비정형 지식 기반의 현실적 고객 서비스 워크플로에서, 시스템 프롬프트에 자연어 스킬 파일을 덧붙인 '선언형 에이전트(DeclarativeAgent)'가 효과적인 오케스트레이션 패러다임임을 보인 연구다. 추론 시점에 세 도메인 스킬 파일을 읽고 스스로 제어 흐름을 결정하는 선언형 에이전트, 명시적 상태 기계 기반의 명령형 에이전트, 비계도 베이스라인을 분산 부분관측 MDP의 정책 클래스로 형식화해 정보이론적·구조적 특성을 분석하고 5개 언어모델과 2개 검색 체제에서 실증했다. 검색 품질이 지배적 병목으로, 증거가 불완전하면 모든 에이전트가 크게 저하되고 스킬 파일도 회복시키지 못했다. 다만 검색 품질이 높을 때 선언형 스킬은 절차적 작업 정확도를 일관되게 높이고 오케스트레이션 오류를 줄인 반면, 명령형 상태 기계의 취약성은 성공률·준수를 안정적으로 개선하지 못했다.
- •자연어 스킬 파일을 프롬프트에 붙이는 선언형 에이전트가 효과적 오케스트레이션 패러다임임을 주장
- •선언형·명령형·비계도 세 에이전트를 분산 부분관측 MDP 정책 클래스로 형식화해 분석
- •검색 품질이 지배적 병목 — 증거가 불완전하면 스킬 파일도 성능을 회복 못함
- •고품질 검색 시 선언형 스킬은 절차 정확도 향상·오류 감소, 명령형 상태 기계는 안정적 개선 안 됨
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.
Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows
- 1.고객 서비스 워크플로에서 도구 사용 에이전트의 오케스트레이션 방식 비교 연구
- 2.시스템 프롬프트에 스킬 파일을 붙인 선언형 에이전트가 효과적 패러다임이라 주장
- 3.검색 품질이 지배적 병목으로, 증거가 부실하면 모든 에이전트 성능이 크게 저하
- 4.고품질 검색 시 선언형 스킬은 절차 작업 정확도를 높이고 오케스트레이션 오류 감소
왜 중요한가?
에이전트 제어 흐름 설계에서 명령형 상태기계보다 자연어 스킬 파일 기반 선언형 접근이 더 견고하며, 무엇보다 검색(RAG) 품질이 에이전트 성능의 핵심 변수임을 실증한 점이 실무적으로 중요하다.
고객 서비스 워크플로우에서 AI 에이전트의 효율적인 도구 사용을 위한 선언적 스킬 활용 방안을 탐구하는 연구입니다. 한국 기업들이 AI 챗봇 및 가상 에이전트 도입을 확대하는 상황에서, 자연어 기반의 스킬 파일을 통한 에이전트 오케스트레이션은 서비스 품질 향상과 개발 생산성 증대에 기여할 수 있습니다.
본문 미리보기
arXiv:2606.06923v1 Announce Type: new Abstract: We study orchestration mechanisms for tool-using AI agents in realistic customer-service workflows over an unstructured knowledge base. We argue that declarative agents -- AI agents equipped with natural-language skill files appended to the system prompt -- are an effective orchestration paradigm. Concretely, we compare (i) a DeclarativeAgent that reads three domain-specific skill files at inference time and decides its own control flow, (ii) an I
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:12AI 초안
