AI 생성 이미지
DeepAgents v0.6의 메시지는 분명합니다. 에이전트 성능은 모델 자체만으로 결정되지 않습니다. 모델을 둘러싼 실행 환경, 즉 하네스를 얼마나 잘 맞추느냐가 점점 더 중요해지고 있습니다.
여기서 하네스는 모델이 작업을 수행할 때 의존하는 전체 작업틀을 뜻합니다. 시스템 프롬프트, 도구 이름, 도구 설명, 미들웨어, 서브에이전트 구성 등이 포함됩니다. 같은 모델이라도 이 작업틀이 모델의 사용 방식과 맞지 않으면 기대한 성능이 나오기 어렵습니다.
DeepAgents v0.6은 이 문제를 모델 계층, 에이전트 계층, 대규모 실행, 장기 실행 성능이라는 축으로 다룹니다.1 핵심 구성 요소는 코드 인터프리터, 하네스 프로필, 스트리밍, DeltaChannel, ContextHubBackend입니다.1
모델에 맞는 하네스가 성능을 바꾼다
v0.6에서 가장 먼저 봐야 할 변화는 하네스 프로필입니다. DeepAgents는 OpenAI, Anthropic, Google 모델 등에 맞춰 프롬프트와 도구 구성을 조정할 수 있는 내장 프로필을 제공합니다.1
이 접근이 필요한 이유는 모델마다 잘 반응하는 프롬프트 방식과 도구 호출 관습이 다르기 때문입니다. 예를 들어 Codex 계열에는 apply_patch, shell_command 같은 도구 이름이 더 적합할 수 있고, Claude 계열에는 도구 결과를 보고 다시 판단하라는 지시가 더 중요할 수 있습니다.2
이 차이는 실제 성능에도 반영됩니다. LangChain 측 테스트에서는 tau2-bench의 일부 어려운 하위 집합에서 GPT 5.3 Codex가 33%에서 53%로, Claude Opus 4.7이 43%에서 53%로 올랐습니다.2 모델을 바꾸지 않고도 하네스를 조정하는 것만으로 10~20점 수준의 차이가 날 수 있다는 의미입니다.
따라서 v0.6의 성능 개선은 단순히 “프롬프트를 조금 고쳤다”는 이야기가 아닙니다. 모델별 특성에 맞게 프롬프트, 도구 이름, 도구 설명을 정렬하는 것이 에이전트 성능 최적화의 일부가 됐다는 신호입니다.
코드 인터프리터는 에이전트의 작업 방식을 바꾼다
두 번째 축은 코드 인터프리터입니다. DeepAgents의 코드 인터프리터는 에이전트가 도구를 조합하고, 중간 상태를 관리하며, 모델 컨텍스트에 어떤 정보를 돌려줄지 제어하는 가벼운 실행 런타임입니다.1
기존의 도구 호출 방식에서는 모델이 “도구 호출 → 결과 확인 → 다음 호출”을 반복합니다. 호출마다 모델 왕복이 발생하고, 중간 결과도 다시 컨텍스트에 들어가기 쉽습니다. 작업이 길어질수록 토큰과 지연 시간이 커질 수밖에 없습니다.
v0.6이 강조하는 Programmatic Tool Calling은 다릅니다. 모델이 실행 런타임 안에서 도구를 호출하는 코드를 작성하고, 그 코드가 여러 도구 호출을 이어서 수행할 수 있게 합니다.1 모든 중간 결과를 매번 모델에 다시 보내지 않아도 워크플로를 진행할 수 있습니다.
이 방식의 장점은 실용적입니다. 중간 결과는 런타임 상태에 보관하고, 필요한 정보만 모델에 돌려줄 수 있습니다. 또한 노이즈가 많은 출력을 필터링하거나, 데이터를 처리하거나, 실패한 작업을 재시도하는 흐름도 런타임 안에서 다룰 수 있습니다.1
결과적으로 토큰 소비가 줄고, 불필요한 모델 왕복이 줄며, 모델이 직접 추론해야 하는 단계가 더 작아집니다.1 짧은 작업에서는 차이가 작을 수 있지만, 여러 도구를 엮는 긴 에이전트 작업에서는 이 구조가 성능과 비용에 직접적인 영향을 줍니다.
샌드박스가 아니라 에이전트 루프 안의 런타임
코드 인터프리터를 샌드박스와 혼동하지 않는 것도 중요합니다. 샌드박스는 명령 실행, 의존성 설치, 파일 편집처럼 환경에 직접 작용하는 코드 우선 방식입니다.1
반면 DeepAgents의 인터프리터는 전체 샌드박스 없이 인메모리 런타임에서 에이전트가 작성한 코드를 실행합니다.1 목적도 다릅니다. 환경을 크게 조작하기보다는 에이전트 루프 내부에서 도구를 조합하고, 상태를 보존하고, 모델에 반환할 정보를 선택하는 데 초점이 있습니다.1
즉, v0.6의 인터프리터는 “에이전트가 직접 실행 환경을 완전히 장악한다”기보다는 “모델 왕복 없이 필요한 작업을 더 작고 효율적인 단위로 묶는다”는 쪽에 가깝습니다.
긴 실행에서는 상태 관리가 성능이다
DeepAgents v0.6은 장기 실행 성능도 함께 다룹니다. 에이전트가 오래 실행될수록 문제는 단순한 추론 품질을 넘어섭니다. 상태가 커지고, 체크포인트가 늘어나며, 저장 비용과 복구 비용이 성능에 영향을 주기 시작합니다.
여기서 DeltaChannel이 등장합니다. DeltaChannel은 매 단계 전체 상태를 저장하는 대신 변경분만 저장하는 방식입니다. 한 200턴 코딩 에이전트 예시에서는 저장량이 약 5.3GB에서 129MB로 줄었습니다.3
이는 장기 실행 에이전트에서 중요한 변화입니다. 긴 작업을 안정적으로 운영하려면 모델 응답 품질뿐 아니라 중간 상태를 어떻게 저장하고, 다시 불러오고, 비용을 통제할지도 함께 봐야 합니다.
DeepAgents v0.6에서 배울 점
DeepAgents v0.6의 결론은 “더 좋은 모델을 쓰자”가 아닙니다. 더 정확히는 “모델에 맞는 실행 환경을 설계하자”입니다.
실제로 DeepAgents를 쓴다면 다음을 먼저 확인해야 합니다.
사용하는 모델에 맞는 하네스 프로필이 적용됐는가
프롬프트, 도구 이름, 도구 설명이 해당 제공업체의 권장 방식과 맞는가
반복적인 도구 호출을 코드 인터프리터로 묶을 수 있는가
중간 결과를 모두 모델 컨텍스트에 넣고 있지는 않은가
긴 실행에서 체크포인트와 저장량이 어떻게 증가하는가
v0.6이 보여주는 방향은 명확합니다. 에이전트 성능은 모델, 프롬프트, 도구, 런타임, 상태 관리가 함께 맞물릴 때 개선됩니다. 모델 순위표만 보는 것으로는 부족합니다. 이제는 모델을 어떻게 감싸고 실행시키는지가 성능 최적화의 핵심입니다.
2Tuning Deep Agents to Work Well with Different Models
3Delta Channels: Evolving our Runtime for Long-Running Agents
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.