Agri-SAGE는 검색 기반 멀티에이전트 LLM 추론과 APSIM 생물물리 시뮬레이션을 결합해 농업 자문을 생성·검증하는 폐루프 프레임워크다. 정적 농법 지침은 시즌 중 변동성에 취약하고 LLM 자문은 농학적으로 그럴듯하지만 생리학적으로 타당하지 않을 수 있다는 두 한계를 동시에 겨냥했다. 10년 회고 분석에서 Plan-and-Solve, Tree of Thoughts, Reflexion 세 추론 방식 모두 정적 PoP(Package-of-Practice) 기준선을 크게 앞섰고, Tree of Thoughts가 최고 수확량을 기록했다. 특히 Reflexion은 시즌 간 에피소드 기억을 활용해 훨씬 낮은 계산 비용으로 유사한 성과를 내, 실제 배포 관점에서 효율적 대안으로 제시된다.

• •검색 기반 멀티에이전트 LLM 추론과 APSIM 생물물리 시뮬레이션을 결합한 폐루프 농업 자문 프레임워크
• •정적 지침의 경직성과 LLM 자문의 생리학적 비타당성이라는 두 한계를 시뮬레이션 검증으로 해소
• •10년 회고 분석에서 세 추론 방식 모두 정적 PoP 기준선을 유의미하게 상회, Tree of Thoughts가 최고 수확량
• •Reflexion은 시즌 간 에피소드 기억으로 훨씬 낮은 계산 비용에 유사한 농학적 성과 달성