Mirage의 접근법은 AI 에이전트를 위한 인터페이스 설계의 중요한 교훈을 준다. 복잡한 API나 커스텀 프로토콜(MCP)을 가르치기보다, LLM이 이미 방대한 코퍼스를 통해 학습한 Unix 파일시스템 인터페이스를 그대로 사용하는 것이 훨씬 효율적이다. 이는 인간-컴퓨터 상호작용에서 GUI가 CLI를 대체했지만, AI 에이전트에게는 CLI가 오히려 더 자연스러운 인터페이스일 수 있음을 시사한다.
에이전트는 텍스트 기반의 명령어를 이해하고 실행하는 데 특화되어 있기 때문에, 파일시스템이라는 추상화는 그들에게 완벽한 인터페이스다. 모든 리소스가 파일로 보이고 명령어가 일관되면, 에이전트는 도구 사용법을 일반화할 수 있다. 이는 도구 사용 능력을 확장하는 데 결정적인 장점이다.
근거
Mirage의 핵심 설계 원칙은 “bash를 이미 학습한 LLM이라면 별도 어휘 학습 없이 바로 사용 가능하다”는 것이다. 이는 단순한 편의성을 넘어, LLM의 기존 지식을 최대한 활용하는 전략이다. 대규모 언어 모델은 수많은 코드와 문서에서 bash 명령어와 파일시스템 조작 패턴을 학습했다. 따라서 파일시스템 기반 인터페이스는 추가 학습 비용이 거의 들지 않는다.
또한, 파일시스템은 본질적으로 계층적이고 투명하다. ls로 내용을 확인하고 cat으로 읽고 cp로 복사하는 기본 동작은 데이터 접근 패턴을 단순화한다. 반면, 각 서비스의 REST API나 SDK는 인증, 엔드포인트, 데이터 형식 등 추가적인 문맥을 요구한다.
“에이전트가 서비스별 SDK/MCP를 새로 익힐 필요 없이, Unix 계열 bash 도구만으로 모든 백엔드를 다루며, 서비스 간 파이프라인을 로컬 디스크처럼 자연스럽게 구성”
연결된 생각
- 20260522-mirage-ai-agent-virtual-filesystem — 이 인사이트의 바탕이 된 개념 노트
- agent-computer-interface-standard — MCP의 접근법과 대비됨. 표준화를 프로토콜이 아닌 인터페이스로 해결한 사례
- llm-tool-use-patterns — LLM의 도구 사용 패턴에서 파일시스템이 왜 효과적인지 분석