AI 에이전트가 현실 세계의 실데이터를 다룰 때 겪는 가장 큰 병목은 논리적 추론 능력이 아니라, 지저분한 데이터를 파싱하고 변환하는 데이터 랭글링(Data Wrangling) 과정이다. 에이전트에게 Parquet 파일이나 복잡한 바이너리 포맷의 경로를 던져주고, 파이썬 스크립트를 작성해서 알아서 해독하라고 요구하는 것은 매우 비효율적이며 오류 가능성을 높인다.
근거
Mirage VFS가 제공하는 ‘명령어 오버라이드(Command Override)’ 기능은 이 병목에 대한 명쾌한 아키텍처적 해답을 제시한다. S3에 저장된 Parquet 파일에 대해 에이전트가 cat 명령을 실행하면, 시스템이 알아서 원시 바이트 대신 LLM이 즉시 읽고 이해할 수 있는 JSON 행으로 변환하여 반환한다.
“특정 리소스·파일타입에 대한 커맨드 오버라이드 지원, 예: S3의 Parquet 파일에 cat 실행 시 원시 바이트 대신 JSON 행 출력”
이는 에이전트 시스템 설계에 있어 책임 소재를 명확히 분리(Separation of Concerns)한다. 복잡한 포맷 변환, 인덱싱, 캐싱과 같은 기계적이고 결정론적인 궂은일은 가상 파일시스템이라는 인프라 계층으로 밀어내야(Push down) 한다. 반면, 에이전트는 이미 잘 정제된 텍스트 뷰(View)만을 제공받아 ‘파서’가 아닌 순수한 ‘의사결정자’로서의 역할에 집중해야만 시스템 전체의 신뢰성이 보장된다.
연결된 생각
- separation-of-concerns-in-ai — 모델의 확률론적 추론 계층과 인프라의 결정론적 데이터 처리 계층을 분리해야 AI 파이프라인이 안정된다.
- llm-friendly-formats — 기계 간 통신에서 JSON이나 Markdown과 같은 구조화된 텍스트 기반 포맷이 바이너리보다 선호되는 근본적 이유.