더 똑똑해진 모델, 오히려 툴 호출은 더 불안해졌다
최근 출시된 최고 성능(SOTA)의 AI 모델들이 도구(Tool) 호출 시 스키마에 없는 필드를 지어내어 오류가 발생하는 현상이 늘었습니다. 이는 LLM이 도구를 호출할 때 텍스트 기반의 제한된 규칙을 따르는 과정에서 발생하는 한계로, 실무 에이전트 개발 시 모델 버전 업그레이드가 항상 안정적인 도구 사용으로 이어지지 않음을 시사합니다.
원문 제목: 더 나은 모델: 더 나쁜 도구 (Better Models: Worse Tools) 출처: Armin Ronacher의 블로그 (2026년 7월 4일)
지난 이틀 동안 아주 이상한 'Pi(Pi)' 관련 이슈 때문에 깊은 토끼굴(rabbit hole)에 빠졌습니다. 결론부터 말씀드리면, 최신 Claude 모델들이 Pi의 편집(edit) 도구를 호출할 때 중첩된 edits[] 배열 안에 추가적이고 허구의 필드(invented fields)를 넣어서 보내는 것입니다. Haiku 같은 소형 모델이 아니라 Opus 4.8에서 이런 일이 일어납니다. 편집 내용 자체는 보통 정확하지만, 모델이 스키마에 없는 키(key)를 만들어내기 때문에 인자가 스키마와 일치하지 않아 Pi가 도구 호출을 거부하고 재시도를 요청하는 상황이 발생합니다.
모델이 가끔 잘못된 형식의 도구 호출을 내보내는 것 자체는 그리 놀라운 일이 아닙니다. 특히 소형 모델들에서 흔히 발생하니까요. 하지만 제가 놀란 이유는 이 문제가 Anthropic의 최신 모델들에서 더 심해진다는 점입니다. 구형 모델에서는 전혀 발생하지 않았지만, Opus 4.8과 Sonnet 5 모두 이러한 현상을 보여줍니다. 즉, 해당 제품군의 최고 수준(SOTA) 모델들이 이 특정 도구 스키마를 다루는 데 있어서는 이전 세대 모델들보다 오히려 더 서툴다는 뜻입니다.
참고로 Fable에 대해 궁금해하실 수 있는데, 이 모델은 의도적으로 테스트하지 않았습니다. Fable이 내부적으로 실행하는 분류기(classifier)가 모를 조용히 Opus로 강등시킬 수도 있을 것 같아서입니다.
도구 호출은 곧 텍스트다 LLM 도구 호출의 내부 동작 방식을 자세히 살펴보지 않으셨다면, 알아두어야 할 핵심은 도구 호출이 마법 같은 것이 아니며 꽤 단순한 대역 내 신호(in-band signalling) 방식을 사용한다는 점입니다. 모델은 대화 내용, 시스템 프롬프트, 사용 가능한 도구 목록을 전달받습니다. 그러면 서버는 이를 특수한 마커 토큰이 포함된 커다란 하나의 프롬프트로 변환합니다. 모델은 이 형식의 예시로 학습되고 강화(reinforce)되었기 때문에, 텍스트 생성 도중 특정 시점에 API나 클라이언트가 "이 인자들로 이 도구를 호출해"라고 해석할 수 있는 결과물을 내보내게 됩니다.
예를 들어 파일 편집 도구의 경우, 의도된 호출 페이로드는 대략 다음과 같을 것입니다: { "path": "some/file.py", "edits": [ { "oldText": "text to replace", "newText": "replacement text" } ] } 그러면 연동 프로그램(harness)이 인자를 검증하고 편집을 수행한 뒤, 그 결과를 다시 모델에 피드백합니다. 검증에 실패하면 모델은 에러를 마주하고 보통 다시 시도하게 됩니다.
Anthropic 모델에서 이 형식이 정확히 어떻게 구성되는지는 알려져 있지 않지만, 일부 사람들이 "ANTML" 마커를 찾아냈으며 이들이 때때로 공개된 대화 내용에 유출되기도 합니다. 제가 알기로 위의 호출은 모델에서 다음과 같이 직렬화(serialized)되어 출력됩니다:
antml:function_calls <antml:invoke name="edit"> <antml:parameter name="path">some/file.py <antml:parameter name="edits">[{ "oldText": "text to replace", "newText": "replacement text" }]
여기서 짚고 넘어가야 할 점은, 이 형태가 XML처럼 보이긴 하지만 실제로는 진짜 XML이 아니라는 것입니다. 이는 단지 토큰화(tokenize)하고 학습시키기에 편리하다고 판단하여 고안된 형태일 뿐입니다. 또 다른 특징은, 단순한 최상위 문자열 매개변수는 인라인으로 표현되지만 객체 배열은 JSON 직렬화를 통해 구현된다는 점입니다. 이것이 정확히 이렇게 동작한다고 확신할 수는 없지만, 몇 가지 정황을 볼 때 크게 다르지는 않을 것입니다. 이 부분은 뒤에서 중요해집니다.
모델이 이런 구조를 생성하도록 만드는 방법에는 크게 두 가지가 있습니다:
- 모델에게 스키마와 일치하는 유효한 JSON을 생성하라고 요청한 후, 나중에 검증하는 방법.
- 샘플러(sampler)를 제약(constrain)하여, 애초에 잘못된 JSON이나 스키마 형식 위반을 방지하는 방법.
두 번째 접근법은 보통 문법 인식(grammar-aware) 또는 제약 디코딩(constrained decoding)이라고 불립니다. 샘플러는 문법을 위반할 토큰들을 마스킹하여 배제합니다. 만약 모델이 현재 JSON 객체 내부를 생성 중이고 스키마 상으로 oldText와 newText만 허용된다면, 샘플러는 모델이 "in_file"이나 "type" 같은 것을 생성하지 못하도록 막을 수 있습니다. 문법 인식 디코딩은 JSON 구문이 유효하도록 강제하는 데 사용될 수 있을 뿐만 아니라, 특정 enum 값이나 키를 강제하는 데에도 사용될 수 있습니다. 어떠한 형태의 제약도 없다면, 모델은 단순히 학습된 규칙을 따라가려고만 시도할 뿐입니다.
실패의 원인 Pi의 편집 도구는 한 번의 호출로 여러 개의 정확한 문자열 교체를 지원합니다. 그렇기 때문에 인자에 edits 배열이 포함되는 것입니다.