Deep Agents: 장기 지평선 과제를 위한 컨텍스트 엔지니어링 in LangChain

현대 AI 에이전트는 기성 프레임워크, 사용자 인터페이스(UI)를 통한 구성, 또는 맞춤형 개발 등 다양한 접근 방식으로 구축됩니다. 인기 있는 프레임워크 중 하나는 LangChain으로, 처음에는 선형 파이프라인(Runnable)으로 시작했지만 이후 ReAct(추론 + 행동) 사이클을 갖춘 상태 그래프를 위한 LangGraph로 발전했습니다. 짧은 작업에는 이것으로 충분하지만, 긴 작업의 경우 에이전트가 맥락(컨텍스트), 즉 기록, 도구 결과, 계획, 파일을 누적합니다. 이는 에이전트 주변 환경을 관리하는 맥락 엔지니어링으로 이어집니다. Deep Agents는 LangChain 생태계 내에서 이러한 환경의 기성 구현체로, deepagents 라이브러리 형태로 제공됩니다. create_agent 위에 미들웨어 계층, 도구, 장기 실행 작업을 위한 프롬프트 명령(계획 수립(write_todos), 플러그형 백엔드가 있는 파일 도구, 범용 하위 에이전트(task), 기록 요약, 완료되지 않은 도구 호출 복구, 그리고 선택적으로 스킬, 메모리, 사람 개입, 샌드박스)을 추가합니다. 그러나 추가 매개변수 없이도 시스템 프롬프트는 상수 BASE_AGENT_PROMPT와 추가된 도구들로 인해 35토큰에서 6,215토큰으로 증가하며, 이는 비용을 높이고 소규모 모델을 혼란스럽게 할 수 있습니다.