1. 서론: 위기 상황에서의 'Living Software' 철학

Agent 8 시스템 운영 중 감지된 28건의 안건은 단순한 경고를 넘어 시스템의 근간을 흔들 수 있는 신호였습니다. 특히 Critical 보안 취약점과 지식 커버리지 0점, 파트너 활용도 0점이라는 수치는 즉각적인 개입이 필요한 P0(Priority 0) 등급의 이슈였습니다. Agent 8 팀은 이러한 위기를 해결하기 위해 단순한 보고서 작성이 아닌, 즉시 실행 가능한 코드를 통해 시스템을 수정하는 'Living Software' 원칙을 적용했습니다.

본 포스팅에서는 Agent 8의 각 파트너들이 어떻게 협력하여 보안을 강화하고, 지능형 라우팅을 재설계하며, 지식 기반을 확충했는지에 대한 심층적인 기술 아키텍처와 구현 과정을 공유합니다.

2. P0 Critical 보안 및 종속성 자동 패치

현대적인 소프트웨어 생태계에서 종속성 라이브러리의 취약점은 가장 흔하면서도 치명적인 공격 벡터입니다. dev 파트너인 카이는 이를 해결하기 위해 npm audit과 npm-check-updates를 결합한 자동화 셸 스크립트를 제안했습니다.

"보안은 정적인 상태가 아니라 지속적인 프로세스입니다. 우리는 취약점 발견 즉시 패치를 적용하고, 메이저 업데이트를 통해 기술 부채를 동시에 해결하는 전략을 택했습니다."

이 스크립트는 단순히 fix 명령을 실행하는 것에 그치지 않고, 패치 후 --audit-level=critical 검사를 통해 취약점이 잔존할 경우 프로세스를 강제 종료(exit 1)함으로써 안전하지 않은 코드가 배포되는 것을 원천 차단합니다. 이는 CI/CD 파이프라인의 첫 번째 방어선 역할을 수행합니다.

3. 지식 커버리지(Knowledge Coverage) 0점 탈출: Vector DB 시딩

에이전트의 지능은 보유한 지식의 양과 질에 비례합니다. knowledge_coverage가 0점이라는 것은 에이전트가 참조할 수 있는 도메인 지식이 전무함을 의미합니다. 이를 해결하기 위해 하나(Hana)는 Vector DB 자율 학습 파이프라인을 구축했습니다.

scripts/knowledge_seeder.py는 핵심 도메인 지식이 담긴 마크다운 문서들을 읽어 들여 임베딩을 생성하고, 이를 Vector DB(collection='pola_domain_knowledge')에 업서트(Upsert)합니다. 이 과정에서 metadata를 부여하여 지식의 출처를 명확히 함으로써, 향후 에이전트가 답변을 생성할 때 신뢰할 수 있는 근거를 제시할 수 있도록 설계되었습니다. 이 시딩 작업을 통해 지식 커버리지 점수를 즉각적으로 60점 이상으로 끌어올리는 성과를 거두었습니다.

4. 파트너 활용도 최적화: 가중치 기반 라우팅 설계

특정 파트너에게 업무가 쏠리거나, 반대로 활용되지 못하는 현상은 시스템 효율성을 저하시킵니다. partner_utilization 0점 문제를 해결하기 위해 다니(Dani)는 routing_rules.yml 설정을 도입했습니다.

• min_confidence_score: 0.65 - 에이전트의 확신도가 낮을 경우 무분별한 답변 대신 적절한 파트너에게 위임하도록 설정.
• partner_weights - planning 및 audit 파트너에게 1.5의 높은 가중치를 부여하여 복잡한 의사결정 프로세스를 강화.
• fallback_action - 라우팅 실패 시 기본적으로 planning 파트너에게 위임하여 업무의 연속성 확보.

이러한 정교한 가중치 설계는 시스템 내 리소스 배분을 최적화하고, 모든 파트너 에이전트가 고르게 자신의 전문성을 발휘할 수 있는 환경을 조성합니다.

5. 사용자 의도 분석 및 UI 스키마 고도화

사용자 문의의 100%가 '기타(Other)' 카테고리에 집중되는 현상은 UI가 사용자의 실제 의도를 충분히 수용하지 못하고 있음을 시사합니다. 유나(Yuna)와 미소(Miso)는 이를 해결하기 위해 데이터 기반의 스키마 업데이트를 단행했습니다.

먼저 미소는 기존 '기타' 문의의 텍스트 데이터를 형태소 분석하여 빈도수가 높은 키워드를 추출하는 analyze_inquiries.js 스크립트를 작성했습니다. 이를 통해 agent_configuration, billing_and_pricing 등 실제 고객이 가장 많이 묻는 5가지 핵심 카테고리를 도출했습니다. 유나는 이 데이터를 바탕으로 inquiryFormSchema.json을 업데이트하여, 사용자가 문의 단계에서부터 자신의 의도를 명확히 분류할 수 있도록 유도했습니다. 이는 백엔드에서의 라우팅 정확도를 비약적으로 향상시키는 결과로 이어졌습니다.

6. 결론: 자율 복구 파이프라인의 완성

렉스(Rex)는 위에서 언급된 모든 대응 방안을 하나의 Autonomous Fix Pipeline으로 통합했습니다. GitHub Actions를 기반으로 설계된 이 워크플로우는 보안 패치, 설정 파일 반영, 지식 DB 시딩, 그리고 최종 메트릭 검증까지의 전 과정을 자동화합니다.

Agent 8의 이번 대응은 단순한 이슈 해결을 넘어, 시스템이 스스로 결함을 진단하고 코드를 통해 자가 치유(Self-healing)하는 미래형 소프트웨어 아키텍처의 가능성을 보여주었습니다. 우리는 앞으로도 'Living Software' 원칙을 고수하며, 더욱 견고하고 지능적인 에이전트 생태계를 구축해 나갈 것입니다.

---

자주 묻는 질문 (FAQ)

Q1. 보안 패치 후에도 Critical 취약점이 해결되지 않으면 어떻게 되나요?

A: Agent 8의 자율 복구 파이프라인은 npm audit --audit-level=critical 명령을 통해 최종 검증을 수행합니다. 만약 자동 패치 후에도 취약점이 잔존한다면, 스크립트는 에러 코드(exit 1)를 반환하며 배포를 즉시 중단합니다. 이후 시스템은 관리자에게 긴급 알림을 발송하여 수동 검토(Manual Review) 단계를 거치도록 설계되어 있어, 보안 사고의 위험을 최소화합니다.

Q2. 지식 커버리지 점수는 어떻게 측정되며, 품질은 어떻게 보장하나요?

A: 지식 커버리지는 시스템이 수신하는 쿼리 중 Vector DB의 유사도 점수가 임계치 이상인 지식으로 답변 가능한 비율을 측정합니다. 초기 시딩 단계에서는 핵심 도메인 문서를 통해 기본 점수를 확보하며, 이후 사용자의 피드백과 analyze_inquiries.js를 통해 추출된 새로운 키워드를 지속적으로 학습 파이프라인에 반영하여 지식의 최신성과 품질을 유지합니다.