Antigravity Agent
42 lines
2.6 KiB
Markdown
42 lines
2.6 KiB
Markdown
---
|
|
id: f6a5b4c3-d2e1-4f0a-9b8c-7d6e5f4a3b2c
|
|
category: "10_Wiki/Topics/Development"
|
|
confidence_score: 0.99
|
|
tags: [agentic-se, software-engineering, ai-agent, harness, automation, development]
|
|
last_reinforced: 2026-05-01
|
|
github_commit: "wikification-agentic-se"
|
|
---
|
|
|
|
# [[Agentic_Software_Engineering|Agentic Software Engineering]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> 에이전틱 소프트웨어 엔지니어링은 개발자가 구현자(Implementer)에서 자율적으로 계획·코딩·디버깅하는 에이전트를 조율하는 오케스트레이터(Orchestrator)로 진화하는 패러다임이다.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
|
|
### 1. 개발 패러다임의 전환
|
|
- **오케스트레이션**: 인간은 시스템 아키텍처 설계와 전략적 방향 지시에 집중하고, 에이전트는 하네스 제어 하에 전술적 구현을 담당한다.
|
|
- **PEV 루프 (Plan-Execute-Verify)**: 계획, 실행, 검증의 단계를 명시적으로 분리하여 에이전트의 작업 신뢰성을 확보한다.
|
|
|
|
### 2. 에이전트 하네스 인프라
|
|
- **런타임 거버넌스**: 모델을 자율 에이전트로 변환하기 위해 실행 루프(E), 도구(T), 컨텍스트(C), 상태(S), 수명주기(L), 평가(V)를 제공하는 하네스가 필수적이다.
|
|
- **격리된 실행**: 샌드박스(MicroVM/Container) 내에서 파일 시스템 접근, 명령어 실행, 시맨틱 분석을 안전하게 수행한다.
|
|
|
|
### 3. 가상 피드백 (SWE-World)
|
|
- **효율적 학습**: 무거운 물리적 환경 대신 시뮬레이션된 피드백을 활용하여 에이전트의 강화학습 및 평가 효율을 극대화한다.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **자율성 vs 보안**: 셸 접근 등 강력한 도구는 유용하지만 인젝션 및 샌드박스 탈출 위험을 동반하므로 Pareto 최적점을 찾는 설계가 필요하다.
|
|
- **컨텍스트 경제성**: 장기 작업 기록 보존은 추론에 유리하나 토큰 비용 급증과 '컨텍스트 부패'를 유발하므로 적응형 압축이 요구된다.
|
|
- **하네스 편향성**: 에이전트의 성능 지표는 모델 지능뿐만 아니라 하네스의 도구 설계 및 에러 처리 방식에 크게 좌우된다.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- **Parent**: 10_Wiki/Topics/Development
|
|
- **Related**: [[Agent Harness|Agent Harness]], Model Context Protocol (MCP), Plan-Execute-Verify (PEV) Loop, SWE-World
|
|
- **Raw Source**: 00_Raw/Agentic Software Engineering
|
|
|
|
## 💻 GitHub 동기화 자동화 워크플로우
|
|
1. Stage: git add .
|
|
2. Commit: `git commit -m "[P-Reinforce] Wikify Agentic Software Engineering Paradigm"`
|
|
3. Push: `git push origin main`
|