2026.08.02 SudoRemove Live - 노토랩 변형호

https://www.linkedin.com/in/hyungho-byun-6b2588224/

https://www.youtube.com/watch?v=lokHQ8_b5Rk

들어가며

Graph Engineering에 대해 언급하는 포스트의 99%는 X에 올라온 AI-Generated Contets라고 보여짐 단순한 버즈워드, 또는 (극단적으로 말하자면) Slop이라는 의견에도 충분한 일리가 있음

그럼에도 불구하고 현재의 빌더들이 풀고자 하는 문제가 무엇인지, 어떤 방향으로 의견이 수렴하는지 보는 것은 충분한 가치가 있고, 에이전트의 발전 방향에서 나타난 병목의 확장에 대해 이해할 수 있음

노토랩의 해석

개발자가 Pre-define 하던 작업 과정을 Agent로 넘기는 범위가 점진적으로 변하는 과정

2023년부터 2026년까지

2023/2024년에도 에이전트는 있었음: GPT-4 기반의 AutoGPT, BabyAGI

• https://www.ibm.com/kr-ko/think/topics/babyagi
• https://www.ibm.com/kr-ko/think/topics/autogpt

하지만 이 때에는 당연히 긴 맥락에서 정확한 성능을 내기 힘들었고 그 결과 여러 개의 LLM 체인/모듈을 연결하여 프로그램을 구성하는 Workflow 를 고려하게 됨

• Andrew Ng: Agentic Workflow
  • Planning:
  • Tool Use
  • Reflection
• LangGraph 출시 (2024.1)
  • 프롬프트 / 체인 / 툴 호출 연결
  • 전체 작업 시나리오를 그래프로 정의

→ Autonomous Agent는 믿을 수 없으니 그래프로 연결하자

결정론적인 State를 정의하고, 이를 합치는 구조로 가자.

2025: Context Engineering → Harness로

대부분의 워크플로우가 다시 ReACT 에이전트 안으로 들어옴(추상화)

에이전트에게 시키는 작업이 많아지면서, Long Horizon Task를 위한 Context 관리 기술이 중요해짐

• Context Engineering: 개별 세션에서, ‘필요한 정보만 에이전트에 담기’
  • Context Engineering 주요 목적

https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents