LLM 기능이 빠르게 발전함에 따라, 엔지니어링 노력을 어디에 투자할지, 어디서 유지할지 결정하기 위한 프레임워크가 필요합니다.
의사결정
우리는 모든 기능을 LLM 진전과의 관계에 따라 분류하고 그에 따라 노력을 배분합니다.
경험칙: 기능이 *“모델을 더 똑똑하게 만드는 방법”*을 해결하면, 흡수되고 있는 것입니다. 기능이 *“모델을 안전하게 실제 세계에 연결하는 방법”*을 해결하면, 직교입니다.
분석
커넥터 플랫폼이 완전히 직교하는 이유
모델은 절대 기본적으로 다음을 수행할 수 없습니다:- API 자격증명 저장 및 암호화 (AES-GCM)
- OAuth 흐름 관리 (인증 페이지 → 콜백 → 새로고침 토큰)
- 클라이언트의 Kingdee/金蝶 ERP 데이터베이스에 연결
- Lark/飞书 또는 WeCom/企微에 알림 푸시
- 어떤 커넥터를 사용할 수 있는지에 대한 RBAC 적용
- 규정 준수 감사를 위해 모든 도구 호출 기록
AI 커넥터 빌더가 “주도적”인 이유, “흡수되지” 않는 이유
빌더 에이전트는 모델 지능을 사용하여 관리되고 지속되는 커넥터 엔티티를 생성합니다 — DB에 저장되고, 에이전트 전체에서 재사용 가능하며, 자격증명 관리 및 감사 추적을 포함합니다. 모델의 향상된 API 이해도는 빌더를 불필요하게 만드는 것이 아니라 빌더가 더 나은 커넥터를 생성하도록 합니다. 유추: Cursor는 Claude를 사용하여 코드를 작성합니다. Claude가 더 똑똑해지면 Cursor는 더 나아지고, 중복되지 않습니다. 왜냐하면 Cursor는 모델이 대체할 수 없는 엔지니어링 가치(프로젝트 관리, 파일 구성, 버전 제어)를 제공하기 때문입니다.v0.1–v0.5 기능이 “동결”된 이유
이러한 기능들이 나쁜 것은 아닙니다 — 출시되었고, 작동하며, 오늘날 제품을 기능하게 만듭니다. 결정은 단순히 이들에 대한 추가 개발을 중단하고 노력을 재배치하는 것입니다.
다중 에이전트 오케스트레이션이 연기된 이유
LLM 제공자들이 오케스트레이션을 기본적으로 구축하고 있습니다:- OpenAI Swarm: 핸드오프 프로토콜을 포함한 다중 에이전트 프레임워크
- Anthropic Claude Code Teams: 작업 그래프를 포함한 리더/워커 에이전트 풀
- Google A2A (Agent-to-Agent): 에이전트 간 통신 프로토콜
의미론적 메모리와 메모리 생명주기가 연기된 이유
- 컨텍스트 윈도우가 빠르게 증가하고 있어 세션 간 메모리 검색의 필요성이 감소하고 있습니다
- 제공자들이 네이티브 메모리 기능을 추가하고 있습니다 (ChatGPT Memory, Claude Projects)
- 신뢰할 수 있는 메모리 시스템 구축의 엔지니어링 비용 (TTL, 중요도 점수 매기기, 의미론적 검색)이 줄어드는 격차에 비해 높습니다
기능 수준 분류
직교성 (v0.6+)
Tailwind
Frozen (shipped, maintain only)
고려 중 (무기한 연기)
함의
- v0.5 기능으로 돌아가지 마세요. 버그 수정은 가능하지만 새로운 기능은 안 됩니다.
- 커넥터 플랫폼이 핵심 투자입니다. v0.6–v0.8은 대부분의 엔지니어링 시간을 받아야 합니다.
- 엔터프라이즈 엔지니어링(RBAC, 감사, 보안, 배포)이 경쟁 우위입니다. 이들은 지루하지만 방어 가능합니다.
- 매년 재평가하세요. 모델 진전이 정체되거나 “동결된” 기능이 여전히 상당한 격차가 있다면 재고려하세요.