BL
MarkTechPost • 13일 전
하네스 내 컨텍스트 엔지니어링: 장기 작업의 컨텍스트 초과와 목표 상실을 해결하는 4가지 메커니즘
IMP 6/10
핵심 요약
얕은 에이전트는 LLM이 도구를 반복 호출하는 구조라, 장기 작업에서 컨텍스트 오버플로와 목표 상실이라는 두 가지 방식으로 실패합니다. 이 글은 이 두 문제를 해결하는 '하네스(harness)' 계층을 다루며, LangChain Deep Agents, Claude Code, Manus, OpenAI Codex, Amazon Bedrock AgentCore가 실제로 적용한 임계값들을 소개합니다. 20만 토큰 컨텍스트 창이 채워지는 과정을 보여주는 인터랙티브 시뮬레이터도 함께 제공됩니다.
번역된 본문
얕은(shallow) 에이전트란 LLM이 루프 안에서 도구를 호출하는 것에 불과하며, 장기 작업에서는 두 가지 방식으로 실패합니다: 컨텍스트 오버플로(context overflow)와 목표 상실(goal loss)입니다. 이 글은 이 두 가지 문제를 모두 해결하는 하네스(harness) 계층을 파헤치며, LangChain Deep Agents, Claude Code, Manus, OpenAI Codex, Amazon Bedrock AgentCore가 실제로 출시(적용)한 임계값들을 소개합니다. 또한 20만(200K) 토큰 컨텍스트 창이 채워지는 과정을 보여주는 인터랙티브 시뮬레이터도 함께 제공합니다.
원문 보기 (영어)
A shallow agent is an LLM calling tools in a loop, and on long tasks it fails in 2 ways: context overflow and goal loss. This article opens the harness layer that fixes both, with the actual thresholds shipped by LangChain Deep Agents, Claude Code, Manus, OpenAI Codex and Amazon Bedrock AgentCore, plus an interactive simulator that shows a 200K window filling up.
The post Context Engineering Inside the Harness: 4 Mechanisms That Beat Context Overflow and Goal Loss on Long-Horizon Tasks appeared first on MarkTechPost.