기업 워크플로 자율 에이전트가 겪는 문제—장황한 도구 응답이 맥락 오버플로·낡은 상태 오류·높은 추론 비용을 유발—를 Microsoft Dynamics 365의 자동 경비 항목화 과제로 연구했다. 50개 호텔 경비 과제에서 GPT-5의 네 가지 구성(사용자 모델 없음, 전체 대화 이력, 최근 5개 도구 호출로 가지치기, 가지치기+자동 요약)을 평가했다. 사용자 모델 없는 베이스라인은 완전 항목화 8.0%에 그쳤고, 전체 맥락 유지는 71.0%로 올랐으나 148만 토큰·14.56시간을 소모했다. 최근 5개로 가지치기하면 79.0%에 토큰 53.5만·5.39시간으로 줄었고, 요약을 더하자 91.6% 완전 항목화·99.64% 금액 항목화로 최고 성능을 5.79시간에 달성했다. Claude Sonnet 4.5 교차 검증도 일관됐다.
- •장황한 도구 응답이 유 av발하는 맥락 오버플로·비용 문제를 경비 항목화 과제로 연구
- •사용자 모델 없는 베이스라인은 완전 항목화 8.0%에 불과
- •전체 맥락 유지는 71.0%로 오르지만 148만 토큰·14.56시간 소모
- •최근 5개 가지치기+요약이 91.6% 완전 항목화·99.64% 금액 항목화로 최고 성능
- •최근 도구 상호작용 선별 유지+간결 요약이 신뢰성과 효율을 동시 개선
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents
- 1.긴 도구 응답이 컨텍스트 오버플로·상태오류·비용을 유발하는 문제 연구
- 2.Dynamics 365 경비 세분화 50과제에서 GPT-5 4가지 구성 평가
- 3.최근 5개 도구호출로 프루닝 시 완성도 79%·토큰 53만개로 감소
- 4.프루닝+요약이 완성도 91.6%·금액세분화 99.64%로 최고 성능
왜 중요한가?
전체 대화 이력 보존(완성도 71%, 148만 토큰)보다 최근 도구 상호작용만 선택 보존하고 압축 요약하는 편이 완성도와 효율을 동시에 높임을 보여, 기업용 에이전트 도구 사용 워크플로의 실용적 컨텍스트 설계 지침을 제시한다.
기업 환경에서 LLM 에이전트가 방대한 컨텍스트로 인해 발생하는 오버플로우와 높은 추론 비용 문제에 직면하고 있음을 지적합니다. LLM 기반 에이전트 도입을 적극적으로 검토하는 국내 기업들에게는 이 연구가 효율적인 컨텍스트 엔지니어링을 통해 운영 비용을 절감하고 시스템 안정성을 확보하는 실질적인 방안을 제시합니다.
본문 미리보기
arXiv:2606.10209v1 Announce Type: new Abstract: Large language models deployed as autonomous agents for enterprise workflows face a key challenge: verbose tool responses from enterprise systems can cause context overflow, stale-state errors, and high inference cost. We study this problem in automated expense itemization in Microsoft Dynamics 365 Finance and Operations using Model Context Protocol tools. We evaluate four GPT-5 configurations on a 50-task hotel expense benchmark: no user model, f
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:12AI 초안
