딥시크, Super-agent 아키텍처 공개…버그 발견 후 PR 제출
딥시크가 Super-agent 기반 아키텍처를 공개했으며, 이 구조는 플랫폼 간 지속 협업과 다중 작업 병렬 처리, 환경 변화 대응, 24시간 상시 운영을 지원한다고 밝혔다.
중국어 원문을 AI로 번역했습니다. 고유명사와 수치는 원문 표기를 우선하며, 중요한 판단에는 아래 출처 원문을 함께 확인하세요.
배경
개발자의 일상 업무는 여러 플랫폼을 오가며 이루어진다. IM 그룹 채팅에서 방안을 논의하고, GitHub에 코드를 제출하고, PR 코멘트에 따라 구현을 수정한다. 전통적인 Coding Agent는 이런 작업들을 독립적인 세션에 분산시켜, 사용자가 직접 컨텍스트를 유지하며 서로 다른 세션 사이에서 작업 진행 상황을 전달해야 했다. DeepSeek 팀은 한 사람이 보통 동시에 3~5개의 활성 Session만 따라갈 수 있다는 점을 관찰했으며, 이는 멀티태스킹 협업 효율을 제한한다. 모델의 개별 작업 능력은 강해졌지만, 오히려 인간의 주의력이 병목이 된 것이다.
Super-agent가 바로 이 문제를 해결한다. 사용자는 동일한 Agent를 상대하며, 그룹 채팅에서의 의사결정부터 GitHub PR 리뷰까지 시스템이 자체적으로 하위의 여러 세션을 관리한다. DeepSeek 팀 내부 사례에서 Agent는 그룹 채팅에서 채택한 방안 A와 GitHub 코멘트에서 방안 B로 변경한 것이 동일한 작업에 속한다는 점을 이해하고, 이에 따라 실행 방향을 조정할 수 있었다. Agent는 또한 투기적 실행(speculative execution)을 도입했다. 그룹에서 Bug를 논의할 때 백그라운드에서 이미 재현과 원인 파악에 착수하고, 실행 가능한 수정 방안을 찾으면 사용자에게 넘기며, 유효한 결과를 찾지 못하면 조용히 있는다.
핵심 원리
Super-agent는 이중 계층 아키텍처를 채택한다. 상위 계층의 Router는 전역을 총괄하며 메시지 수신, 작업 할당, 컨텍스트 유지를 담당한다. 하위 계층의 Worker는 일련의 Agent 세션으로서 구체적 실행을 담당하며, 여러 작업을 동시에 진행할 수 있다. 핵심 설계는 구독 및 직통 메커니즘이다. Worker가 GitHub PR을 인계받으면 이후 코멘트를 직접 구독하며, 새로운 수정 의견은 Router를 거쳐 전달될 필요 없이 해당 Worker에 직접 전달되어 처리된다. 기존 작업은 지속적으로 따라가고, 새 작업은 제때 할당된다.
메시지 필터링은 2단계 메커니즘을 채택한다. 프로그램 규칙이 먼저 무관한 메시지를 걸러내고, 대형 모델이 나머지 이벤트에 대해 조치가 필요한지 판단하여 Token 소모를 줄인다. 비동기 ReAct Loop는 AI가 시간이 오래 걸리는 작업을 실행하는 동안에도 새 지시에 응답할 수 있게 하여, 이전 작업이 끝나기를 기다릴 필요가 없다. 이 메커니즘은 이미 DeepSeek Harness에 구현되어 있지만 기본적으로는 활성화되지 않는다.
24시간 온라인은 컴퓨팅, 상태, 실행 환경의 분리에 의존한다. Agent의 컴퓨팅 로직은 클라우드에서 실행되고, 세션 상태는 독립적으로 저장되며, 로컬 기기는 작업 환경을 유지한다. 컴퓨터가 오프라인일 때 클라우드의 Agent는 작업 상태를 유지하고, 기기가 다시 온라인에 연결되면 실행을 계속한다. Watchdog 메커니즘은 독립적인 감독 AI로서, 프로그램 고장을 감지할 뿐만 아니라 작업이 무효한 루프에 빠지거나 목표에서 벗어났는지도 판단하며, 개입하여 복구를 시도한다.
한계
효율 향상에는 일정한 Token 오버헤드가 따른다. 이벤트 직통 메커니즘을 취소한 후 Router의 의사결정 횟수는 약 30% 증가했고, 캐시 읽기 Token은 약 37% 증가했다. 합리적인 이벤트 라우팅은 운영 비용을 낮출 수 있지만, 다계층 아키텍처 자체가 추가 소모를 유발한다.
초기 실험은 약 300개의 메시지와 20건의 작업 요청으로 구성된 모의 환경에서 진행되었으며, 각 구성은 5회 반복 테스트되었다. Super-agent의 작업 완료 시간 중앙값은 12.4분, 95백분위는 15.7분이었다. 전통적인 단일 Session 방식은 중립적인 프롬프트에서 95백분위가 29.5분에 달했다. 실험 규모가 제한적이므로 더 복잡한 시나리오에서의 성능은 검증이 필요하다. 비동기 ReAct Loop와 투기적 실행 메커니즘은 아직 기본적으로 활성화되지 않아, 기능 성숙도는 더 지켜봐야 한다.
개발자에게 주는 의미
Super-agent는 Agent를 단일 세션의 제약에서 벗어나게 하여, 플랫폼을 넘나드는 지속적 협업을 구현한다. 개발자는 여러 세션 사이에서 컨텍스트를 반복해서 설명할 필요가 없으며, Agent는 그룹 채팅 논의부터 코드 제출까지의 전체 흐름을 추적할 수 있다. 능동적 대응과 투기적 실행은 대기 시간을 줄이며, Agent는 백그라운드에서 해결 방안을 시도하고 결과를 찾으면 바로 제시하며, 찾지 못하면 방해하지 않는다.
병렬 실행은 여러 복잡한 작업을 동시에 진행하게 하여, 하나의 시간 소모적 작업이 후속 작업을 막지 않도록 한다. 24시간 온라인과 자동 복구 메커니즘은 장기 실행을 지원하며, 이상 상황을 만나면 스스로 복구를 시도한다. 이러한 특성들은 Agent를 '인간이 항목별로 작업을 할당하기를 기다리는' 상태에서 '능동적으로 문제를 발견하고 작업을 지속적으로 추진하는' 상태로 밀어가고 있다.
DeepSeek가 아키텍처 구상을 공개한 것은 개발자들이 유사한 시스템을 탐구하는 데 참고가 된다. GitHub 저장소에 프로토타입 코드가 공개되어 있어, 개발자들은 이를 바탕으로 추가 실험과 개선을 할 수 있다.
원문 주소: tools.wflynn.cn/aitools/tre…
위챗 공식 계정 'YourTools'를 팔로우하면 매일 GitHub 트렌드와 오픈소스 도구 속보를 받아볼 수 있습니다:
miofly
프로그래머 @hello word
169
글
128k
조회수
120
팔로워