대규모 언어 모델(LLM)은 이미 방대한 양의 오픈소스 코드와 기술 문서를 통해 Unix Bash 커맨드에 익숙해져 있다. 새로운 툴을 만들 때 전용 SDK나 프롬프트 어휘를 새로 정의하는 것은 에이전트에게 ‘외국어’를 하나 더 배우라고 강요하는 것과 같다.
Mirage의 핵심 통찰은 LLM이 가장 잘하는 ‘도구’인 Bash를 인터페이스로 삼아 모든 외부 서비스를 연결했다는 점에 있다. 이는 에이전트의 ‘도구 사용(Tool-use)’ 성공률을 비약적으로 높이며, 개발자 입장에서도 별도의 어휘 학습(Vocabulary Learning) 없이 즉시 에이전트를 배포할 수 있는 환경을 제공한다.
근거
LLM은 수조 개의 토큰 학습 과정에서 Bash의 논리 구조와 파일 조작 패턴을 완벽하게 내재화했다.
“bash를 이미 학습한 LLM이라면 별도 어휘 학습 없이 바로 사용 가능… 에이전트가 서비스별 SDK/MCP를 새로 익힐 필요 없이, Unix 계열 bash 도구만으로 모든 백엔드를 다루며”
연결된 생각
- 20260522-mirage-vfs-framework — Mirage의 기술적 구현체
- cognitive-load-in-llm-tool-use — LLM 도구 사용 시 발생하는 인지 부하 문제