본 논문은 대규모 코드베이스 이해와 같은 장기 호흡(long-horizon) 과제를 수행하는 LLM 에이전트들의 협업 성능을 향상시키기 위한 비동기 메시지 전달 계층인 AgentRadio를 제안합니다.

배경 및 문제 제기

최근의 소프트웨어 공학 과제들은 단순히 단일 함수를 작성하는 수준을 넘어, 전체 프로젝트의 구축, 실행, 파일 간의 추적 및 종합적인 증거 확보를 요구합니다. 연구진은 SWE-Atlas QnA 벤치마크를 통해 단일 Claude Code 에이전트(Opus 4.6)의 성능이 32.3%에 불과함을 확인했습니다. 기존의 다중 에이전트 시스템은 주로 단계별로 업무를 분할하거나 동기화된 라운드 방식을 사용하는데, 이는 에이전트가 업무를 수행하는 도중(중간 단계)에 발견한 내용을 즉시 공유하지 못해 의존성 문제를 해결하는 데 한계가 있었습니다.

핵심 방법론: AgentRadio

AgentRadio는 작업과 통신이 상호 배타적이지 않도록 세 가지 핵심 기본 요소(primitive)를 설계했습니다.

1. create_thread: 명명된 통신 채널을 생성합니다.
2. send_message: 블로킹(blocking) 없이 메시지를 공유합니다.
3. wait_for_mention: 이 시스템의 핵심으로, 배경 작업(background task)으로 실행되어 에이전트가 본래의 작업을 수행하는 동안 팀원의 메시지를 수신할 수 있게 합니다.

이를 통해 에이전트는 마치 운전 중 라디오를 듣는 것처럼, 작업 흐름을 중단하지 않고도 피어(peer)의 발견 사항을 실시간으로 자신의 작업에 통합하는 수동적 인식(passive awareness) 능력을 갖추게 됩니다. 수학적으로, 에이전트의 작업 단계 $s_t$에서 확인 가능한 메시지 집합 $M(t)$가 기존의 블로킹 방식처럼 별도의 작업 단계를 소비하지 않고도 $t$ 시점에 즉시 업데이트되는 구조를 가집니다.

5단계 협업 프로토콜

AgentRadio는 다음과 같은 5단계 프로토콜을 따라 운영됩니다:

• P1 (explore): 개별적인 리포지토리 탐색 및 하위 질문 초안 작성.
• P2 (divide): 계획 스레드를 통한 업무 분할 및 합의.
• P3 (execute): 독립적 하위 과제 수행. 이때 AgentRadio의 수동적 인식을 통해 발견 사항을 즉시 게시하고, 다른 에이전트는 이를 실시간으로 반영.
• P4 (review): 결과 공유 및 상호 교차 검토.
• P5 (submit): assembler 에이전트를 통한 최종 결과물 도출 및 제출.

실험 결과

• 성능 향상: 124개의 과제에 대해 4개의 Claude Code 에이전트가 AgentRadio를 사용했을 때 62.1%의 해결률을 기록했습니다. 이는 단일 에이전트(32.3%) 대비 약 92%의 상대적 성능 향상이며, 더 최신 모델인 Claude Code Opus 4.8(57.2%)을 상회하는 수치입니다.
• 분석: 특히 과제 난이도가 높을수록 수동적 인식을 통한 중간 보정(mid-course correction)의 효과가 극대화되는 것으로 나타났습니다.
• 효율성: 단순 컴퓨팅 자원 증설(best-of-6 sampling)로는 얻을 수 없는 구조적 이득임을 입증했으며, 연산 비용 대비 성능 효율성 면에서도 탁월한 결과를 보여주었습니다.

결론적으로, AgentRadio는 복잡한 코드베이스 이해 과제에서 에이전트 간의 실시간 비동기 소통을 가능하게 함으로써, 고립된 다중 에이전트 시스템의 한계를 극복하고 장기 호흡 과제의 성공률을 비약적으로 높이는 데 성공했습니다.