Context는 Magarshak Architecture의 지능 레이어로, 수동 쿼리-응답 챗봇을 사용자 프롬프트 없이 목표를 향해 능동적으로 진행하는 에이전트로 전환한다. 쓰기 시점 컨텍스트 조립으로 KV 캐시 재사용률 약 100%를 달성하고, LM이 생성한 실행 프로그램 라이브러리를 실행 시 LM 추가 호출 없이 운영하며, 능동 목표 스트림 상태 기계가 그래프 상태를 점검해 사용자 입력 없이도 대화를 종료 상태로 유도한다. 능동 우세 정리(reactive 대비 weak dominance) 등 6개 형식 결과를 증명하며 Qbix/Safebox/Safebots 오픈소스 스택에 구현됐다.
- •쓰기 시점 컨텍스트 조립으로 KV 캐시 재사용률 약 100%를 달성해 반복 LM 호출 비용 대폭 절감.
- •LM이 생성한 실행 프로그램을 컴포저블 라이브러리로 관리, 실행 시 LM 추가 호출 없이 운영.
- •능동 우세 정리: 능동 에이전트가 대화 목표 도달 횟수에서 반응형 에이전트 대비 약 우세(weakly dominant)임을 수학적으로 증명.
Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction
- 1.Context(Magarshak 아키텍처)는 사용자 프롬프트 없이 목표 달성을 향해 능동적으로 대화를 진행하는 에이전트 인텔리전스 레이어
- 2.작성 시점 컨텍스트 조립으로 KV-캐시 재사용 ~100% 달성, 컴포저블 샌드박스 프로그램으로 실행 시 LM 추론 없이 동작
- 3.능동적 에이전트가 목표 도달 기대 턴 수에서 반응적 에이전트를 약우위(weak dominance)함을 6개 정형 결과로 증명
왜 중요한가?
기존 챗봇의 반응적 패러다임을 벗어나 에이전트가 목표 상태로 능동적으로 대화를 이끄는 아키텍처를 오픈소스(Qbix/Safebox/Safebots)로 구현하고 수학적으로 정당화한 실용적 참조 아키텍처다.
기존의 반응형 챗봇을 넘어 능동적으로 사용자의 목표를 달성하는 'Context' 아키텍처는 국내 AI 서비스의 사용자 경험을 혁신할 잠재력을 가지고 있습니다. 사용자의 지시 없이도 업무를 선제적으로 진행하는 AI 에이전트는 고객 서비스, 개인 비서, 기업용 자동화 솔루션 등 다양한 분야에서 한국 시장에 새로운 가치를 창출할 수 있습니다. 이는 AI 서비스의 진정한 지능화 방향을 제시합니다.
본문 미리보기
arXiv:2605.23928v1 Announce Type: new Abstract: We present Context, the intelligence layer of the Magarshak Architecture, which replaces reactive query-response chatbots with proactive goal-directed agents that advance shared tasks without waiting for user prompts. The architecture rests on three mutually reinforcing mechanisms. Write-time context assembly precomputes enriched typed attributes via Groker agents, assembling interaction context as a deterministic pure function of graph state; con
전체 내용이 궁금하다면?
원문을 직접 읽어보세요