정의
STATE, Memory, Skills Agent Loop는 self-improving agent system의 최소 반복 구조다. Agent는 STATE.md를 읽고 현재 상태를 파악한 뒤 task를 수행하고, verifier feedback과 실행 결과를 memory에 남기며, 반복되는 성공/실패 패턴을 skills로 증류한다. 다음 실행은 이 축적된 상태와 skill을 읽고 시작한다.
구성 요소
- STATE.md: 현재 phase, completed tasks, checkpoints, cost, blockers, next action을 담는 restartable state file.
- Working Memory: 현재 session 안에서 필요한 임시 context.
- Episodic Memory: 과거 실행 사례와 유사 task의 history.
- Procedural Memory: 재사용 가능한 workflow, prompt, code skill.
- Verifier Feedback: output이 기준을 충족하는지 확인하고 실패 원인을 구조화한다.
- Skill Distillation: 반복되는 교훈을 skill 문서나 reusable template으로 남긴다.
작동 방식
- Agent가 시작할 때 STATE.md와 관련 skills를 읽는다.
- Router가 task 성격에 맞는 model과 role을 선택한다.
- Executor가 artifact를 만든다.
- Verifier가 독립적으로 artifact를 검사한다.
- 실패하면 error pattern을 기록하고 retry한다.
- 성공하면 reusable lesson을 memory나 skill로 남긴다.
- 종료 전에 STATE.md를 갱신한다.
실천적 의미
이 loop가 없으면 agent는 매번 새 session에서 같은 실수를 반복한다. 반대로 이 loop가 있으면 모델 자체는 stateless여도 시스템은 stateful하게 발전한다. 중요한 것은 chat history가 아니라, 다음 실행이 실제로 읽는 구조화된 파일과 skill이다.
관계
- 20260706-self-improving-agent-system-stack — 구현: self-improving agent stack의 core feedback loop.
- 20260612-ai-agent-work-harness — 확장: 검증과 상태 관리를 결합한 운영 하네스.