 있다[1][5].\\n\\n## 3. 연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템에서의 적용 사례\\n멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Anthropic의 연구 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 윈도우를 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 성능 향상을 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있으며, Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링을 적극적으로 도입하고 있다[2][3].\\n\\n## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 사례\\n파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4].\\n\\n## 5. 최신 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 연구 동향 및 실제 적용 예시\\n최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 메타데이터, 휴먼 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 솔루션은 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 있다. 또한 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 맞춤형 응답 등으로 적용이 확산되고 있다[1][5].\\n\\n## 6. 결론\\n컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트 엔지니어링의 중요성은 더욱 커질 것으로 전망된다.\\n\\n### \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 참고문헌\\n[1] ClearPeople Blog, \\\"Context Engineering: The AI Differentiator\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator\\n[2] Vellum Blog, \\\"Multi-Agent Systems: \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Building with Context Engineering\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering\\n[3] Anthropic Engineering \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Blog, \\\"We Built a Multi-Agent Research System\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system\\n[4] 한국학술정보(KCI), \\\"파일시스템 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 기반 컨텍스트 관리 시스템\\\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 48\\n[5] Mei et al. (2025), \\\"A Survey of Context Engineering for Large Language Models\\\" (ClearPeople Blog 내 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 인용)\\n\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_5xb3utTNfE6PqlfPrdQSOFjM \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Successfully replaced 1 instance(s) of the string in '/final_report.md'                                         │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Successfully replaced 1 instance(s) of the string in '/final_report.md' \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: write_todos                                                                                          │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"todos\": [                                                                                                    │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\",                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록     │\n",
+       "│ researcher 서브에이전트에게 연구를 위임하기\",                                                                   │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\",                                     │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\",       │\n",
+       "│       \"status\": \"completed\"                                                                                     │\n",
+       "│     },                                                                                                          │\n",
+       "│     {                                                                                                           │\n",
+       "│       \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지        │\n",
+       "│ 검증하기\",                                                                                                      │\n",
+       "│       \"status\": \"in_progress\"                                                                                   │\n",
+       "│     }                                                                                                           │\n",
+       "│   ]                                                                                                             │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_ZeXkycNha0dqbH33K3Ze5qRz                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: write_todos \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"todos\": [ \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"사용자의 연구 요청을 /research_request.md 파일에 저장하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 있도록 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m researcher 서브에이전트에게 연구를 위임하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"서브에이전트의 연구 결과와 인용 출처를 종합 및 정리하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"최종 연구 보고서를 /final_report.md 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"completed\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m }, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"content\": \"/research_request.md 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 검증하기\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"status\": \"in_progress\" \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ] \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_ZeXkycNha0dqbH33K3Ze5qRz \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│ Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status':        │\n",
+       "│ 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수   │\n",
+       "│ 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구   │\n",
+       "│ 결과와 인용 출처를 종합 및 정리하기', 'status': 'completed'}, {'content': '최종 연구 보고서를 /final_report.md  │\n",
+       "│ 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'completed'}, {'content': '/research_request.md   │\n",
+       "│ 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'in_progress'}]          │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m Updated todo list to [{'content': '사용자의 연구 요청을 /research_request.md 파일에 저장하기', 'status': \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 'completed'}, {'content': 'AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 종합적으로 조사할 수 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 있도록 researcher 서브에이전트에게 연구를 위임하기', 'status': 'completed'}, {'content': '서브에이전트의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 결과와 인용 출처를 종합 및 정리하기', 'status': 'completed'}, {'content': '최종 연구 보고서를 /final_report.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일에 작성하기 (적절한 인용 포함, 한국어로 작성)', 'status': 'completed'}, {'content': '/research_request.md \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 파일을 읽고 모든 요구사항이 충족되었는지, 인용 및 구조가 적절한지 검증하기', 'status': 'in_progress'}] \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: read_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/final_report.md\",                                                                              │\n",
+       "│   \"offset\": 0,                                                                                                  │\n",
+       "│   \"limit\": 100                                                                                                  │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_j1UgbMDl7c1FEs6iTqdm10k0                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: read_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/final_report.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"offset\": 0, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"limit\": 100 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_j1UgbMDl7c1FEs6iTqdm10k0 \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│      1  # AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구                                               │\n",
+       "│      2                                                                                                          │\n",
+       "│      3  ## 1. 서론                                                                                              │\n",
+       "│      4  AI 에이전트의 성능과 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \"컨텍스트 엔지니어링(Context        │\n",
+       "│ Engineering)\"의 수준에 크게 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI    │\n",
+       "│ 시스템 및 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를        │\n",
+       "│ 종합적으로 정리한다.                                                                                            │\n",
+       "│      5                                                                                                          │\n",
+       "│      6  ## 2. 컨텍스트 엔지니어링이란 무엇인가                                                                  │\n",
+       "│      7  컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과 환경을    │\n",
+       "│ 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 구조화(정보 아키텍처),    │\n",
+       "│ 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), Human-in-the-loop, 시간적 맥락, 데이터  │\n",
+       "│ 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제 환경에서 신뢰성 있게 동작하도록 하는 핵심 │\n",
+       "│ 인프라로 부상하고 있다[1][5].                                                                                   │\n",
+       "│      8                                                                                                          │\n",
+       "│      9  ## 3. 연구 에이전트형 AI 시스템에서의 적용 사례                                                         │\n",
+       "│     10  멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어, Anthropic의 연구       │\n",
+       "│ 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 컨텍스트 윈도우를       │\n",
+       "│ 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 성능 향상을       │\n",
+       "│ 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 있으며,       │\n",
+       "│ Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 컨텍스트      │\n",
+       "│ 엔지니어링을 적극적으로 도입하고 있다[2][3].                                                                    │\n",
+       "│     11                                                                                                          │\n",
+       "│     12  ## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례                                              │\n",
+       "│     13  파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를  │\n",
+       "│ 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지  │\n",
+       "│ 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어  │\n",
+       "│ 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4].                   │\n",
+       "│     14                                                                                                          │\n",
+       "│     15  ## 5. 최신 연구 동향 및 실제 적용 예시                                                                  │\n",
+       "│     16  최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼     │\n",
+       "│ 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은 컨텍스트            │\n",
+       "│ 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 솔루션은     │\n",
+       "│ 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 있다. 또한    │\n",
+       "│ 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답      │\n",
+       "│ 등으로 적용이 확산되고 있다[1][5].                                                                              │\n",
+       "│     17                                                                                                          │\n",
+       "│     18  ## 6. 결론                                                                                              │\n",
+       "│     19  컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인    │\n",
+       "│ 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트         │\n",
+       "│ 엔지니어링의 중요성은 더욱 커질 것으로 전망된다.                                                                │\n",
+       "│     20                                                                                                          │\n",
+       "│     21  ### 참고문헌                                                                                            │\n",
+       "│     22  [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\",                                     │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator                                          │\n",
+       "│     23  [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\",                              │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering                                │\n",
+       "│     24  [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\",                               │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system                                         │\n",
+       "│     25  [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\",                                          │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48                                                                                                              │\n",
+       "│     26  [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 │\n",
+       "│ 인용)                                                                                                           │\n",
+       "│     27                                                                                                          │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m 1 # AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 2 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 3 ## 1. 서론 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 4 AI 에이전트의 성능과 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \"컨텍스트 엔지니어링(Context \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Engineering)\"의 수준에 크게 좌우된다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 시스템 및 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 종합적으로 정리한다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 5 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 6 ## 2. 컨텍스트 엔지니어링이란 무엇인가 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 7 컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과 환경을 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 구조화하는 실천적 접근법이다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 구조화(정보 아키텍처), \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 도메인 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), Human-in-the-loop, 시간적 맥락, 데이터 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 품질 및 거버넌스 등 다양한 요소를 포함한다. 이러한 요소들은 AI가 실제 환경에서 신뢰성 있게 동작하도록 하는 핵심 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 인프라로 부상하고 있다[1][5]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 8 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 9 ## 3. 연구 에이전트형 AI 시스템에서의 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 10 멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있다. 예를 들어, Anthropic의 연구 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 시스템은 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 컨텍스트 윈도우를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 명확히 정의하여 복잡한 연구 과제를 효율적으로 수행한다. 이러한 구조는 단일 에이전트 대비 높은 성능 향상을 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 보인다. 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 있으며, \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m Cognition.ai 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 컨텍스트 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 엔지니어링을 적극적으로 도입하고 있다[2][3]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 11 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 12 ## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 13 파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심이다. 예를 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 들어, MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 요구를 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 공학적 방법론을 적용한다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높인다[4]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 14 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 15 ## 5. 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 16 최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 피드백 등 다양한 기술적 접근이 활발히 논의되고 있다. MIT, Accenture, Deloitte, Gartner 등은 컨텍스트 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 엔지니어링이 AI 성능과 신뢰성의 핵심임을 강조한다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 솔루션은 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 역할 기반 권한, 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 있다. 또한 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 법률, 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 등으로 적용이 확산되고 있다[1][5]. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 17 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 18 ## 6. 결론 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 19 컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 적응, 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 영역에서 필수적으로 요구된다. 앞으로도 컨텍스트 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 엔지니어링의 중요성은 더욱 커질 것으로 전망된다. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 20 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 21 ### 참고문헌 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 22 [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 23 [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 24 [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 25 [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\", \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 48 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 26 [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 인용) \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 27 \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│                                                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ Tool Call: read_file                                                                                            │\n",
+       "│    Args: {                                                                                                      │\n",
+       "│   \"file_path\": \"/research_request.md\",                                                                          │\n",
+       "│   \"offset\": 0,                                                                                                  │\n",
+       "│   \"limit\": 100                                                                                                  │\n",
+       "│ }                                                                                                               │\n",
+       "│    ID: call_00A8bSoDwS3wwi4aCYwtyZDg                                                                            │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Tool Call: read_file \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Args: { \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"file_path\": \"/research_request.md\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"offset\": 0, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \"limit\": 100 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m } \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ID: call_00A8bSoDwS3wwi4aCYwtyZDg \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────── Tool Output ──────────────────────────────────────────────────╮\n",
+       "│      1  연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라.                      │\n",
+       "│      2                                                                                                          │\n",
+       "│      3  세부 요구사항:                                                                                          │\n",
+       "│      4  - Context Engineering이란 무엇인지                                                                      │\n",
+       "│      5  - 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례                                         │\n",
+       "│      6  - 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례                              │\n",
+       "│      7  - 최신 연구 동향 및 실제 적용 예시                                                                      │\n",
+       "│      8  - 참고문헌 및 인용 포함                                                                                 │\n",
+       "│      9  - 결과물은 한국어로 작성할 것                                                                           │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[33m╭─\u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m Tool Output \u001b[0m\u001b[33m─────────────────────────────────────────────────\u001b[0m\u001b[33m─╮\u001b[0m\n", + "\u001b[33m│\u001b[0m 1 연구 주제: AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법에 대해 조사하라. \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 2 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 3 세부 요구사항: \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 4 - Context Engineering이란 무엇인지 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 5 - 연구 에이전트형 AI 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 6 - 파일시스템 기반 컨텍스트 관리 시스템에서의 Context Engineering 적용 사례 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 7 - 최신 연구 동향 및 실제 적용 예시 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 8 - 참고문헌 및 인용 포함 \u001b[33m│\u001b[0m\n", + "\u001b[33m│\u001b[0m 9 - 결과물은 한국어로 작성할 것 \u001b[33m│\u001b[0m\n", + "\u001b[33m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + }, + { + "data": { + "text/html": [ + "
╭────────────────────────────────────────────────────── AI ───────────────────────────────────────────────────────╮\n",
+       "│ 아래는 요청하신 \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법\"에 대한 종합 연구 보고서의 핵심 내용    │\n",
+       "│ 요약입니다.                                                                                                     │\n",
+       "│ 최종 보고서는 /final_report.md에 저장되어 있으며, 모든 요구사항(정의, 적용 사례, 파일시스템 기반 사례, 최신     │\n",
+       "│ 동향, 인용 포함, 한국어 작성)을 충족합니다.                                                                     │\n",
+       "│                                                                                                                 │\n",
+       "│ ---                                                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│ # AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구                                                       │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 1. 서론                                                                                                      │\n",
+       "│ AI 에이전트의 성능과 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \"컨텍스트 엔지니어링(Context                │\n",
+       "│ Engineering)\"의 수준에 크게 좌우됩니다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI  │\n",
+       "│ 시스템 및 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를        │\n",
+       "│ 종합적으로 정리합니다.                                                                                          │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 2. 컨텍스트 엔지니어링이란 무엇인가                                                                          │\n",
+       "│ 컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과 환경을 구조화하는 │\n",
+       "│ 실천적 접근법입니다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 구조화(정보 아키텍처), 도메인      │\n",
+       "│ 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), Human-in-the-loop, 시간적 맥락, 데이터 품질 및 │\n",
+       "│ 거버넌스 등 다양한 요소를 포함합니다. 이러한 요소들은 AI가 실제 환경에서 신뢰성 있게 동작하도록 하는 핵심       │\n",
+       "│ 인프라로 부상하고 있습니다[1][5].                                                                               │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 3. 연구 에이전트형 AI 시스템에서의 적용 사례                                                                 │\n",
+       "│ 멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있습니다. 예를 들어, Anthropic의 연구 시스템은  │\n",
+       "│ 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 컨텍스트 윈도우를 명확히         │\n",
+       "│ 정의하여 복잡한 연구 과제를 효율적으로 수행합니다. 이러한 구조는 단일 에이전트 대비 높은 성능 향상을 보입니다.  │\n",
+       "│ 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 있으며, Cognition.ai  │\n",
+       "│ 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 컨텍스트 엔지니어링을      │\n",
+       "│ 적극적으로 도입하고 있습니다[2][3].                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례                                                      │\n",
+       "│ 파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심입니다. 예를 들어,  │\n",
+       "│ MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지 요구를 │\n",
+       "│ 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어 공학적  │\n",
+       "│ 방법론을 적용합니다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높입니다[4].                      │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 5. 최신 연구 동향 및 실제 적용 예시                                                                          │\n",
+       "│ 최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼 피드백 등   │\n",
+       "│ 다양한 기술적 접근이 활발히 논의되고 있습니다. MIT, Accenture, Deloitte, Gartner 등은 컨텍스트 엔지니어링이 AI  │\n",
+       "│ 성능과 신뢰성의 핵심임을 강조합니다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 솔루션은 역할 기반 권한,   │\n",
+       "│ 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 있습니다. 또한 법률,          │\n",
+       "│ 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답 등으로     │\n",
+       "│ 적용이 확산되고 있습니다[1][5].                                                                                 │\n",
+       "│                                                                                                                 │\n",
+       "│ ## 6. 결론                                                                                                      │\n",
+       "│ 컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응,      │\n",
+       "│ 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 영역에서 필수적으로 요구됩니다. 앞으로도 컨텍스트             │\n",
+       "│ 엔지니어링의 중요성은 더욱 커질 것으로 전망됩니다.                                                              │\n",
+       "│                                                                                                                 │\n",
+       "│ ### 참고문헌                                                                                                    │\n",
+       "│ [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\",                                             │\n",
+       "│ https://www.clearpeople.com/blog/context-engineering-ai-differentiator                                          │\n",
+       "│ [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\",                                      │\n",
+       "│ https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering                                │\n",
+       "│ [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\",                                       │\n",
+       "│ https://www.anthropic.com/engineering/built-multi-agent-research-system                                         │\n",
+       "│ [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\",                                                  │\n",
+       "│ https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 │\n",
+       "│ 48                                                                                                              │\n",
+       "│ [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 인용)   │\n",
+       "│                                                                                                                 │\n",
+       "│ ---                                                                                                             │\n",
+       "│                                                                                                                 │\n",
+       "│ 추가 설명이나 세부 내용이 필요하시면 말씀해 주세요!                                                             │\n",
+       "╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\n",
+       "
\n" + ], + "text/plain": [ + "\u001b[37m╭─\u001b[0m\u001b[37m─────────────────────────────────────────────────────\u001b[0m\u001b[37m AI \u001b[0m\u001b[37m──────────────────────────────────────────────────────\u001b[0m\u001b[37m─╮\u001b[0m\n", + "\u001b[37m│\u001b[0m 아래는 요청하신 \"AI 에이전트 구축에 사용되는 컨텍스트 엔지니어링 접근법\"에 대한 종합 연구 보고서의 핵심 내용 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 요약입니다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 최종 보고서는 /final_report.md에 저장되어 있으며, 모든 요구사항(정의, 적용 사례, 파일시스템 기반 사례, 최신 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 동향, 인용 포함, 한국어 작성)을 충족합니다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m --- \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m # AI 에이전트 구축을 위한 컨텍스트 엔지니어링 접근법 연구 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 1. 서론 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m AI 에이전트의 성능과 신뢰성, 실제 활용성은 단순한 모델 성능을 넘어, \"컨텍스트 엔지니어링(Context \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m Engineering)\"의 수준에 크게 좌우됩니다. 본 보고서는 컨텍스트 엔지니어링의 정의와 주요 개념, 연구 에이전트형 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 시스템 및 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례, 그리고 최신 연구 동향과 실제 적용 예시를 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 종합적으로 정리합니다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 2. 컨텍스트 엔지니어링이란 무엇인가 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링은 AI 시스템이 정보를 정확하게 해석하고 효과적으로 동작할 수 있도록 입력과 환경을 구조화하는 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 실천적 접근법입니다. 이는 단순한 프롬프트 엔지니어링을 넘어, 데이터와 지식의 구조화(정보 아키텍처), 도메인 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 적응, 사용자 페르소나 반영, RAG(Retrieval-Augmented Generation), Human-in-the-loop, 시간적 맥락, 데이터 품질 및 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 거버넌스 등 다양한 요소를 포함합니다. 이러한 요소들은 AI가 실제 환경에서 신뢰성 있게 동작하도록 하는 핵심 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 인프라로 부상하고 있습니다[1][5]. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 3. 연구 에이전트형 AI 시스템에서의 적용 사례 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 멀티에이전트 시스템은 최근 AI 연구에서 중요한 트렌드로 자리잡고 있습니다. 예를 들어, Anthropic의 연구 시스템은 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 리드 에이전트가 여러 전문 서브에이전트를 병렬로 조정하며, 각 에이전트의 역할과 컨텍스트 윈도우를 명확히 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 정의하여 복잡한 연구 과제를 효율적으로 수행합니다. 이러한 구조는 단일 에이전트 대비 높은 성능 향상을 보입니다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 실제로 슈퍼바이저 패턴, 계층형 패턴, 네트워크 패턴 등 다양한 멀티에이전트 구조가 활용되고 있으며, Cognition.ai \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 등은 에이전트 간 컨텍스트 미스매치가 주요 실패 원인임을 지적하고, 이를 해결하기 위해 컨텍스트 엔지니어링을 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 적극적으로 도입하고 있습니다[2][3]. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 4. 파일시스템 기반 컨텍스트 관리 시스템에서의 적용 사례 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 파일시스템 기반 컨텍스트 관리 시스템에서는 정보의 구조화, 검색성, 최신성, 신뢰성 확보가 핵심입니다. 예를 들어, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m MyGuide와 같은 컨텍스트 인지 시스템 개발 사례에서는 요구사항 분석 단계에서 비즈니스 로직과 컨텍스트 인지 요구를 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 분리하고, 컨텍스트 모델링, 메타데이터 및 계층적 파일 구조 설계, 버전 관리, 시간 정보 반영 등 소프트웨어 공학적 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 방법론을 적용합니다. 이러한 접근법은 실제 시스템의 유지보수성과 확장성을 크게 높입니다[4]. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 5. 최신 연구 동향 및 실제 적용 예시 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 최근 LLM 및 에이전트 시스템에서의 컨텍스트 엔지니어링 관련 논문, RAG, 도메인 적응, 메타데이터, 휴먼 피드백 등 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 다양한 기술적 접근이 활발히 논의되고 있습니다. MIT, Accenture, Deloitte, Gartner 등은 컨텍스트 엔지니어링이 AI \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 성능과 신뢰성의 핵심임을 강조합니다. 실제로 Atlas Fuse와 같은 엔터프라이즈 지식 관리 솔루션은 역할 기반 권한, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 메타데이터, 피드백, 투명한 감사 추적 등 컨텍스트 엔지니어링을 체계적으로 구현하고 있습니다. 또한 법률, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 고객센터, 추천 시스템 등 다양한 산업에서 도메인별 온톨로지, 실시간 RAG, 사용자 이력 기반 맞춤형 응답 등으로 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 적용이 확산되고 있습니다[1][5]. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ## 6. 결론 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 컨텍스트 엔지니어링은 AI 에이전트의 실제 활용성과 신뢰성을 좌우하는 핵심 기술로, 정보 구조화, 도메인 적응, \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 멀티에이전트 협업, 파일시스템 기반 관리 등 다양한 영역에서 필수적으로 요구됩니다. 앞으로도 컨텍스트 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 엔지니어링의 중요성은 더욱 커질 것으로 전망됩니다. \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m ### 참고문헌 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m [1] ClearPeople Blog, \"Context Engineering: The AI Differentiator\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.clearpeople.com/blog/context-engineering-ai-differentiator \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m [2] Vellum Blog, \"Multi-Agent Systems: Building with Context Engineering\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.vellum.ai/blog/multi-agent-systems-building-with-context-engineering \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m [3] Anthropic Engineering Blog, \"We Built a Multi-Agent Research System\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.anthropic.com/engineering/built-multi-agent-research-system \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m [4] 한국학술정보(KCI), \"파일시스템 기반 컨텍스트 관리 시스템\", \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART0013263 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 48 \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m [5] Mei et al. (2025), \"A Survey of Context Engineering for Large Language Models\" (ClearPeople Blog 내 인용) \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m --- \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m \u001b[37m│\u001b[0m\n", + "\u001b[37m│\u001b[0m 추가 설명이나 세부 내용이 필요하시면 말씀해 주세요! \u001b[37m│\u001b[0m\n", + "\u001b[37m╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯\u001b[0m\n" + ] + }, + "metadata": {}, + "output_type": "display_data" + } + ], + "source": [ + "format_messages(result[\"messages\"])" + ] + } + ], + "metadata": { + "kernelspec": { + "display_name": ".venv", + "language": "python", + "name": "python3" + }, + "language_info": { + "codemirror_mode": { + "name": "ipython", + "version": 3 + }, + "file_extension": ".py", + "mimetype": "text/x-python", + "name": "python", + "nbconvert_exporter": "python", + "pygments_lexer": "ipython3", + "version": "3.13.9" + } + }, + "nbformat": 4, + "nbformat_minor": 5 +} diff --git a/DeepAgents_Technical_Guide.md b/DeepAgents_Technical_Guide.md new file mode 100644 index 0000000..f8811d2 --- /dev/null +++ b/DeepAgents_Technical_Guide.md @@ -0,0 +1,1300 @@ +# DeepAgents 기술 가이드 + +## 목차 + +1. [개요 및 아키텍처](#1-개요-및-아키텍처) +2. [create_deep_agent() API](#2-create_deep_agent-api) +3. [Backend 시스템](#3-backend-시스템) +4. [Middleware 시스템](#4-middleware-시스템) +5. [SubAgent 위임 패턴](#5-subagent-위임-패턴) +6. [Filesystem Backend 활용 흐름](#6-filesystem-backend-활용-흐름) +7. [실전 활용 패턴](#7-실전-활용-패턴) +8. [Sandbox Backend 및 명령 실행](#8-sandbox-backend-및-명령-실행) +9. [Filesystem Backend 주의사항 및 Edge Cases](#9-filesystem-backend-주의사항-및-edge-cases) +10. [보안 모범 사례](#10-보안-모범-사례) + +--- + +## 1. 개요 및 아키텍처 + +### 1.1 DeepAgents란? + +DeepAgents는 복잡한 다단계 작업을 처리하는 "Deep Thinking" AI 에이전트를 구축하기 위한 LangChain 기반 프레임워크입니다. 핵심 특징: + +- **파일시스템 기반 컨텍스트 관리**: 가상 파일시스템을 통한 장기 메모리 +- **SubAgent 위임**: 독립적인 서브에이전트로 작업 병렬 처리 +- **자동 컨텍스트 요약**: 170K 토큰 초과 시 자동 메시지 요약 +- **Human-in-the-Loop**: 특정 도구 실행 전 사람 승인 요청 + +### 1.2 전체 아키텍처 + +```mermaid +graph TB + subgraph "DeepAgent 아키텍처" + User[사용자 입력] + + subgraph "Main Agent" + Model[LLM Model
Claude/GPT] + Middleware[Middleware Stack] + Tools[Tool Executor] + end + + subgraph "Middleware Stack" + TDL[TodoListMiddleware
write_todos 도구] + FSM[FilesystemMiddleware
ls, read, write, edit, glob, grep] + SAM[SubAgentMiddleware
task 도구] + SUM[SummarizationMiddleware
컨텍스트 요약] + PCM[PatchToolCallsMiddleware
dangling tool call 처리] + APM[AnthropicPromptCachingMiddleware
프롬프트 캐싱] + end + + subgraph "Backend Layer" + State[StateBackend
임시 상태] + FS[FilesystemBackend
로컬 파일시스템] + Store[StoreBackend
영구 저장소] + Comp[CompositeBackend
경로 라우팅] + end + + subgraph "SubAgents" + GP[General-Purpose Agent] + Custom[Custom SubAgents] + end + end + + User --> Model + Model --> Middleware + Middleware --> TDL + TDL --> FSM + FSM --> SAM + SAM --> SUM + SUM --> APM + APM --> PCM + PCM --> Tools + + FSM --> State + FSM --> FS + FSM --> Store + FSM --> Comp + + SAM --> GP + SAM --> Custom +``` + +--- + +## 2. create_deep_agent() API + +### 2.1 함수 시그니처 + +```python +def create_deep_agent( + model: str | BaseChatModel | None = None, + tools: Sequence[BaseTool | Callable | dict[str, Any]] | None = None, + *, + system_prompt: str | None = None, + middleware: Sequence[AgentMiddleware] = (), + subagents: list[SubAgent | CompiledSubAgent] | None = None, + response_format: ResponseFormat | None = None, + context_schema: type[Any] | None = None, + checkpointer: Checkpointer | None = None, + store: BaseStore | None = None, + backend: BackendProtocol | BackendFactory | None = None, + interrupt_on: dict[str, bool | InterruptOnConfig] | None = None, + debug: bool = False, + name: str | None = None, + cache: BaseCache | None = None, +) -> CompiledStateGraph +``` + +### 2.2 핵심 파라미터 상세 + +| 파라미터 | 타입 | 기본값 | 설명 | +|---------|------|-------|------| +| `model` | `str \| BaseChatModel` | Claude Sonnet 4.5 | 사용할 LLM. 문자열(`"openai:gpt-4o"`) 또는 BaseChatModel 인스턴스 | +| `tools` | `Sequence[...]` | None | 에이전트에 추가할 커스텀 도구 (내장 도구 외) | +| `backend` | `BackendProtocol \| BackendFactory` | StateBackend | 파일 저장소 백엔드 | +| `subagents` | `list[SubAgent \| CompiledSubAgent]` | None | 커스텀 서브에이전트 정의 | +| `interrupt_on` | `dict[str, bool \| InterruptOnConfig]` | None | HITL 인터럽트 설정 | +| `checkpointer` | `Checkpointer` | None | 대화 상태 영속화 | +| `store` | `BaseStore` | None | 스레드 간 영구 메모리 | + +### 2.3 기본 사용 예시 + +```python +from deepagents import create_deep_agent +from langchain.chat_models import init_chat_model + +# 기본 에이전트 (Claude Sonnet 4.5) +agent = create_deep_agent() + +# GPT-4.1 사용 +model = init_chat_model(model="openai:gpt-4.1") +agent = create_deep_agent(model=model) + +# 커스텀 도구 추가 +def my_search(query: str) -> str: + """웹 검색을 수행합니다.""" + return f"검색 결과: {query}" + +agent = create_deep_agent( + model=model, + tools=[my_search], + system_prompt="당신은 리서치 전문가입니다." +) +``` + +### 2.4 자동 주입되는 내장 도구 + +| 도구 | 출처 | 기능 | +|-----|------|------| +| `write_todos` | TodoListMiddleware | 작업 목록 관리 (pending, in_progress, completed) | +| `ls` | FilesystemMiddleware | 디렉토리 내용 조회 | +| `read_file` | FilesystemMiddleware | 파일 읽기 (offset/limit 페이지네이션) | +| `write_file` | FilesystemMiddleware | 새 파일 생성 | +| `edit_file` | FilesystemMiddleware | 기존 파일 편집 (문자열 치환) | +| `glob` | FilesystemMiddleware | 패턴으로 파일 검색 | +| `grep` | FilesystemMiddleware | 파일 내용 검색 | +| `execute` | FilesystemMiddleware | 쉘 명령 실행 (SandboxBackend 필요) | +| `task` | SubAgentMiddleware | 서브에이전트 호출 | + +--- + +## 3. Backend 시스템 + +Backend는 DeepAgent의 파일 저장소 추상화 계층입니다. +모든 Backend는 `BackendProtocol`을 구현합니다. + +### 3.1 BackendProtocol 인터페이스 + +```python +class BackendProtocol(ABC): + # 파일 목록 조회 + def ls_info(self, path: str) -> list[FileInfo] + async def als_info(self, path: str) -> list[FileInfo] + + # 파일 읽기 (페이지네이션 지원) + def read(self, file_path: str, offset: int = 0, limit: int = 2000) -> str + async def aread(self, file_path: str, offset: int = 0, limit: int = 2000) -> str + + # 파일 쓰기 (새 파일만, 기존 파일은 에러) + def write(self, file_path: str, content: str) -> WriteResult + async def awrite(self, file_path: str, content: str) -> WriteResult + + # 파일 편집 (문자열 치환) + def edit(self, file_path: str, old_string: str, new_string: str, replace_all: bool = False) -> EditResult + async def aedit(self, file_path: str, old_string: str, new_string: str, replace_all: bool = False) -> EditResult + + # 검색 + def grep_raw(self, pattern: str, path: str | None = None, glob: str | None = None) -> list[GrepMatch] | str + def glob_info(self, pattern: str, path: str = "/") -> list[FileInfo] + + # 벌크 작업 + def upload_files(self, files: list[tuple[str, bytes]]) -> list[FileUploadResponse] + def download_files(self, paths: list[str]) -> list[FileDownloadResponse] +``` + +### 3.2 Backend 구현체 비교 + +```mermaid +graph LR + subgraph "Backend 종류" + State[StateBackend
임시/상태 기반] + FS[FilesystemBackend
로컬 파일시스템] + Store[StoreBackend
LangGraph Store] + Comp[CompositeBackend
라우팅] + end + + subgraph "특성" + Ephemeral[임시 저장
스레드 범위] + Persistent[영구 저장
파일 기반] + CrossThread[스레드 간 공유
namespace 기반] + Routing[경로 기반 라우팅
백엔드 조합] + end + + State --> Ephemeral + FS --> Persistent + Store --> CrossThread + Comp --> Routing +``` + +| Backend | 저장 위치 | 수명 | files_update 반환 | 사용 시나리오 | +|---------|----------|------|------------------|--------------| +| **StateBackend** | LangGraph State | 대화 스레드 | ✅ (상태 업데이트용) | 임시 작업 파일 | +| **FilesystemBackend** | 로컬 디스크 | 영구 | ❌ (이미 저장됨) | 실제 파일 조작 | +| **StoreBackend** | LangGraph Store | 스레드 간 영구 | ❌ (이미 저장됨) | 장기 메모리 | +| **CompositeBackend** | 라우팅 | 백엔드별 상이 | 백엔드별 상이 | 하이브리드 | + +### 3.3 StateBackend 상세 + +LangGraph 상태에 파일을 저장하는 임시 백엔드입니다. + +```python +class StateBackend(BackendProtocol): + def __init__(self, runtime: ToolRuntime): + self.runtime = runtime + + def read(self, file_path: str, offset: int = 0, limit: int = 2000) -> str: + files = self.runtime.state.get("files", {}) + file_data = files.get(file_path) + if file_data is None: + return f"Error: File '{file_path}' not found" + return format_read_response(file_data, offset, limit) + + def write(self, file_path: str, content: str) -> WriteResult: + files = self.runtime.state.get("files", {}) + if file_path in files: + return WriteResult(error=f"Cannot write to {file_path} because it already exists...") + new_file_data = create_file_data(content) + return WriteResult(path=file_path, files_update={file_path: new_file_data}) +``` + +**FileData 구조**: +```python +class FileData(TypedDict): + content: list[str] # 파일 내용 (줄 단위) + created_at: str # ISO 8601 타임스탬프 + modified_at: str # ISO 8601 타임스탬프 +``` + +### 3.4 FilesystemBackend 상세 + +로컬 파일시스템에 직접 접근하는 백엔드입니다. + +```python +class FilesystemBackend(BackendProtocol): + def __init__( + self, + root_dir: str | Path | None = None, + virtual_mode: bool = False, # 가상 경로 모드 (샌드박싱) + max_file_size_mb: int = 10, + ): + self.cwd = Path(root_dir).resolve() if root_dir else Path.cwd() + self.virtual_mode = virtual_mode +``` + +**보안 기능**: +- `virtual_mode=True`: 모든 경로가 `root_dir` 하위로 제한 (디렉토리 탈출 방지) +- `O_NOFOLLOW` 플래그: 심볼릭 링크 따라가기 방지 +- Path traversal 차단: `..`, `~` 패턴 거부 + +**검색 최적화**: +- 1차: Ripgrep (`rg`) JSON 출력 사용 +- 2차: Python 폴백 (Ripgrep 미설치 시) + +### 3.5 CompositeBackend 상세 + +경로 접두사 기반으로 여러 백엔드를 라우팅합니다. + +```python +class CompositeBackend: + def __init__( + self, + default: BackendProtocol | StateBackend, # 기본 백엔드 + routes: dict[str, BackendProtocol], # 접두사 -> 백엔드 매핑 + ): + self.default = default + self.routes = routes + # 가장 긴 접두사부터 매칭 (longest-prefix matching) + self.sorted_routes = sorted(routes.items(), key=lambda x: len(x[0]), reverse=True) +``` + +**사용 예시**: +```python +from deepagents.backends import StateBackend, StoreBackend, FilesystemBackend, CompositeBackend + +backend = CompositeBackend( + default=StateBackend, # / 하위 기본 + routes={ + "/memories/": StoreBackend, # 장기 메모리 (영구) + "/workspace/": FilesystemBackend(root_dir="/tmp/agent", virtual_mode=True), + } +) + +agent = create_deep_agent(backend=backend) +``` + +**라우팅 동작**: +``` +/notes.txt → StateBackend (default) +/memories/facts.txt → StoreBackend +/workspace/code.py → FilesystemBackend +``` + +--- + +## 4. Middleware 시스템 + +Middleware는 에이전트의 모델 호출과 도구 실행을 가로채서 기능을 주입합니다. + +### 4.1 Middleware 적용 순서 + +`create_deep_agent()`가 생성하는 미들웨어 스택: + +```mermaid +graph TB + subgraph "Middleware Stack (외부 → 내부)" + HITL[8. HumanInTheLoopMiddleware
선택적 - interrupt_on 설정 시] + User[7. User Middleware
사용자 정의] + PCM[6. PatchToolCallsMiddleware
dangling tool call 수리] + APM[5. AnthropicPromptCachingMiddleware
프롬프트 캐싱] + SUM[4. SummarizationMiddleware
컨텍스트 요약] + SAM[3. SubAgentMiddleware
task 도구 + 서브에이전트] + FSM[2. FilesystemMiddleware
파일시스템 도구] + TDL[1. TodoListMiddleware
작업 관리] + end + + Request[요청] --> HITL + HITL --> User + User --> PCM + PCM --> APM + APM --> SUM + SUM --> SAM + SAM --> FSM + FSM --> TDL + TDL --> Model[LLM 호출] +``` + +### 4.2 AgentMiddleware 인터페이스 + +```python +class AgentMiddleware(ABC): + # 상태 스키마 확장 + state_schema: type[AgentState] | None = None + + # 주입할 도구 + tools: list[BaseTool] = [] + + # 모델 호출 래핑 (시스템 프롬프트 수정, 도구 필터링 등) + def wrap_model_call(self, request: ModelRequest, handler: Callable) -> ModelResponse + async def awrap_model_call(self, request: ModelRequest, handler: Callable) -> ModelResponse + + # 도구 호출 래핑 (결과 가로채기, 상태 업데이트 등) + def wrap_tool_call(self, request: ToolCallRequest, handler: Callable) -> ToolMessage | Command + async def awrap_tool_call(self, request: ToolCallRequest, handler: Callable) -> ToolMessage | Command + + # 에이전트 실행 전 훅 + def before_agent(self, state: AgentState, runtime: Runtime) -> dict | None +``` + +### 4.3 FilesystemMiddleware + +파일시스템 도구를 주입하고 대용량 결과를 자동 관리합니다. + +```python +class FilesystemMiddleware(AgentMiddleware): + state_schema = FilesystemState # files: dict[str, FileData] 추가 + + def __init__( + self, + backend: BACKEND_TYPES | None = None, + system_prompt: str | None = None, + custom_tool_descriptions: dict[str, str] | None = None, + tool_token_limit_before_evict: int | None = 20000, # 대용량 결과 기준 + ) +``` + +**대용량 결과 자동 처리**: +- 도구 결과가 `4 × tool_token_limit_before_evict` (기본 80,000자) 초과 시 +- `/large_tool_results/{tool_call_id}` 경로에 자동 저장 +- 에이전트에게는 처음 10줄 샘플 + 파일 참조 메시지 반환 +- 에이전트가 `read_file`로 페이지네이션 읽기 가능 + +### 4.4 SubAgentMiddleware + +서브에이전트 생성 및 `task` 도구를 주입합니다. + +```python +class SubAgentMiddleware(AgentMiddleware): + def __init__( + self, + default_model: str | BaseChatModel, + default_tools: Sequence[...] | None = None, + default_middleware: list[AgentMiddleware] | None = None, + default_interrupt_on: dict[...] | None = None, + subagents: list[SubAgent | CompiledSubAgent] | None = None, + system_prompt: str | None = TASK_SYSTEM_PROMPT, + general_purpose_agent: bool = True, # 기본 범용 에이전트 포함 + task_description: str | None = None, + ) +``` + +**SubAgent 정의**: +```python +class SubAgent(TypedDict): + name: str # 에이전트 식별자 + description: str # 메인 에이전트에게 보여줄 설명 + system_prompt: str # 서브에이전트 시스템 프롬프트 + tools: Sequence[...] # 사용 가능한 도구 + model: NotRequired[str | BaseChatModel] # 모델 오버라이드 + middleware: NotRequired[list[AgentMiddleware]] # 추가 미들웨어 + interrupt_on: NotRequired[dict[...]] # HITL 설정 +``` + +### 4.5 SummarizationMiddleware + +컨텍스트 오버플로우 방지를 위한 자동 메시지 요약입니다. + +```python +SummarizationMiddleware( + model=model, + trigger=("fraction", 0.85), # 컨텍스트의 85% 도달 시 요약 + keep=("fraction", 0.10), # 최근 10% 유지 +) +``` + +**트리거 조건**: +- `("fraction", 0.85)`: 모델 컨텍스트의 85% 도달 시 +- `("tokens", 170000)`: 170K 토큰 도달 시 (모델 정보 없을 때) + +### 4.6 PatchToolCallsMiddleware + +"Dangling tool call" 문제를 해결합니다. + +**문제 상황**: AIMessage에 `tool_calls`가 있지만 대응하는 `ToolMessage`가 없는 경우 + +**해결 방법**: `before_agent` 훅에서 누락된 ToolMessage를 자동 생성 +```python +ToolMessage( + content="Tool call was cancelled or did not complete.", + tool_call_id=dangling_tool_call_id +) +``` + +--- + +## 5. SubAgent 위임 패턴 + +### 5.1 SubAgent 동작 원리 + +```mermaid +sequenceDiagram + participant User as 사용자 + participant Main as Main Agent + participant Task as task 도구 + participant Sub as SubAgent + + User->>Main: 복잡한 요청 + Main->>Main: 작업 분석 + Main->>Task: task(description, subagent_type) + + Note over Task: 상태 격리 준비 + Task->>Task: messages, todos 제외 + Task->>Sub: HumanMessage(description) + + Sub->>Sub: 독립적 실행 + Sub->>Sub: 도구 호출들... + Sub-->>Task: 최종 결과 메시지 + + Note over Task: 결과 반환 + Task->>Task: ToolMessage로 변환 + Task-->>Main: Command(update={...}) + + Main->>Main: 결과 통합 + Main-->>User: 최종 응답 +``` + +### 5.2 상태 격리 메커니즘 + +**제외되는 상태 키** (`_EXCLUDED_STATE_KEYS`): +```python +{"messages", "todos", "structured_response"} +``` + +- `messages`: 서브에이전트는 독립적인 대화 컨텍스트를 가짐 +- `todos`: 작업 목록 충돌 방지 +- `structured_response`: 스키마 충돌 방지 + +**전달되는 상태**: 위 키를 제외한 모든 커스텀 상태 (예: `files`, 사용자 정의 상태) + +### 5.3 병렬 SubAgent 실행 + +메인 에이전트가 한 번의 응답에서 여러 `task` 도구를 호출하면 병렬 실행됩니다: + +```python +# LLM이 생성하는 응답 +AIMessage( + tool_calls=[ + {"name": "task", "args": {"description": "Python 조사", "subagent_type": "general-purpose"}}, + {"name": "task", "args": {"description": "JavaScript 조사", "subagent_type": "general-purpose"}}, + {"name": "task", "args": {"description": "Rust 조사", "subagent_type": "general-purpose"}}, + ] +) +``` + +각 서브에이전트는: +- 독립적인 상태 복사본으로 실행 +- 병렬 처리되어 성능 최적화 +- 개별 `ToolMessage`로 결과 반환 + +### 5.4 커스텀 SubAgent 정의 + +```python +research_agent = { + "name": "researcher", + "description": "심층 리서치가 필요한 질문에 사용", + "system_prompt": """당신은 전문 리서처입니다. + - 최대 5번의 검색 수행 + - 출처 명시 필수 + - 결과를 구조화된 형식으로 반환""", + "tools": [tavily_search, think_tool], + "model": "openai:gpt-4o", # 선택적 모델 오버라이드 +} + +agent = create_deep_agent( + model=model, + subagents=[research_agent], +) +``` + +--- + +## 6. Filesystem Backend 활용 흐름 + +### 6.1 전체 데이터 흐름 + +```mermaid +flowchart TB + subgraph "에이전트 실행" + LLM[LLM 모델] + TN[Tool Node] + end + + subgraph "FilesystemMiddleware" + FSM_wrap[wrap_tool_call] + FSM_tools[도구 함수들
ls, read, write, edit, glob, grep] + end + + subgraph "Backend 선택" + Router{CompositeBackend
경로 라우팅} + State[StateBackend] + FS[FilesystemBackend] + Store[StoreBackend] + end + + subgraph "저장소" + LGState[(LangGraph State)] + Disk[(로컬 디스크)] + LGStore[(LangGraph Store)] + end + + LLM -->|tool_calls| TN + TN --> FSM_wrap + FSM_wrap --> FSM_tools + + FSM_tools --> Router + Router -->|"/"| State + Router -->|"/memories/"| Store + Router -->|"/workspace/"| FS + + State -->|files_update| LGState + FS -->|직접 I/O| Disk + Store -->|namespace 저장| LGStore + + State -.->|읽기| LGState + FS -.->|읽기| Disk + Store -.->|읽기| LGStore +``` + +### 6.2 파일 쓰기 흐름 상세 + +```mermaid +sequenceDiagram + participant Agent as 에이전트 + participant FSM as FilesystemMiddleware + participant Backend as Backend + participant Storage as 저장소 + + Agent->>FSM: write_file("/report.md", content) + FSM->>FSM: _validate_path() 검증 + FSM->>Backend: backend.write("/report.md", content) + + alt StateBackend + Backend->>Backend: 기존 파일 확인 + Backend->>Backend: create_file_data(content) + Backend-->>FSM: WriteResult(files_update={...}) + FSM-->>Agent: Command(update={"files": {...}}) + Note over Agent: LangGraph State 업데이트 + else FilesystemBackend + Backend->>Storage: os.open(O_CREAT | O_NOFOLLOW) + Backend->>Storage: f.write(content) + Backend-->>FSM: WriteResult(files_update=None) + FSM-->>Agent: ToolMessage("성공") + Note over Storage: 디스크에 직접 저장됨 + end +``` + +### 6.3 대용량 결과 처리 흐름 + +```mermaid +sequenceDiagram + participant Agent as 에이전트 + participant FSM as FilesystemMiddleware + participant Tool as 도구 (grep 등) + participant Backend as Backend + + Agent->>FSM: grep("pattern", "/") + FSM->>Tool: grep_raw(...) + Tool-->>FSM: 100,000자 결과 + + FSM->>FSM: len(result) > 80,000? ✓ + FSM->>Backend: write("/large_tool_results/...", result) + Backend-->>FSM: WriteResult + + FSM-->>Agent: Command(update={
"files": {...},
"messages": [ToolMessage(
"처음 10줄...
전체 결과: /large_tool_results/..."
)]
}) + + Note over Agent: 필요시 read_file로 페이지네이션 읽기 +``` + +### 6.4 CompositeBackend 라우팅 흐름 + +```mermaid +flowchart TD + subgraph "CompositeBackend" + Input[파일 경로 입력] + Route{longest-prefix
매칭} + + Route -->|"/memories/*"| MemStrip[접두사 제거
"/memories/note.txt" → "/note.txt"] + Route -->|"/workspace/*"| WorkStrip[접두사 제거
"/workspace/code.py" → "/code.py"] + Route -->|"/*" 기타| Default[기본 백엔드
경로 유지] + + MemStrip --> Store[StoreBackend] + WorkStrip --> FS[FilesystemBackend] + Default --> State[StateBackend] + + Store --> MemResult[결과에 접두사 복원] + FS --> WorkResult[결과에 접두사 복원] + State --> DefaultResult[결과 그대로] + end + + Input --> Route +``` + +### 6.5 실제 구현 예시: 리서치 에이전트 + +```python +from deepagents import create_deep_agent +from deepagents.backends import CompositeBackend, StateBackend, FilesystemBackend +from langchain.chat_models import init_chat_model + +# 백엔드 구성 +backend = CompositeBackend( + default=StateBackend, # 팩토리 (런타임에 인스턴스화) + routes={ + "/research/": FilesystemBackend( + root_dir="./research_workspace", + virtual_mode=True, + ), + } +) + +# 커스텀 도구 +def tavily_search(query: str, max_results: int = 3) -> str: + """웹 검색을 수행합니다.""" + # Tavily API 호출... + return results + +def think_tool(reflection: str) -> str: + """전략적 사고를 위한 도구입니다.""" + return "생각이 기록되었습니다." + +# 에이전트 생성 +agent = create_deep_agent( + model=init_chat_model("openai:gpt-4o"), + tools=[tavily_search, think_tool], + backend=backend, + system_prompt="""당신은 리서치 전문가입니다. + +## 워크플로우 +1. 요청 분석 → /research/request.md에 저장 +2. 검색 수행 (최대 5회) +3. 결과 종합 → /research/report.md에 저장 +4. 검증 및 완료 + +## 규칙 +- 검색 전 항상 think_tool로 전략 수립 +- 출처는 반드시 명시 +- 결과는 구조화된 마크다운으로 작성 +""", +) + +# 실행 +result = agent.invoke({ + "messages": [HumanMessage(content="2024년 AI 에이전트 트렌드 조사해줘")] +}) +``` + +--- + +## 7. 실전 활용 패턴 + +### 7.1 Human-in-the-Loop 설정 + +```python +agent = create_deep_agent( + model=model, + interrupt_on={ + "write_file": True, # 모든 파일 쓰기에 승인 요청 + "execute": { # 명령 실행에 상세 설정 + "type": "tool", + "action_description": "쉘 명령 실행", + }, + "task": False, # 서브에이전트 호출은 자동 허용 + } +) + +# 스트리밍으로 인터럽트 처리 +for event in agent.stream({"messages": [...]}, stream_mode="updates"): + if "interrupt" in event: + # 사용자 승인 요청 UI 표시 + approved = get_user_approval(event["interrupt"]) + if not approved: + break +``` + +### 7.2 장기 메모리 구성 + +```python +from langgraph.checkpoint.memory import MemorySaver +from langgraph.store.memory import InMemoryStore + +# 체크포인터: 대화 상태 저장 +checkpointer = MemorySaver() + +# 스토어: 스레드 간 공유 메모리 +store = InMemoryStore() + +# 백엔드: 메모리 경로 설정 +backend = CompositeBackend( + default=StateBackend, + routes={ + "/memories/": StoreBackend, # 영구 메모리 + } +) + +agent = create_deep_agent( + model=model, + checkpointer=checkpointer, + store=store, + backend=backend, +) + +# thread_id로 대화 연속성 유지 +config = {"configurable": {"thread_id": "user_123"}} +result = agent.invoke({"messages": [...]}, config=config) +``` + +### 7.3 전문화된 SubAgent 팀 구성 + +```python +# 리서처 에이전트 +researcher = { + "name": "researcher", + "description": "심층 웹 리서치가 필요할 때 사용", + "system_prompt": "당신은 리서치 전문가입니다...", + "tools": [tavily_search, think_tool], +} + +# 코더 에이전트 +coder = { + "name": "coder", + "description": "코드 작성이나 기술 구현이 필요할 때 사용", + "system_prompt": "당신은 시니어 개발자입니다...", + "tools": [], # 파일시스템 도구만 사용 +} + +# 리뷰어 에이전트 +reviewer = { + "name": "reviewer", + "description": "결과물 검토 및 품질 확인이 필요할 때 사용", + "system_prompt": "당신은 QA 전문가입니다...", + "tools": [], +} + +agent = create_deep_agent( + model=model, + subagents=[researcher, coder, reviewer], + system_prompt="""당신은 프로젝트 매니저입니다. + +복잡한 작업은 적절한 서브에이전트에게 위임하세요: +- 정보 수집 → researcher +- 구현 → coder +- 검증 → reviewer + +병렬 실행이 가능한 작업은 동시에 여러 task 도구를 호출하세요. +""", +) +``` + +### 7.4 디버깅 및 모니터링 + +```python +# LangSmith 트레이싱 활성화 +import os +os.environ["LANGSMITH_API_KEY"] = "lsv2_pt_..." +os.environ["LANGSMITH_TRACING"] = "true" +os.environ["LANGSMITH_PROJECT"] = "my-deepagent" + +# 디버그 모드 +agent = create_deep_agent( + model=model, + debug=True, + name="ResearchAgent", # 그래프 이름 지정 +) + +# 그래프 구조 시각화 +print(agent.get_graph().draw_mermaid()) +``` + +--- + +## 부록: 주요 타입 정의 + +### FileInfo +```python +class FileInfo(TypedDict): + path: str # 필수 + is_dir: NotRequired[bool] + size: NotRequired[int] # 바이트 + modified_at: NotRequired[str] # ISO 8601 +``` + +### WriteResult / EditResult +```python +@dataclass +class WriteResult: + error: str | None = None + path: str | None = None + files_update: dict[str, Any] | None = None # StateBackend용 + +@dataclass +class EditResult: + error: str | None = None + path: str | None = None + files_update: dict[str, Any] | None = None + occurrences: int | None = None +``` + +### GrepMatch +```python +class GrepMatch(TypedDict): + path: str # 파일 경로 + line: int # 줄 번호 (1부터) + text: str # 매칭된 줄 내용 +``` + +### ExecuteResponse +```python +@dataclass +class ExecuteResponse: + output: str # stdout + stderr + exit_code: int | None = None + truncated: bool = False # 출력 잘림 여부 +``` + +--- + +## 8. Sandbox Backend 및 명령 실행 + +DeepAgent는 격리된 환경에서 쉘 명령을 실행할 수 있는 Sandbox 시스템을 제공합니다. + +### 8.1 SandboxBackendProtocol + +`BackendProtocol`을 확장하여 명령 실행 기능을 추가합니다: + +```python +class SandboxBackendProtocol(BackendProtocol): + def execute(self, command: str) -> ExecuteResponse: + """쉘 명령을 실행하고 결과를 반환합니다.""" + + async def aexecute(self, command: str) -> ExecuteResponse: + """비동기 버전""" + + @property + def id(self) -> str: + """샌드박스 고유 식별자""" +``` + +### 8.2 BaseSandbox 구현 + +모든 Sandbox 구현의 기반 클래스로, 파일 작업을 쉘 명령으로 변환합니다: + +```mermaid +flowchart LR + subgraph "BaseSandbox" + Read[read_file] + Write[write_file] + Edit[edit_file] + Grep[grep] + Glob[glob] + end + + subgraph "명령 변환" + ReadCmd["python3 -c 'read script'"] + WriteCmd["python3 -c 'write script'"] + EditCmd["python3 -c 'edit script'"] + GrepCmd["grep -F pattern"] + GlobCmd["python3 -c 'glob script'"] + end + + Read --> ReadCmd + Write --> WriteCmd + Edit --> EditCmd + Grep --> GrepCmd + Glob --> GlobCmd + + ReadCmd --> Execute[execute] + WriteCmd --> Execute + EditCmd --> Execute + GrepCmd --> Execute + GlobCmd --> Execute +``` + +**보안 패턴 - Base64 인코딩**: +```python +# 모든 페이로드는 Base64로 인코딩되어 쉘 인젝션 방지 +_WRITE_COMMAND_TEMPLATE = """python3 -c " +import base64 +content = base64.b64decode('{content_b64}').decode('utf-8') +with open('{file_path}', 'w') as f: + f.write(content) +" 2>&1""" +``` + +### 8.3 Harbor 통합 (Docker 기반) + +`HarborSandbox`는 Docker 컨테이너에서 명령을 실행합니다: + +```python +class HarborSandbox(SandboxBackendProtocol): + def __init__(self, environment: BaseEnvironment): + self.environment = environment # Harbor 환경 + + async def aexecute(self, command: str) -> ExecuteResponse: + result = await self.environment.exec(command) + return ExecuteResponse( + output=self._filter_tty_noise(result.stdout + result.stderr), + exit_code=result.exit_code, + ) +``` + +**TTY 노이즈 필터링**: +- `"cannot set terminal process group (-1)"` 제거 +- `"no job control in this shell"` 제거 +- `"initialize_job_control: Bad file descriptor"` 제거 + +### 8.4 Sandbox 프로바이더 + +| 프로바이더 | 작업 디렉토리 | 특징 | +|-----------|-------------|------| +| **Modal** | `/workspace` | 클라우드 함수 기반, 임시 | +| **Runloop** | `/home/user` | 클라우드 devbox, ID로 재사용 가능 | +| **Daytona** | `/home/daytona` | 클라우드 워크스페이스 | + +**프로바이더 사용 예시**: +```python +from deepagents_cli.integrations.sandbox_factory import create_sandbox + +with create_sandbox( + provider="modal", + setup_script_path="./setup.sh", # 초기화 스크립트 +) as sandbox: + result = sandbox.execute("python3 --version") + print(result.output) +``` + +### 8.5 Sandbox 선택 가이드 + +```mermaid +flowchart TD + Start[실행 환경 필요?] + Start -->|예| Isolated{격리 수준?} + Start -->|아니오| FS[FilesystemBackend] + + Isolated -->|최대| Docker[HarborSandbox
Docker 컨테이너] + Isolated -->|중간| Cloud[Modal/Runloop
클라우드 샌드박스] + Isolated -->|최소| Local[BaseSandbox 커스텀
로컬 서브프로세스] + + Docker --> UseCase1[프로덕션, 민감한 작업] + Cloud --> UseCase2[개발, 테스트] + Local --> UseCase3[로컬 개발, 신뢰할 수 있는 코드] +``` + +--- + +## 9. Filesystem Backend 주의사항 및 Edge Cases + +### 9.1 주요 Gotcha 요약 + +| 이슈 | 심각도 | 영향 | 해결 방법 | +|-----|-------|------|----------| +| Windows에서 Symlink following | 높음 | 보안: 경로 탈출 가능 | `virtual_mode=True` 사용 | +| Non-UTF-8 인코딩 미지원 | 중간 | 일부 파일 읽기/쓰기 실패 | 사전에 인코딩 변환 | +| `max_file_size_mb`가 grep에만 적용 | 중간 | 대용량 파일 읽기 시 메모리 문제 | 페이지네이션 사용 | +| 권한 오류 무시 | 높음 | 불완전한 디렉토리 목록 | 로그 모니터링 | +| TOCTOU 레이스 컨디션 | 높음 | 동시 쓰기 실패 | 단일 스레드 사용 또는 재시도 로직 | +| 빈 파일 경고 메시지 반환 | 중간 | API 일관성 문제 | 에러 문자열 파싱 | + +### 9.2 경로 검증 상세 + +**FilesystemMiddleware의 `_validate_path()` 함수**: + +```python +def _validate_path(path: str, *, allowed_prefixes: Sequence[str] | None = None) -> str: + # 1. Path traversal 차단 + if ".." in path or path.startswith("~"): + raise ValueError(f"Path traversal not allowed: {path}") + + # 2. Windows 절대 경로 거부 + if re.match(r"^[a-zA-Z]:", path): # C:, D:, 등 + raise ValueError(f"Windows absolute paths are not supported: {path}") + + # 3. 정규화 (// 제거, . 제거) + normalized = os.path.normpath(path).replace("\\", "/") + + # 4. 선행 슬래시 보장 + if not normalized.startswith("/"): + normalized = f"/{normalized}" + + # 5. 허용된 접두사 검증 (선택) + if allowed_prefixes is not None: + if not any(normalized.startswith(prefix) for prefix in allowed_prefixes): + raise ValueError(f"Path must start with one of {allowed_prefixes}") + + return normalized +``` + +**검증 예시**: +```python +_validate_path("foo/bar") # → "/foo/bar" ✓ +_validate_path("/./foo//bar") # → "/foo/bar" ✓ +_validate_path("../etc/passwd") # → ValueError ✗ +_validate_path("C:\\Users\\file") # → ValueError ✗ +_validate_path("/data/f.txt", allowed_prefixes=["/data/"]) # ✓ +_validate_path("/etc/f.txt", allowed_prefixes=["/data/"]) # → ValueError ✗ +``` + +### 9.3 Symlink 보안 + +```python +# FilesystemBackend에서 O_NOFOLLOW 사용 +fd = os.open(resolved_path, os.O_RDONLY | getattr(os, "O_NOFOLLOW", 0)) +``` + +**플랫폼별 동작**: +- **Linux/macOS**: `O_NOFOLLOW`가 symlink following 방지 +- **Windows**: `O_NOFOLLOW` 미지원, symlink 따라감 ⚠️ + +**권장 사항**: Windows 환경에서는 반드시 `virtual_mode=True` 사용 + +### 9.4 인코딩 처리 + +모든 텍스트 작업은 **UTF-8 전용**: + +```python +# 읽기/쓰기 모두 UTF-8 +with os.fdopen(fd, "r", encoding="utf-8") as f: + content = f.read() +``` + +**Non-UTF-8 파일 처리 시**: +```python +# 사전 변환 필요 +with open(path, "r", encoding="latin-1") as f: + content = f.read() +utf8_content = content.encode("utf-8").decode("utf-8") +``` + +### 9.5 Edit 작업 주의사항 + +**`replace_all` 플래그 동작**: + +```mermaid +flowchart TD + Input[edit_file 호출] + Count[old_string 발생 횟수 카운트] + + Input --> Count + Count -->|0회| Error1["에러: String not found"] + Count -->|1회| Replace[치환 수행] + Count -->|2회 이상| Check{replace_all?} + + Check -->|True| ReplaceAll[모든 발생 치환] + Check -->|False| Error2["에러: appears N times
Use replace_all=True"] + + Replace --> Success[성공] + ReplaceAll --> Success +``` + +**예시**: +```python +# 파일 내용: "hello world hello" + +# ❌ 실패 - 2회 발생 +result = be.edit("/file.txt", "hello", "hi", replace_all=False) +# → "Error: String 'hello' appears 2 times in file. Use replace_all=True..." + +# ✓ 성공 +result = be.edit("/file.txt", "hello", "hi", replace_all=True) +# → occurrences=2 +``` + +### 9.6 대용량 파일 처리 + +**제한 및 임계값**: + +| 설정 | 값 | 적용 대상 | +|------|------|----------| +| `max_file_size_mb` | 10 MB | grep 검색에서 스킵 | +| `tool_token_limit_before_evict` | 20,000 토큰 | 결과 자동 저장 임계값 | +| `read()` limit | 2,000 줄 | 페이지네이션 기본값 | +| 줄 길이 제한 | 10,000 자 | 포맷팅 시 분할 | + +**대용량 파일 읽기 패턴**: +```python +# 처음 100줄 읽기 +content = backend.read("/large_file.txt", offset=0, limit=100) + +# 다음 100줄 읽기 +content = backend.read("/large_file.txt", offset=100, limit=100) +``` + +### 9.7 동시성 주의 + +**TOCTOU (Time-of-Check-Time-of-Use) 문제**: + +```mermaid +sequenceDiagram + participant A as 프로세스 A + participant B as 프로세스 B + participant FS as 파일시스템 + + A->>FS: 파일 존재 확인 (없음) + B->>FS: 파일 존재 확인 (없음) + A->>FS: 파일 생성 시도 + B->>FS: 파일 생성 시도 + FS-->>A: 성공 + FS-->>B: 실패 (이미 존재) +``` + +**해결 방법**: +1. 단일 스레드/프로세스로 파일 작업 제한 +2. 실패 시 재시도 로직 구현 +3. 외부 잠금 메커니즘 사용 + +### 9.8 에러 반환 패턴 + +**두 가지 에러 패턴 혼재**: + +| 함수 | 반환 타입 | 에러 표현 | +|------|----------|----------| +| `read()` | `str` | 에러 문자열 직접 반환 | +| `grep_raw()` | `list[GrepMatch] \| str` | 에러 시 문자열 | +| `write()` | `WriteResult` | `.error` 필드 | +| `edit()` | `EditResult` | `.error` 필드 | +| `upload_files()` | `list[FileUploadResponse]` | 각 항목의 `.error` 필드 | + +**안전한 에러 처리**: +```python +# read() 결과 처리 +result = backend.read("/file.txt") +if result.startswith("Error:"): + handle_error(result) +else: + process_content(result) + +# grep_raw() 결과 처리 +result = backend.grep_raw("pattern", "/") +if isinstance(result, str): # 에러 문자열 + handle_error(result) +else: # list[GrepMatch] + process_matches(result) +``` + +--- + +## 10. 보안 모범 사례 + +### 10.1 방어 계층 + +```mermaid +flowchart TB + subgraph "Layer 1: 입력 검증" + PathVal[_validate_path
경로 순회 차단] + SanitizeID[sanitize_tool_call_id
ID 안전화] + end + + subgraph "Layer 2: 파일시스템 보호" + Virtual[virtual_mode
루트 격리] + NoFollow[O_NOFOLLOW
symlink 차단] + end + + subgraph "Layer 3: 실행 격리" + Base64[Base64 인코딩
인젝션 방지] + Sandbox[Sandbox 실행
프로세스 격리] + end + + subgraph "Layer 4: 결과 제한" + TokenLimit[토큰 제한
컨텍스트 보호] + Eviction[대용량 결과 저장
메모리 보호] + end + + Input[사용자 입력] --> PathVal + PathVal --> Virtual + Virtual --> Base64 + Base64 --> TokenLimit +``` + +### 10.2 보안 체크리스트 + +```python +# ✓ 프로덕션 설정 예시 +agent = create_deep_agent( + model=model, + backend=CompositeBackend( + default=StateBackend, # 임시 파일은 상태에 + routes={ + "/workspace/": FilesystemBackend( + root_dir="./sandbox", + virtual_mode=True, # ✓ 필수: 경로 격리 + max_file_size_mb=5, # ✓ 권장: 파일 크기 제한 + ), + } + ), + middleware=[ + FilesystemMiddleware( + tool_token_limit_before_evict=10000, # ✓ 권장: 결과 크기 제한 + ) + ], + interrupt_on={ + "execute": True, # ✓ 필수: 명령 실행 전 승인 + "write_file": True, # ✓ 권장: 파일 쓰기 전 승인 + }, +) +``` + +### 10.3 민감한 경로 보호 + +```python +# allowed_prefixes로 접근 제한 +def create_restricted_backend(runtime): + return FilesystemBackend( + root_dir="./data", + virtual_mode=True, + ) + +# 미들웨어에서 경로 검증 +class RestrictedFilesystemMiddleware(FilesystemMiddleware): + def _validate_path(self, path): + # 추가 검증 로직 + if "/secrets/" in path or "/.env" in path: + raise ValueError("Access to sensitive paths is forbidden") + return super()._validate_path(path) +``` + +--- + +## 참고 자료 + +- [DeepAgents 공식 문서](https://docs.langchain.com/oss/python/deepagents/overview) +- [LangGraph 문서](https://langchain-ai.github.io/langgraph/) +- [소스코드 참조](./deepagents_sourcecode/libs/deepagents/) diff --git a/LICENSE b/LICENSE new file mode 100644 index 0000000..38bf5f3 --- /dev/null +++ b/LICENSE @@ -0,0 +1,21 @@ +MIT License + +Copyright (c) 2025 HyunjunJeon + +Permission is hereby granted, free of charge, to any person obtaining a copy +of this software and associated documentation files (the "Software"), to deal +in the Software without restriction, including without limitation the rights +to use, copy, modify, merge, publish, distribute, sublicense, and/or sell +copies of the Software, and to permit persons to whom the Software is +furnished to do so, subject to the following conditions: + +The above copyright notice and this permission notice shall be included in all +copies or substantial portions of the Software. + +THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR +IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, +FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE +AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER +LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, +OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE +SOFTWARE. diff --git a/README.md b/README.md new file mode 100644 index 0000000..faaa221 --- /dev/null +++ b/README.md @@ -0,0 +1,56 @@ +# DeepAgent Context Engineering + +FileSystem 기반 Context Engineering 을 원활히 수행하는 Multi Agent 구성을 위한 DeepAgent(From LangChain's deepagents library) + +## DeepAgent Technical Guide + +[DeepAgent Technical Guide](./DeepAgents_Technical_Guide.md) + +## DeepAgent - Research + +### 모듈 구조 요약 + +``` +research_agent/ +├── agent.py # 메인 오케스트레이터 (create_deep_agent) +├── prompts.py # 오케스트레이터 및 Simple SubAgent 프롬프트 +├── tools.py # tavily_search, think_tool +├── utils.py # 노트북 시각화 헬퍼 +│ +├── researcher/ # 자율적 연구 에이전트 모듈 (NEW) +│ ├── __init__.py # 모듈 exports +│ ├── agent.py # create_researcher_agent, get_researcher_subagent +│ └── prompts.py # AUTONOMOUS_RESEARCHER_INSTRUCTIONS +│ +├── skills/ # Skills 미들웨어 +│ └── middleware.py # SkillsMiddleware (Progressive Disclosure) +│ +└── subagents/ # SubAgent 유틸리티 + └── definitions.py # SubAgent 정의 헬퍼 +``` + +### 핵심 파일 설명 + +| 파일 | 역할 | +|------|------| +| `agent.py` | 메인 에이전트 생성 및 구성 | +| `researcher/agent.py` | CompiledSubAgent 패턴의 자율적 연구 에이전트 | +| `researcher/prompts.py` | "넓게 탐색 → 깊게 파기" 워크플로우 정의 | +| `prompts.py` | 오케스트레이터 워크플로우 및 위임 전략 | + + +## DeepAgent UI(made by LangChain) +```bash +git clone https://github.com/langchain-ai/deep-agents-ui.git +cd deep-agents-ui +npm install -g yarn +yarn install +yarn dev +``` + + +### 참고자료 + +- [LangChain DeepAgent Docs](https://docs.langchain.com/oss/python/deepagents/overview) +- [LangGraph CLI Docs](https://docs.langchain.com/langsmith/cli#configuration-file) +- [DeepAgent UI](https://github.com/langchain-ai/deep-agents-ui) diff --git a/deep-agents-ui/.codespellignore b/deep-agents-ui/.codespellignore new file mode 100644 index 0000000..e69de29 diff --git a/deep-agents-ui/.gitignore b/deep-agents-ui/.gitignore new file mode 100644 index 0000000..5ef6a52 --- /dev/null +++ b/deep-agents-ui/.gitignore @@ -0,0 +1,41 @@ +# See https://help.github.com/articles/ignoring-files/ for more about ignoring files. + +# dependencies +/node_modules +/.pnp +.pnp.* +.yarn/* +!.yarn/patches +!.yarn/plugins +!.yarn/releases +!.yarn/versions + +# testing +/coverage + +# next.js +/.next/ +/out/ + +# production +/build + +# misc +.DS_Store +*.pem + +# debug +npm-debug.log* +yarn-debug.log* +yarn-error.log* +.pnpm-debug.log* + +# env files (can opt-in for committing if needed) +.env* + +# vercel +.vercel + +# typescript +*.tsbuildinfo +next-env.d.ts diff --git a/deep-agents-ui/.nvmrc b/deep-agents-ui/.nvmrc new file mode 100644 index 0000000..35f4978 --- /dev/null +++ b/deep-agents-ui/.nvmrc @@ -0,0 +1,2 @@ +20 + diff --git a/deep-agents-ui/.prettierignore b/deep-agents-ui/.prettierignore new file mode 100644 index 0000000..3283dd2 --- /dev/null +++ b/deep-agents-ui/.prettierignore @@ -0,0 +1,31 @@ +# dependencies +node_modules +.pnp +.pnp.* +.yarn/* +!.yarn/patches +!.yarn/plugins +!.yarn/releases +!.yarn/versions + +# testing +coverage + +# next.js +.next +out + +# production +build + +# vercel +.vercel + +# misc +*.tsbuildinfo +next-env.d.ts + +# lock files +pnpm-lock.yaml +yarn.lock +package-lock.json diff --git a/deep-agents-ui/LICENSE b/deep-agents-ui/LICENSE new file mode 100644 index 0000000..c38f6f2 --- /dev/null +++ b/deep-agents-ui/LICENSE @@ -0,0 +1,21 @@ +MIT License + +Copyright (c) 2025 LangChain + +Permission is hereby granted, free of charge, to any person obtaining a copy +of this software and associated documentation files (the "Software"), to deal +in the Software without restriction, including without limitation the rights +to use, copy, modify, merge, publish, distribute, sublicense, and/or sell +copies of the Software, and to permit persons to whom the Software is +furnished to do so, subject to the following conditions: + +The above copyright notice and this permission notice shall be included in all +copies or substantial portions of the Software. + +THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR +IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, +FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE +AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER +LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, +OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE +SOFTWARE. diff --git a/deep-agents-ui/README.md b/deep-agents-ui/README.md new file mode 100644 index 0000000..c6ec349 --- /dev/null +++ b/deep-agents-ui/README.md @@ -0,0 +1,93 @@ +# 🚀🧠 Deepagents UI + +[Deepagents](https://github.com/langchain-ai/deepagents) is a simple, open source agent harness that implements a few generally useful tools, including planning (prior to task execution), computer access (giving the able access to a shell and a filesystem), and sub-agent delegation (isolated task execution). This is a UI for interacting with deepagents. + +## 🚀 Quickstart + +**Install dependencies and run the app** + +```bash +$ git clone https://github.com/langchain-ai/deep-agents-ui.git +$ cd deep-agents-ui +$ yarn install +$ yarn dev +``` + +**Deploy a deepagent** + +As an example, see our [deepagents quickstart](https://github.com/langchain-ai/deepagents-quickstarts/tree/main/deep_research) repo for an example and run the `deep_research` example. + +The `langgraph.json` file has the assistant ID as the key: + +``` + "graphs": { + "research": "./agent.py:agent" + }, +``` + +Kick off the local LangGraph deployment: + +```bash +$ cd deepagents-quickstarts/deep_research +$ langgraph dev +``` + +You will see the local LangGraph deployment log to terminal: + +``` +╦ ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬ +║ ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤ +╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴ ┴ ┴ + +- 🚀 API: http://127.0.0.1:2024 +- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024 +- 📚 API Docs: http://127.0.0.1:2024/docs +... +``` + +You can get the Deployment URL and Assistant ID from the terminal output and `langgraph.json` file, respectively: + +- Deployment URL: http://127.0.1:2024 +- Assistant ID: `research` + +**Open Deepagents UI** at [http://localhost:3000](http://localhost:3000) and input the Deployment URL and Assistant ID: + +- **Deployment URL**: The URL for the LangGraph deployment you are connecting to +- **Assistant ID**: The ID of the assistant or agent you want to use +- [Optional] **LangSmith API Key**: Your LangSmith API key (format: `lsv2_pt_...`). This may be required for accessing deployed LangGraph applications. You can also provide this via the `NEXT_PUBLIC_LANGSMITH_API_KEY` environment variable. + +**Usagee** + +You can interact with the deployment via the chat interface and can edit settings at any time by clicking on the Settings button in the header. + +Screenshot 2025-11-17 at 1 11 27 PM + +As the deepagent runs, you can see its files in LangGraph state. + +Screenshot 2025-11-17 at 1 11 36 PM + +You can click on any file to view it. + +Screenshot 2025-11-17 at 1 11 40 PM + +### Optional: Environment Variables + +You can optionally set environment variables instead of using the settings dialog: + +```env +NEXT_PUBLIC_LANGSMITH_API_KEY="lsv2_xxxx" +``` + +**Note:** Settings configured in the UI take precedence over environment variables. + +### Usage + +You can run your Deep Agents in Debug Mode, which will execute the agent step by step. This will allow you to re-run the specific steps of the agent. This is intended to be used alongside the optimizer. + +You can also turn off Debug Mode to run the full agent end-to-end. + +### 📚 Resources + +If the term "Deep Agents" is new to you, check out these videos! +[What are Deep Agents?](https://www.youtube.com/watch?v=433SmtTc0TA) +[Implementing Deep Agents](https://www.youtube.com/watch?v=TTMYJAw5tiA&t=701s) diff --git a/deep-agents-ui/components.json b/deep-agents-ui/components.json new file mode 100644 index 0000000..dba50c6 --- /dev/null +++ b/deep-agents-ui/components.json @@ -0,0 +1,20 @@ +{ + "$schema": "https://ui.shadcn.com/schema.json", + "style": "default", + "rsc": true, + "tsx": true, + "tailwind": { + "config": "tailwind.config.ts", + "css": "src/app/globals.css", + "baseColor": "slate", + "cssVariables": true, + "prefix": "" + }, + "aliases": { + "components": "@/components", + "utils": "@/lib/utils", + "ui": "@/components/ui", + "lib": "@/lib", + "hooks": "@/hooks" + } +} diff --git a/deep-agents-ui/eslint.config.js b/deep-agents-ui/eslint.config.js new file mode 100644 index 0000000..d9a3107 --- /dev/null +++ b/deep-agents-ui/eslint.config.js @@ -0,0 +1,33 @@ +import js from "@eslint/js"; +import globals from "globals"; +import reactHooks from "eslint-plugin-react-hooks"; +import reactRefresh from "eslint-plugin-react-refresh"; +import tseslint from "typescript-eslint"; + +export default tseslint.config( + { ignores: ["dist", ".next", "node_modules"] }, + { + extends: [js.configs.recommended, ...tseslint.configs.recommended], + files: ["**/*.{ts,tsx}"], + languageOptions: { + ecmaVersion: 2020, + globals: globals.browser, + }, + plugins: { + "react-hooks": reactHooks, + "react-refresh": reactRefresh, + }, + rules: { + ...reactHooks.configs.recommended.rules, + "@typescript-eslint/no-explicit-any": 0, + "@typescript-eslint/no-unused-vars": [ + "error", + { args: "none", argsIgnorePattern: "^_", varsIgnorePattern: "^_" }, + ], + "react-refresh/only-export-components": [ + "warn", + { allowConstantExport: true }, + ], + }, + } +); diff --git a/deep-agents-ui/next.config.ts b/deep-agents-ui/next.config.ts new file mode 100644 index 0000000..e9ffa30 --- /dev/null +++ b/deep-agents-ui/next.config.ts @@ -0,0 +1,7 @@ +import type { NextConfig } from "next"; + +const nextConfig: NextConfig = { + /* config options here */ +}; + +export default nextConfig; diff --git a/deep-agents-ui/package.json b/deep-agents-ui/package.json new file mode 100644 index 0000000..b1cc1c1 --- /dev/null +++ b/deep-agents-ui/package.json @@ -0,0 +1,77 @@ +{ + "name": "deep-agents-ui", + "version": "0.1.0", + "private": true, + "type": "module", + "scripts": { + "dev": "next dev --turbopack", + "build": "next build", + "start": "next start", + "lint": "eslint .", + "lint:fix": "eslint . --fix", + "format": "prettier --write .", + "format:check": "prettier --check ." + }, + "dependencies": { + "@langchain/core": "^1.1.1", + "@langchain/langgraph": "^1.0.2", + "@langchain/langgraph-sdk": "^1.0.3", + "@radix-ui/colors": "^1.0.0", + "@radix-ui/react-dialog": "^1.1.15", + "@radix-ui/react-label": "^2.1.8", + "@radix-ui/react-scroll-area": "^1.2.9", + "@radix-ui/react-select": "^2.2.6", + "@radix-ui/react-slot": "^1.2.4", + "@radix-ui/react-switch": "^1.2.6", + "@radix-ui/react-tabs": "^1.1.12", + "@radix-ui/react-tooltip": "^1.2.7", + "@types/diff": "^5.0.3", + "@types/react-syntax-highlighter": "^15.5.13", + "@types/uuid": "^9.0.8", + "class-variance-authority": "^0.7.1", + "clsx": "^1.2.1", + "date-fns": "^4.1.0", + "diff": "^8.0.2", + "js-yaml": "^4.1.0", + "lodash": "^4.17.21", + "lucide-react": "^0.539.0", + "next": "^16.0.7", + "nuqs": "^2.4.1", + "react": "19.1.0", + "react-dom": "19.1.0", + "react-markdown": "^9.0.1", + "react-resizable-panels": "^3.0.6", + "react-syntax-highlighter": "^15.6.1", + "remark-gfm": "^4.0.0", + "sass": "^1.90.0", + "sonner": "^2.0.7", + "swr": "^2.3.6", + "tailwind-merge": "^2.6", + "use-stick-to-bottom": "^1.1.1", + "uuid": "^9.0.1" + }, + "devDependencies": { + "@eslint/js": "^9.19.0", + "@headlessui/tailwindcss": "^0.2.2", + "@tailwindcss/container-queries": "^0.1.1", + "@tailwindcss/forms": "^0.5.7", + "@tailwindcss/typography": "^0.5.9", + "@types/js-yaml": "^4.0.9", + "@types/node": "^20", + "@types/react": "^19", + "@types/react-dom": "^19", + "autoprefixer": "^10.4.22", + "eslint": "^9", + "eslint-config-next": "16", + "eslint-plugin-react-hooks": "^5.2.0", + "eslint-plugin-react-refresh": "^0.4", + "postcss": "^8.5.6", + "prettier": "^2.8.8", + "prettier-plugin-tailwindcss": "^0.3.0", + "tailwindcss": "^3.4.4", + "tailwindcss-animate": "^1.0.7", + "typescript": "^5.9.3", + "typescript-eslint": "^8.37.0" + }, + "packageManager": "yarn@1.22.22" +} diff --git a/deep-agents-ui/postcss.config.cjs b/deep-agents-ui/postcss.config.cjs new file mode 100644 index 0000000..cbfea5e --- /dev/null +++ b/deep-agents-ui/postcss.config.cjs @@ -0,0 +1,7 @@ +module.exports = { + plugins: { + "tailwindcss/nesting": {}, + tailwindcss: {}, + autoprefixer: {}, + }, +}; diff --git a/deep-agents-ui/prettier.config.cjs b/deep-agents-ui/prettier.config.cjs new file mode 100644 index 0000000..253d483 --- /dev/null +++ b/deep-agents-ui/prettier.config.cjs @@ -0,0 +1,11 @@ +/** + * @see https://prettier.io/docs/configuration + * @type {import("prettier").Config} + */ +const config = { + endOfLine: "auto", + singleAttributePerLine: true, + plugins: ["prettier-plugin-tailwindcss"], +}; + +module.exports = config; diff --git a/deep-agents-ui/public/file.svg b/deep-agents-ui/public/file.svg new file mode 100644 index 0000000..004145c --- /dev/null +++ b/deep-agents-ui/public/file.svg @@ -0,0 +1 @@ + \ No newline at end of file diff --git a/deep-agents-ui/public/globe.svg b/deep-agents-ui/public/globe.svg new file mode 100644 index 0000000..567f17b --- /dev/null +++ b/deep-agents-ui/public/globe.svg @@ -0,0 +1 @@ + \ No newline at end of file diff --git a/deep-agents-ui/public/next.svg b/deep-agents-ui/public/next.svg new file mode 100644 index 0000000..5174b28 --- /dev/null +++ b/deep-agents-ui/public/next.svg @@ -0,0 +1 @@ + \ No newline at end of file diff --git a/deep-agents-ui/public/vercel.svg b/deep-agents-ui/public/vercel.svg new file mode 100644 index 0000000..7705396 --- /dev/null +++ b/deep-agents-ui/public/vercel.svg @@ -0,0 +1 @@ + \ No newline at end of file diff --git a/deep-agents-ui/public/window.svg b/deep-agents-ui/public/window.svg new file mode 100644 index 0000000..b2b2a44 --- /dev/null +++ b/deep-agents-ui/public/window.svg @@ -0,0 +1 @@ + \ No newline at end of file diff --git a/deep-agents-ui/src/app/components/ChatInterface.tsx b/deep-agents-ui/src/app/components/ChatInterface.tsx new file mode 100644 index 0000000..c3691a9 --- /dev/null +++ b/deep-agents-ui/src/app/components/ChatInterface.tsx @@ -0,0 +1,545 @@ +"use client"; + +import React, { + useState, + useRef, + useCallback, + useMemo, + FormEvent, + Fragment, +} from "react"; +import { Button } from "@/components/ui/button"; +import { + Square, + ArrowUp, + CheckCircle, + Clock, + Circle, + FileIcon, +} from "lucide-react"; +import { ChatMessage } from "@/app/components/ChatMessage"; +import type { + TodoItem, + ToolCall, + ActionRequest, + ReviewConfig, +} from "@/app/types/types"; +import { Assistant, Message } from "@langchain/langgraph-sdk"; +import { extractStringFromMessageContent } from "@/app/utils/utils"; +import { useChatContext } from "@/providers/ChatProvider"; +import { cn } from "@/lib/utils"; +import { useStickToBottom } from "use-stick-to-bottom"; +import { FilesPopover } from "@/app/components/TasksFilesSidebar"; + +interface ChatInterfaceProps { + assistant: Assistant | null; +} + +const getStatusIcon = (status: TodoItem["status"], className?: string) => { + switch (status) { + case "completed": + return ( + + ); + case "in_progress": + return ( + + ); + default: + return ( + + ); + } +}; + +export const ChatInterface = React.memo(({ assistant }) => { + const [metaOpen, setMetaOpen] = useState<"tasks" | "files" | null>(null); + const tasksContainerRef = useRef(null); + const textareaRef = useRef(null); + + const [input, setInput] = useState(""); + const { scrollRef, contentRef } = useStickToBottom(); + + const { + stream, + messages, + todos, + files, + ui, + setFiles, + isLoading, + isThreadLoading, + interrupt, + sendMessage, + stopStream, + resumeInterrupt, + } = useChatContext(); + + const submitDisabled = isLoading || !assistant; + + const handleSubmit = useCallback( + (e?: FormEvent) => { + if (e) { + e.preventDefault(); + } + const messageText = input.trim(); + if (!messageText || isLoading || submitDisabled) return; + sendMessage(messageText); + setInput(""); + }, + [input, isLoading, sendMessage, setInput, submitDisabled] + ); + + const handleKeyDown = useCallback( + (e: React.KeyboardEvent) => { + if (submitDisabled) return; + if (e.key === "Enter" && !e.shiftKey) { + e.preventDefault(); + handleSubmit(); + } + }, + [handleSubmit, submitDisabled] + ); + + // TODO: can we make this part of the hook? + const processedMessages = useMemo(() => { + /* + 1. Loop through all messages + 2. For each AI message, add the AI message, and any tool calls to the messageMap + 3. For each tool message, find the corresponding tool call in the messageMap and update the status and output + */ + const messageMap = new Map< + string, + { message: Message; toolCalls: ToolCall[] } + >(); + messages.forEach((message: Message) => { + if (message.type === "ai") { + const toolCallsInMessage: Array<{ + id?: string; + function?: { name?: string; arguments?: unknown }; + name?: string; + type?: string; + args?: unknown; + input?: unknown; + }> = []; + if ( + message.additional_kwargs?.tool_calls && + Array.isArray(message.additional_kwargs.tool_calls) + ) { + toolCallsInMessage.push(...message.additional_kwargs.tool_calls); + } else if (message.tool_calls && Array.isArray(message.tool_calls)) { + toolCallsInMessage.push( + ...message.tool_calls.filter( + (toolCall: { name?: string }) => toolCall.name !== "" + ) + ); + } else if (Array.isArray(message.content)) { + const toolUseBlocks = message.content.filter( + (block: { type?: string }) => block.type === "tool_use" + ); + toolCallsInMessage.push(...toolUseBlocks); + } + const toolCallsWithStatus = toolCallsInMessage.map( + (toolCall: { + id?: string; + function?: { name?: string; arguments?: unknown }; + name?: string; + type?: string; + args?: unknown; + input?: unknown; + }) => { + const name = + toolCall.function?.name || + toolCall.name || + toolCall.type || + "unknown"; + const args = + toolCall.function?.arguments || + toolCall.args || + toolCall.input || + {}; + return { + id: toolCall.id || `tool-${Math.random()}`, + name, + args, + status: interrupt ? "interrupted" : ("pending" as const), + } as ToolCall; + } + ); + messageMap.set(message.id!, { + message, + toolCalls: toolCallsWithStatus, + }); + } else if (message.type === "tool") { + const toolCallId = message.tool_call_id; + if (!toolCallId) { + return; + } + for (const [, data] of messageMap.entries()) { + const toolCallIndex = data.toolCalls.findIndex( + (tc: ToolCall) => tc.id === toolCallId + ); + if (toolCallIndex === -1) { + continue; + } + data.toolCalls[toolCallIndex] = { + ...data.toolCalls[toolCallIndex], + status: "completed" as const, + result: extractStringFromMessageContent(message), + }; + break; + } + } else if (message.type === "human") { + messageMap.set(message.id!, { + message, + toolCalls: [], + }); + } + }); + const processedArray = Array.from(messageMap.values()); + return processedArray.map((data, index) => { + const prevMessage = index > 0 ? processedArray[index - 1].message : null; + return { + ...data, + showAvatar: data.message.type !== prevMessage?.type, + }; + }); + }, [messages, interrupt]); + + const groupedTodos = { + in_progress: todos.filter((t) => t.status === "in_progress"), + pending: todos.filter((t) => t.status === "pending"), + completed: todos.filter((t) => t.status === "completed"), + }; + + const hasTasks = todos.length > 0; + const hasFiles = Object.keys(files).length > 0; + + // Parse out any action requests or review configs from the interrupt + const actionRequestsMap: Map | null = useMemo(() => { + const actionRequests = + interrupt?.value && (interrupt.value as any)["action_requests"]; + if (!actionRequests) return new Map(); + return new Map(actionRequests.map((ar: ActionRequest) => [ar.name, ar])); + }, [interrupt]); + + const reviewConfigsMap: Map | null = useMemo(() => { + const reviewConfigs = + interrupt?.value && (interrupt.value as any)["review_configs"]; + if (!reviewConfigs) return new Map(); + return new Map( + reviewConfigs.map((rc: ReviewConfig) => [rc.actionName, rc]) + ); + }, [interrupt]); + + return ( +
+
+
+ {isThreadLoading ? ( +
+

Loading...

+
+ ) : ( + <> + {processedMessages.map((data, index) => { + const messageUi = ui?.filter( + (u: any) => u.metadata?.message_id === data.message.id + ); + const isLastMessage = index === processedMessages.length - 1; + return ( + + ); + })} + + )} +
+
+ +
+
+ {(hasTasks || hasFiles) && ( +
+ {!metaOpen && ( + <> + {(() => { + const activeTask = todos.find( + (t) => t.status === "in_progress" + ); + + const totalTasks = todos.length; + const remainingTasks = + totalTasks - groupedTodos.pending.length; + const isCompleted = totalTasks === remainingTasks; + + const tasksTrigger = (() => { + if (!hasTasks) return null; + return ( + + ); + })(); + + const filesTrigger = (() => { + if (!hasFiles) return null; + return ( + + ); + })(); + + return ( +
+ {tasksTrigger} + {filesTrigger} +
+ ); + })()} + + )} + + {metaOpen && ( + <> +
+ {hasTasks && ( + + )} + {hasFiles && ( + + )} +
+
+ {metaOpen === "tasks" && + Object.entries(groupedTodos) + .filter(([_, todos]) => todos.length > 0) + .map(([status, todos]) => ( +
+

+ { + { + pending: "Pending", + in_progress: "In Progress", + completed: "Completed", + }[status] + } +

+
+ {todos.map((todo, index) => ( + + {getStatusIcon(todo.status, "mt-0.5")} + + {todo.content} + + + ))} +
+
+ ))} + + {metaOpen === "files" && ( +
+ +
+ )} +
+ + )} +
+ )} +
+