Autolith

Autolith의 Recursive Language Model(RLM) 기능 덕분에 인문구조학 의 방대한 GRF 규칙문서 기반의 분석/해석에 확실히 답변이 다르다. 먹고 살만하다면 Common Lisp을 본격적으로 메인 툴로 삼아 맘껏 주무를 수 있을 때까지 파보고 싶다.

사실 해커뉴스의 누군가가 쓴 글 처럼 굳이 Agent의 기능을 Live로 바꾸는 일은 거의 일어나지 않는다고 생각했었다. 다만 분석의 일부가 코드가 되서 Agent의 기능이 되버리는 것을 경험하니 직감적으로 “이거, 물건이네..??” 라는 호기심이 마구 솓아난다. 물론 이 호기심은 전형적인 나의 Mercury-Venus-Neptune MARS 구조때문이다. 다른 말로 말해, 확인되지 않지만 직감이 이미 그 가능성을 꿰뚫어 봤을 때의 느낌이라는 말이다.

그러나 흥미의 강도에 반배례해서 CL을 잘 모르기 때문에 대단히 불편하다. ACP 프로토콜로 Zed에 붙여보았으나 제대로 동작하지 않는다. Spacemacs에 붙여봤는데, … 후,, 그냥 짜증나서 바로 제거했다. autlith-webui 까지만 시도해보고, 다 거기서 거기인 수준이라 그냥 CLI에서 사용하기로 한다.

Autolith의 RLM과 점진적 읽기

Autolith의 RLM은 긴 문맥을 프롬프트 밖의 환경에서 다루고, 선택한 부분에 제한된 추론을 수행한 뒤 결과를 조합하는 방식이다. 문서에 따르면 rlm-complete에서 루트 모델은 외부에 둔 입력의 길이를 확인하거나 일부를 읽고 검색할 수 있으며, 필요하면 하위 추론을 호출해 결과를 종합한다. 호출 횟수, 토큰, 재귀 깊이에 관한 예산과 추론 기록도 다룬다.

RLM은 외부 문서에 접근하는 것에서 더 나아가 작업을 나누고 결과를 결합하는 재귀적 추론을 다루는 반면, 지금 내가 궁금한 것은 그 전체를 복제하기보다, 필요한 부분에 접근하고 읽은 결과에 따라 이해를 갱신하는 그 과정이다. 둘은 맞닿아 있지만 범위는 같지 않다.

문서 접근과 읽기 제어를 분리할 수 있을까?

이미 aspectscope-mcp를 통해 문서 접근은 구현해서 사용하고 있지만, 읽기 제어를 일반 AGENT에서 구현할 수 있느냐는 의문이 든다. 서버가 문서 구조와 읽을 수 있는 범위를 관리하고, 에이전트가 질문과 현재 이해에 따라 다음 위치를 선택하는 형태다. 이미 그 과정은 또 다른 MCP를 통해 분류법을 적용하여 어떤 문서를 읽어야할지 적용하고 있지만, 그 분류법 자체가 문제라서, AGENT의 선택에 맡기고 싶다는게 지금 생각이다. 이 부분은 시간이 지나야 좀 더 명확히 쓸 수 있을 것 같다.

Autolith를 사용하며 GRF 분석하는 방법의 변화를 기록 해 갈 것이다

당장은 autolith 소스를 해킹하며 Common Lisp에 익숙해져야 한다.

authlith 자체가 너무 릴리즈가 잦아서 업그레이드 따라가기도 버거운 것도 문제라면 문제.

kontexus-mcp changes

kontexus-mcp v1.4.4부터 기획, 실행 전 감찰, 작업 실행, 독립 감사를 연결하는 자체 하네스를 내장한다. 사용자는 요구사항과 태스크에 따라 각 단계의 절차와 후속 흐름을 프롬프트로 지정하고, 진행 중인 에이전트를 통해 과정을 제어할 수 있다.

태스크의 역할 분리

루트 태스크는 전체 작업의 방향과 범위를 정하는 기획서이고, 턴 태스크는 그 기획을 개별 실행 단위로 구체화한 작업지시서다. 두 태스크의 역할을 분리함으로써 전체 기획과 개별 작업을 구분하면서도, 실행 전 감찰과 실행 후 감사를 공통 기준에 연결한다. 이를 통해 각 실행 단계의 책임과 판단 근거를 명확히 하고, 태스크 간 일관성을 유지할 수 있다.

실행 전 계획 평가

작업 실행 전 태스크 기획과 작업지시가 제대로 구성되었는지 파악하고 교정하고자 할 때, evaluator 서브에이전트를 명시적으로 호출할 수 있다. evaluator는 기획서와 작업지시서의 규격 준수 여부를 검토하고, 이후 auditor의 판단에 혼동을 줄 수 있는 지점을 확인한다. 확인된 개선사항은 KontexusNote를 통해 전달한다. 교정할지 말지는 사용자의 선택이고, 프롬프트에 지시하여 과정을 자동화 할 수 있다.

예제 화면1: 사전 평가실행 후 내용 표시.

실행 후 독립 감사

턴 태스크 실행 후, 현재 문맥의 AGENT와 분리된 독립적인 auditor가 스냅샷을 기준으로 작업 전후를 비교하고, 결과가 작업지시서에 맞게 구현되었는지 감사한다. 구현했다고 보고만 하고 실제로는 하지않는 것을 검출하는 건 기본이며, 턴태스크가 달성해야할 목표와 상태를 의미적으로 파악하므로 단순한 체크리스트 검증 이상의 감사를 실현한다.
감사 이후의 흐름은 중단, 감사 통과까지 반복, 지정 횟수만큼 반복하는 방식으로 설정할 수 있다. 작업 경로를 지정하여 상황에 따라 멈추거나 계속 진행하도록 지정할 수도 있다.

예제 화면#2: 턴태스크 실행 후 감사 결과 표시

진행 중 제어

태스크 문맥 평가(evaluator)나 작업결과의 감사(auditor) 과정이 진행 중이어도 사용자는 진행 중인 에이전트를 통해 해당 서브에이전트와 통신하며 감찰·감사 과정을 제어할 수 있다. 기계적 반복을 하도록 지시할수도 있고, 민감하게 사용자와 상호작용하며 진행할수도 있다.

예제 화면#3: 감사과정중 변경사항 전달

추가된 기능 활용 예

  • 언어 전환·포팅 — 기존 동작과 유지 조건을 루트 태스크에 정리하고, 구성요소별 전환을 턴 태스크로 나눈다. 각 단계에서 전환 결과를 기존 동작과 비교한다.
  • 리팩토링 — 유지할 동작과 변경할 구조를 구분하고, 작업 단위별로 결과를 감사한다. 구조를 개선하면서 의도하지 않은 기능 변경이 발생했는지 확인할 수 있다.
  • 계획에 따른 구현·관리 — 전체 목표와 범위를 루트 태스크에 두고, 선행 관계와 작업 순서에 따라 턴 태스크를 구성한다. 계획 평가와 실행 후 감사를 연결해 개별 결과를 전체 기획에 비추어 확인하고, 진행 상황에 따라 후속 흐름을 조정한다.