ABOUT
reopt architecture란
reopt architecture는 AI 제품이 빠르게 성장해도 무너지지 않는 구조를 만드는 방법론이다. 책임의 소유, 판단의 계약, 구조의 진화를 체계적으로 유지한다.
AI가 속도를 보장하는 시대에, 구조 없이 확장하면 에이전틱 부채가 쌓인다. 프롬프트가 아닌 구조로 제품을 만들어야 하는 이유와 방법을 제공한다.
저자
기여
이 프로젝트는 오픈 레퍼런스로 발전할 예정이다. 패턴 제안, 사례 공유, 용어 토론 등 모든 형태의 기여를 환영한다.
방법론적 기반
reopt architecture의 평가 체계는 소프트웨어 공학과 AI 거버넌스의 검증된 방법론 위에 구축되었다. 기술 관점의 8개 속성은 ISO/IEC 25010 품질 모델에 정렬되며, 속성 간 트레이드오프 분석은 CMU SEI의 ATAM(Architecture Tradeoff Analysis Method)을 따른다. 거버넌스 프레임워크는 싱가포르 IMDA의 에이전틱 AI 거버넌스 모델과 OpenAI의 에이전틱 시스템 거버넌스 실무 가이드라인을 참조하여, 설계 시점부터 거버넌스를 내재화하는 AI Governance by Design 접근을 채택하였다.
기존 방법론과의 관계
reopt architecture는 기존 소프트웨어 아키텍처의 통찰을 계승하되, AI 에이전트의 비결정적 실행과 거버넌스 요구에 맞게 확장한다.
DDD — Bounded Context
공통점: 책임 경계를 명시적으로 분리하고, 경계 간 통신을 구조화한다는 점에서 Bounded Context와 Responsibility Boundary는 같은 문제를 다룬다.
차별점: DDD의 Bounded Context는 도메인 모델의 일관성을 위한 정적 경계다. reopt architecture의 책임 경계는 비결정적으로 실행되는 에이전트를 위해 설계되며, 운영 데이터에 따라 동적으로 조정된다. 또한 DDD는 거버넌스를 아키텍처의 일부로 다루지 않지만, reopt architecture는 거버넌스 계층을 기본 구조로 포함한다.
마이크로서비스 — Service Contract
공통점: 서비스 간 계약 기반 인터페이스를 정의한다는 점에서 Service Contract와 Module Contract는 동일한 원리를 공유한다.
차별점: 마이크로서비스의 계약은 주로 성공 경로의 입출력 스키마에 집중한다. reopt architecture의 Module Contract는 실패 조건, 거절 로직, 권한 범위를 필수 요소로 포함한다. AI 에이전트는 결정론적이지 않으므로 '언제 거절해야 하는가'가 '무엇을 반환하는가'만큼 중요하다.
Conway's Law
공통점: 시스템 구조가 조직 구조를 반영한다는 관찰은 에이전트 시스템에도 적용된다. 에이전트 간 협업 구조가 곧 시스템 아키텍처가 된다.
차별점: Conway's Law는 조직 구조가 시스템에 수동적으로 반영되는 현상을 설명한다. reopt architecture는 이를 뒤집어, 에이전트 조직을 의도적으로 설계함으로써 시스템 구조를 결정한다. Responsibility Partitioning 패턴이 이 의도적 설계의 구체적 방법이다.
Anthropic — Brain/Hands/Memory 분리
공통점: 시스템을 독립적으로 진화할 수 있는 구성요소로 분리한다는 원칙을 공유한다. Anthropic의 Session(기억)·Harness(두뇌)·Sandbox(손) 3분리는 reopt architecture의 4계층 모델과 구조적으로 대응한다.
차별점: Anthropic의 분리는 인프라 운영 관점(컨테이너 장애 복원, 보안 격리, 배포 독립성)에서 도출되었다. reopt architecture의 4계층은 거버넌스 관점(책임 귀인, 계약 검증, 협업 조율, 정책 집행)에서 도출되었다. 또한 reopt architecture는 Collaboration(협업 조율) 계층을 별도로 분리하여, 에이전트 간 핸드오프와 컨텍스트 전달 규칙을 독립적 설계 대상으로 다룬다.
참고문헌
reopt architecture의 패턴, 모델, 원칙은 다음 자료들의 통찰을 참조하고 발전시켰다.
Anthropic Engineering
Agent-Computer Interface(ACI), Poka-yoke 설계, Evaluator-Optimizer 패턴. Module Contract와 Evaluation 패턴의 실증적 근거.
Anthropic Engineering
Scaling Managed Agents: Decoupling the Brain from the Hands
Session(기억)·Harness(두뇌)·Sandbox(손) 분리 아키텍처. 4계층 모델의 실증적 대응 사례.
Anthropic Engineering
Effective Harnesses for Long-Running Agents
Harness = 거버넌스 인프라. Feature list를 계약으로 사용하는 패턴. Evolution 단계의 구체 구현.
Anthropic Engineering
Demystifying Evals for AI Agents
pass@k vs pass^k 지표, Capability→Regression eval 졸업, eval-driven development. Evaluation 패턴과 SHARPEN 단계의 핵심 근거.
Anthropic Engineering
Effective Context Engineering for AI Agents
Context rot, attention budget, progressive disclosure, compaction. Context Routing과 State/Memory 패턴의 실증적 근거.
Anthropic Engineering
How We Built Our Multi-Agent Research System
Orchestrator-Worker 패턴, sub-agent 위임, 소스 품질 휴리스틱. Responsibility Partitioning과 Collaboration 계층의 실증 사례.
Anthropic Engineering
Writing Effective Tools for Agents — with Agents
도구 = 비결정적 시스템과의 계약. 통합 vs 분산 설계, 에러 응답의 프롬프트 엔지니어링. Module Contract의 구현 가이드.
Anthropic Engineering
Claude Code Auto Mode: A Safer Way to Skip Permissions
3-tier 권한 모델, 4가지 위협 유형(overeager, honest mistakes, prompt injection, misalignment). Human Approval 패턴의 구현 모델.
Anthropic Engineering
Harness Design for Long-Running Application Development
Planner-Generator-Evaluator 3에이전트 설계, Sprint Contract(동적 계약 협상), criteria-based grading. Module Contract와 Evaluation 패턴의 구현 사례.
InfoQ
Google's Eight Essential Multi-Agent Design Patterns
Sequential Pipeline, Parallel Fan-out, Hierarchical Decomposition 등 8가지 구현 패턴. Implementation Bridge 매핑의 기반.
InfoQ
Google Publishes Scaling Principles for Agentic Architectures
멀티에이전트 조합이 항상 성능을 높이지 않는다는 정량적 증거. Layer, Then Scale의 실증적 근거.
InfoQ — QCon AI NY 2025
Becoming AI-Native Without Losing Our Minds To Architectural Amnesia
Agentic debt 개념의 원류. 자율성이 규율을 앞서면 쌓이는 부채. Agentic Debt 프레이밍의 근거.
InfoQ
Agentic AI Architecture Framework for Enterprises
Foundation→Workflow→Autonomous 3단계 프레임워크. Evolution 단계와의 비교 근거.
InfoQ
The Architectural Shift: AI Agents Become Execution Engines While Backends Retreat to Governance
백엔드가 거버넌스 계층으로 후퇴한다는 주장. Agents Scale by Structure 테제의 업계 대응.
InfoQ
From Prompts to Production: a Playbook for Agentic Development
ASDLC(Agentic SDLC) 개념. '절대 하면 안 되는 것'을 정의하는 원칙. OCLS의 ASDLC 포지셔닝 근거.
Carnegie Mellon SEI
ATAM: Method for Architecture Evaluation
Utility Tree로 품질 속성을 계층화하고 트레이드오프를 분석하는 방법론. 프로젝트 레이더의 슬라이더→텐션 감지 구조의 학술적 기반.
ISO/IEC
ISO/IEC 25010 — Systems and Software Quality Models
8개 품질 속성(보안, 신뢰성, 성능 효율성 등) 국제 표준. 기술 관점 8축 속성 체계의 정렬 기준.
IMDA (Singapore)
Model AI Governance Framework for Agentic AI
에이전틱 AI 거버넌스 모델 프레임워크. 책임 할당, 계약 기반 통제, 계층적 감독, 운영 보정 — OCLS 루프와 구조적으로 대응.
Preprints.org
AI Governance by Design for Agentic Systems
거버넌스를 설계 단계에서 내재화하는 AIGD 접근. Constitutional AI, Compliance, Access Control, Audit Trail 패턴 클러스터 제안.
World Economic Forum
AI Agents in Action: Foundations for Evaluation and Governance
AI 에이전트 평가와 거버넌스의 기초 프레임워크. 다차원 평가 메트릭과 거버넌스 원칙의 국제적 합의.
OpenAI
Practices for Governing Agentic AI Systems
에이전틱 AI의 안전한 운영을 위한 실무 가이드라인. AI 수명주기 전반의 기술적 통제와 프로세스 제안.
arXiv
Architecting Agentic Communities using Design Patterns
규제 산업(HIPAA, SEC/FINRA)에서 Validation, Human-in-the-Loop, Audit Trail 패턴의 필수 적용. 프리셋 프로필(금융 서비스)의 학술적 근거.
arXiv
Beyond Task Completion: An Assessment Framework for Evaluating Agentic AI Systems
작업 완료율을 넘어 추론, 계획, 협업, 윤리 정렬을 다차원으로 평가. 종합 진단 메트릭의 다차원 접근과 같은 맥락.
Future Internet (MDPI)
The Rise of Agentic AI: Architectures, Taxonomies, and Evaluation Metrics
에이전틱 AI 아키텍처, 분류, 정성·정량 평가 메트릭 종합 리뷰. 평가 프레임워크 설계의 참조.