에이전트적 트랜잭션: ACID-준수 에이전트 시스템을 향하여

초록

대규모 언어 모델(LLM) 에이전트는 대화형 어시스턴트에서 추론, 도구 사용, 코드 생성, 작업 공간 조작을 통해 장기 지평 과제를 수행하는 자율 시스템으로 진화하고 있다. 에이전트가 지속적 환경과 다단계 워크플로우에서 점차 더 광범위하게 작동함에 따라, 트랜잭션 데이터베이스 시스템이 해결해 온 과제와 유사한 문제에 직면한다: 신뢰할 수 있는 실행, 일관된 결과, 안전한 동시성, 지속적인 상태 관리가 그것이다. 우리는 에이전트 트랜잭션(agentic transaction)의 개념을 도입하고, 고전적 ACID 속성을 에이전트 실행에 맞게 재해석한 ACID 준수 에이전트 시스템 프레임워크를 제안한다. 이 프레임워크는 의미적 원자성(Semantic Atomicity), 의미적 일관성(Semantic Consistency), 의미적 격리성(Semantic Isolation), 의미적 지속성(Semantic Durability)이라는 네 가지 의미적 보장을 통해 정의된다. 이러한 속성들은 모델 불확실성과 동적 실행 환경에도 불구하고 신뢰할 수 있는 에이전트 시스템을 구축하기 위한 원리적 기반을 함께 제공한다. 이 프레임워크를 구체화하기 위해, 우리는 트랜잭션 탐색-실행-검증 주기, 트랜잭션 스킬 허브, 신뢰도 발산 기반 검증, 의미적 의존성 인지 격리, 트랜잭션 인지 의미 상태 관리를 통해 이러한 보장을 실현하는 ACID 준수 데이터 에이전트를 개발한다. 널리 사용되는 벤치마크에 대한 실험 결과, 우리 시스템은 Claude Code를 포함한 최첨단 에이전트 대비 10.6%의 성능 향상을 달성한다. 본 연구는 트랜잭션 원리와 시스템 아키텍처를 신뢰할 수 있고 확장 가능하며 자가 진화하는 AI 에이전트 시스템 구축으로 확장하는 더 넓은 연구 의제를 연다.

English

Large language model (LLM) agents are evolving from conversational assistants into autonomous systems that execute long-horizon tasks through reasoning, tool use, code generation, and workspace manipulation. As agents increasingly operate over persistent environments and multi-step workflows, they face challenges analogous to those addressed by transactional database systems: reliable execution, consistent outcomes, safe concurrency, and durable state management. We introduce the concept of an agentic transaction and propose an ACID-compliant agent system framework that reinterprets the classical ACID properties for agent execution through four semantic guarantees: Semantic Atomicity, Semantic Consistency, Semantic Isolation, and Semantic Durability. Together, these properties provide a principled foundation for building reliable agent systems despite model uncertainty and dynamic execution environments. To instantiate this framework, we develop an ACID-compliant data agent that realizes these guarantees through transactional exploration-execution-validation cycles, transactional skill hubs, confidence divergence-based validation, semantic dependency-aware isolation, and transaction-aware semantic state management. Experimental results on widely used benchmarks show that our system achieves a 10.6% improvement over state-of-the-art agents, including Claude Code. This work opens a broader research agenda on extending transactional principles and system architectures toward building trustworthy, scalable, and self-evolving AI agent systems.