이 논문은 이기종 에이전틱 RAG 시스템에서 도구 설명을 전부 노출하거나 벡터 유사도만으로 도구를 선택할 때 발생하는 과다·과소 수집 문제를 해결하기 위해 스키마라우터(SchemaRouter)를 제안한다. 도구·엔드포인트·파라미터·응답 필드 등을 스키마 그래프로 표현하고, 소형 LLM이 의도를 추출하면 그래프 기반으로 결정론적으로 필드를 선택해 실행 가능한 도구 계획을 생성한다. 재료과학 벤치마크 110개 질의 실험에서 정확도 0.71로 전량 수집 방식과 대등하면서도 검색 토큰 사용량은 227개로 전량 수집(2066개)의 약 11분의 1, 종단간 지연은 2.7배 낮췄다. 도구 선택 정확도 0.93, 파라미터 유효성 1.0을 기록했고, 답변의 62%에 출처·라이선스 정보를 근거로 제시해 비교 대상 대비 압도적으로 우수했다.
- •스키마 그래프 기반 SchemaRouter, 도구·필드 선택을 결정론적으로 수행
- •정확도 0.71로 전량 수집 방식과 대등, 토큰 사용량은 약 11분의 1
- •종단간 지연 2.7배 감소, 도구 선택 정확도 0.93·파라미터 유효성 1.0
- •답변의 62%에 출처·라이선스 근거 포함, 기존 방식은 거의 0%
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.
SchemaRouter: Field-Aware Tool Routing for Efficient Heterogeneous Agentic RAG
- 1.도구·파라미터·응답필드를 스키마 그래프로 표현해 쿼리별 실행가능한 도구계획을 생성하는 SchemaRouter 제안
- 2.재료과학 110개 쿼리 벤치마크서 정확도 0.71로 전체조회와 대등, 프롬프트올(0.66) 능가
- 3.검색 컨텍스트 토큰 227개로 전체조회 2066개 대비 대폭 절감, 종단 지연시간 2.7배 개선
- 4.도구 정확률 0.93·파라미터 유효성 1.0 최고 기록, 답변의 62%에서 출처·라이선스 정보 근거 제시
왜 중요한가?
이종 도구를 다루는 에이전틱 RAG 시스템에서 과다수집으로 인한 토큰·지연 낭비와 과소수집으로 인한 답변 누락을 동시에 줄이면서 출처·라이선스 추적성까지 확보한 실용적 라우팅 계층을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2608.21375v1 Announce Type: new Abstract: Heterogeneous agentic retrieval-augmented generation (RAG) systems increasingly orchestrate external APIs, internal databases, vector stores, and graph stores. Exposing all tool descriptions to an LLM agent, or selecting tools only by vector similarity, causes two costly failures: over-fetching, which increases payload size, token use, and latency, and under-fetching, which omits fields needed to answer the query. We present SchemaRouter, a ligh
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:40AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
