LLM 에이전트 시대의 그래프 엔지니어링: 개별 지능에서 시스템 지능으로

초록

LLM은 언어 생성기에서 복잡하고 장기적인 작업을 수행할 수 있는 자율 에이전트로 진화해 왔다. 이러한 진화는 모델 역량을 이끌어내기 위한 프롬프트 엔지니어링(Prompt Engineering), 정보 접근을 관리하기 위한 컨텍스트 엔지니어링(Context Engineering), 외부 도구와 자원을 조직화하기 위한 하네스 엔지니어링(Harness Engineering), 지속적인 성찰과 자기 개선을 지원하기 위한 루프 엔지니어링(Loop Engineering)을 포함한 패러다임들을 탄생시켰다. 그러나 작업이 더욱 복잡해짐에 따라 개별 지능은 근본적인 한계에 직면한다. 많은 작업이 이질적 전문성, 상호의존적 하위 작업, 병렬 실행, 독립적 검증, 그리고 지속적 상태를 요구하며, 이는 단일 에이전트의 조직 역량을 초과한다. 단일 에이전트의 역량이나 컨텍스트를 증강하는 것으로는 이러한 구조적 불일치를 해결할 수 없다. 지능은 대신 전문화된 에이전트들에 분산되고 시스템 수준에서 조직되어야 한다. 우리는 이를 시스템 지능(System Intelligence)이라 명명한다. 즉, 에이전트 시스템이 다수의 지능적 구성 요소를 공동의 목표를 추구하는 응집력 있고 적응적인 전체로 조직하고 조정하는 능력이다. 이를 달성하려면 에이전트를 추가하는 것 이상이 필요하며, 작업을 조직하고 이질적 에이전트를 조정하며 진화하는 실행 상태를 유지하기 위한 명시적 구조가 요구된다. 우리는 차세대 에이전트 시스템을 위한 새로운 패러다임인 그래프 엔지니어링(Graph Engineering)을 소개한다. 주로 개별 상호작용이나 에이전트 수준의 행동을 최적화하는 기존 패러다임들과 달리, 그래프 엔지니어링은 작업, 에이전트, 시스템 상태를 나타내는 명시적이고 역동적이며 진화하는 그래프 구조를 구축한다. 이러한 추상화는 복잡한 목표를 조직하고, 이질적 에이전트를 조율하며, 시스템 역학을 모델링하고, 확장 가능한 에이전트 진화를 가능하게 하는 통합적 기반을 제공한다. 우리는 LLM 에이전트를 위한 그래프 엔지니어링의 원리, 방법론, 응용을 체계적으로 검토한다. 관련 논문, 오픈소스 데이터, 프로젝트는 https://github.com/DEEP-JLU/Awesome-Graph-Engineering에서 확인할 수 있다.

English

LLMs have evolved from language generators to autonomous agents capable of complex, long-horizon tasks. This evolution has produced paradigms including Prompt Engineering to elicit model capabilities, Context Engineering to manage information access, Harness Engineering to organize external tools and resources, and Loop Engineering to support continual reflection and self-improvement. Yet as tasks grow more complex, individual intelligence faces a fundamental limit: many tasks require heterogeneous expertise, interdependent subtasks, parallel execution, independent verification, and persistent state, exceeding any single agent's organizational capacity. Augmenting one agent's capabilities or context cannot resolve this architectural mismatch; intelligence must instead be distributed across specialized agents and organized at the system level. We call this System Intelligence: an agent system's ability to organize and coordinate multiple intelligent components into a coherent, adaptive whole pursuing a shared objective. Achieving it requires more than adding agents; it demands explicit structures to organize work, coordinate heterogeneous agents, and maintain evolving execution states. We introduce Graph Engineering, an emerging paradigm for next-generation agent systems. Unlike prior paradigms that mainly optimize individual interactions or agent-level behavior, Graph Engineering constructs explicit, dynamic, evolving graph structures representing tasks, agents, and system states. These abstractions provide a unified foundation for organizing complex objectives, orchestrating heterogeneous agents, modeling system dynamics, and enabling scalable agent evolution. We systematically review the principles, methodologies, and applications of Graph Engineering for LLM agents. Related papers, open-source data, and projects are collected at https://github.com/DEEP-JLU/Awesome-Graph-Engineering.