📚 Coursework

Loop Engineering

AutoGPT식 monolithic 에이전트 프레임워크에서 '에이전트는 결국 루프다'라는 harness 관점으로, 다시 LangGraph식 명시적 그래프 오케스트레이션으로 넘어가는 흐름을 대표 논문·에세이 13편으로 추적한다. framework → loop → graph 진화사를 통해 2026년 프로덕션 에이전트를 실제로 어떻게 짜는지 배운다.

고급 10 chapters Python

커리큘럼

10 chapters

🗺️The Paradigm Shift: Framework → Loop → Graph

패러다임 전환 — 프레임워크에서 루프, 그리고 그래프로

AI 에이전트를 '만드는 법' 자체가 3단계로 진화했다. 무거운 프레임워크에 기대던 시대에서, '에이전트는 결국 while 루프 하나다'라는 깨달음으로, 다시 그 루프를 명시적인 그래프로 그리는 시대로. 이 장은 나머지 9장 전체의 지도다.

framework/loop/graph 3단계harness engineeringcontext engineering

🔁ReAct: The Origin of the Agentic Loop

ReAct — 에이전트 루프의 기원

생각(reason)과 행동(act)과 관찰(observe)을 한 루프 안에서 번갈아 돌리는 패턴. 오늘날 거의 모든 에이전트(Claude Code, Cursor, LangGraph)의 유전자가 여기서 나왔다. framework에서 loop로 넘어가는 바로 그 기점.

reason-act-observe 인터리빙도구 그라운딩CoT의 한계 극복

🪞Reflexion & Self-Refine: The Self-Reflection Loop

Reflexion & Self-Refine — 자기성찰 루프

루프에 '반성'을 넣는다. 실패한 시도를 언어로 되짚어 메모리에 적어두고(Reflexion), 혹은 자기 출력을 스스로 비평해 고쳐 쓴다(Self-Refine). 가중치를 건드리지 않고 언어만으로 스스로 나아지는 루프.

언어적 피드백(verbal RL)episodic memory bufferself-critique 반복

🧭Voyager: The Lifelong Loop & Skill Library

Voyager — 평생학습 루프와 skill library

루프에 '영구 기억'을 넣는다. 마인크래프트에서 GPT-4가 스스로 탐험하며, 성공한 행동을 실행 가능한 코드로 skill library에 쌓아 재사용한다. 파인튜닝 없이 경험이 자산으로 축적되는 평생학습 루프.

lifelong learning agentskill library (코드 축적)iterative prompting + self-verification

🧠Generative Agents: Memory + Reflection + Planning as a Primitive

Generative Agents — 기억·성찰·계획을 primitive로

스탠퍼드의 '심즈 마을' 실험. 25명의 LLM 에이전트가 기억 스트림·성찰·계획·검색이라는 인지 아키텍처로 믿을 만한 인간적 행동을 창발시킨다. 이 memory-reflection-planning 삼각형이 이후 모든 에이전트의 재사용 primitive가 됐다.

memory streamreflection(고수준 추론 합성)planning & retrieval

📐Building Effective Agents: The Loop-as-Primitive Manifesto

Building Effective Agents — '루프가 곧 primitive'라는 선언문

Anthropic이 2024년에 '에이전트란 도구를 쓰며 환경 피드백을 루프로 도는 LLM'이라 못 박고, workflow와 agent를 가르며, 무거운 프레임워크 대신 API를 직접 쓰라고 선언했다. framework에서 loop로 넘어가는 결정적 피벗.

agent = LLM + tools in a loopworkflow vs agentanti-framework 원칙

🎛️Context Engineering: Curating the Window Each Turn

Context Engineering — 매 턴 컨텍스트를 큐레이션하다

루프가 돌면 컨텍스트 창은 매 턴 바뀐다. 프롬프트 한 방을 잘 쓰는 기술(prompt engineering)에서, 매 턴 창에 '딱 필요한 정보만' 채우고 정제하는 기술(context engineering)로. 루프 엔지니어링의 쌍둥이 운영 규율.

prompt→context engineering 전환컨텍스트 창 큐레이션compaction·격리·검색

🌳Tree & Graph of Thoughts: From Linear Loop to Search

Tree & Graph of Thoughts — 선형 루프에서 탐색으로

지금까지의 루프는 한 줄로 나아갔다. Tree of Thoughts는 '생각'을 트리의 노드로 삼아 여러 갈래를 탐색·평가·백트래킹하고, Graph of Thoughts는 이를 그래프로 일반화한다. loop에서 graph로 넘어가는 결정적 다리.

thought as search nodeBFS/DFS 탐색·자기평가·백트래킹chain→tree→graph 계보

🗂️ReWOO & LLMCompiler: Plan-Then-Execute as a DAG

ReWOO & LLMCompiler — 계획-후-실행과 병렬 DAG

ReAct식 인터리빙 루프는 매 도구 호출마다 멈춰 재프롬프트한다 — 느리고 비싸다. ReWOO는 계획을 통째로 먼저 세워 관찰과 추론을 분리하고, LLMCompiler는 작업을 DAG로 컴파일해 병렬 실행한다. 순차 루프를 명시적 작업 그래프로 대체하는 성능 논거.

Planner/Worker/Solverreasoning-observation 분리작업 DAG 병렬 실행

🕸️DSPy & LangGraph: The Destination of Graph Engineering

DSPy & LangGraph — 그래프 엔지니어링의 종착점

DSPy는 LLM 파이프라인을 '최적화 가능한 계산 그래프'로 추상화해 손으로 짠 프롬프트를 컴파일러로 대체하고, LangGraph는 State·Node·Edge로 stateful 에이전트를 명시적 그래프로 짠다. framework→loop→graph 여정의 종착점이자, 2026 프로덕션의 현재.

LM 파이프라인 = 계산 그래프DSPy 컴파일러 최적화LangGraph State/Node/Edge