정의
마이크로소프트(Microsoft)에서 제안한 프레임워크로, 거대언어모델(LLM) 자체를 수정하지 않고 에이전트가 사용하는 ‘스킬 문서(Skill Description)’를 학습 가능한 상태로 취급하여 자동 최적화하는 자기진화 시스템이다.
핵심 속성
- 최적화 대상: 모델 파라미터가 아닌 텍스트 기반의 행동 지침(Prompt/Skill Document).
- 진화 메커니즘: 별도의 옵티마이저 모델이 에이전트의 실행 궤적을 분석하여 스킬을 수정하고, 성능 개선이 확인될 때만 반영하는 ‘검증 기반 업데이트’를 수행함.
- 경제적 효율성: 천문학적 비용이 드는 모델 재학습 없이, 추가적인 추론 비용 발생을 억제하면서 성능을 비약적으로 향상시킴.
- 범용성/전이성: 특정 모델에 종속되지 않고 학습된 스킬 문서가 다른 모델(GPT, Claude 등)로 전이될 수 있는 특성을 가짐.
관계
- agent-operating-system — 개념적 연장: 단순 두뇌(모델)를 넘어 행동 체계를 관리하는 운영체제적 접근.
- text-space-optimization — 하위 방법론: 텍스트 공간에서의 경사 하강법(Gradient Descent)과 유사한 최적화 전략.
- validation-gate — 필수 구성 요소: 진화의 방향성을 통제하고 품질을 보장하는 장치.
인용
“모델 자체를 계속 바꾸려 하지 말고, 에이전트의 스킬 자체를 학습 가능한 상태로 다뤄라. AI의 미래는 단순히 거대한 두뇌를 만드는 것이 아니라, 그 두뇌 위에서 작동하는 ‘행동 운영체제’를 어떻게 진화시키느냐에 달려 있다.”
출처
- 📎 클리핑: 20260623-jinho-yoos-post