이 연구는 장기 과제를 수행하는 언어모델 에이전트가 재사용 가능한 지식 라이브러리를 어떻게 활용해야 효과적인지 비교한다. 스킬 지침을 메인 컨텍스트에 직접 로드하는 기존 '에이전트 스킬' 방식은 과제가 길어질수록 컨텍스트가 누적되며 추론 품질이 떨어져 취약해지는 반면, 스킬 패키지를 서브에이전트로 호출해 각 하위 과제마다 독립된 컨텍스트 윈도우를 새로 생성하는 방식이 더 우수한 것으로 나타났다. 다만 서브에이전트 방식은 메인 에이전트와의 조율을 위한 추가 토큰 통신 비용이 든다는 트레이드오프가 있다. 재사용 지식의 효용은 내용 자체뿐 아니라 그것이 어떻게 조직되고 호출되는지에도 좌우된다는 점을 보여준다.

• •스킬을 메인 컨텍스트에 로드하는 방식은 장기 과제에서 컨텍스트 누적으로 취약해짐
• •스킬을 서브에이전트로 호출해 독립 컨텍스트를 생성하는 방식이 더 우수한 성능을 보임
• •서브에이전트 방식은 조율을 위한 추가 토큰 통신 오버헤드가 트레이드오프로 존재
• •재사용 지식의 효용은 내용뿐만 아니라 조직·호출 방식에도 좌우됨을 시사