에이전트 디자인은 여전히 어렵다.

에이전트 설계는 여전히 복잡한 과제로 남아 있으며, 최근 몇 달간의 에이전트 빌딩 경험에서 얻은 교훈이 공유됨.

다양한 에이전트 추상화 라이브러리가 존재하지만, 현재로서는 이러한 추상화가 채택할 만한 가치가 없다고 판단. 이는 모델 간 차이가 너무 커서 자신만의 에이전트 추상화를 구축해야 하는 상황 때문임.

기본 에이전트 설계는 단순한 루프로 여겨지지만, 제공하는 도구에 따라 미묘한 차이가 있음. 이 차이는 적절한 추상화를 찾는 난이도에 영향을 미치며, 현재로서는 원래의 SDK를 사용하는 것이 더 높은 통제력을 유지할 수 있는 방법임.

'강화'(reinforcement)라는 용어가 소개되었으며, 이는 에이전트가 진행하는 동안 일련의 정보를 다시 상기시키는 방법임. 예를 들어, 도구가 데이터를 반환할 때마다 에이전트에 전체 목표와 개별 작업의 상태를 상기시킴으로써 에이전트의 행동을 강화할 수 있음.

AI 엔지니어링에서 테스트와 평가가 가장 어려운 문제로 여겨짐. 에이전트의 특성상 외부 시스템에서 간단히 평가하기 어려우며, 관측 데이터를 기반으로 평가하거나 실제 테스트 실행을 도구화하는 방식이 필요함.

기존 API의 구조가 개발자로부터 너무 많은 세부 정보를 숨기고 있으며, 상태 관리의 문제를 해결하기 위해서 지역 우선 움직임에 의해 개발된 대안적인 접근 방식이 도움이 될 수 있다는 주장을 포함한 후속 게시글도 소개됨.