상위: 07_00_MOC
공유 vs 격리 컨텍스트 — 오염 거버넌스의 핵심 설계 결정
오염 거버넌스의 설계는 결국 한 질문으로 수렴한다. 컨텍스트를 얼마나 공유하고 얼마나 격리할 것인가. 공유는 일관성을 얻는 대신, 격리는 오염 차단을 얻는 대신 서로의 장점을 내준다. 둘 다 온전히 가질 수는 없다.
1. 트레이드오프 표
| 차원 | 완전 공유(Full Shared Context) | 완전 격리(Full Isolation) |
|---|---|---|
| 일관성 | 에이전트 간 결정 일관성 유지 가능 | 컨텍스트 단절로 충돌 위험 |
| 확장성 | 컨텍스트 윈도우 한계 빠르게 도달 | 서브태스크 분리로 더 넓은 작업 가능 |
| 오염 전파 | 오류가 전체 파이프라인으로 전파 | 국소 격리로 오염 차단 |
| 암묵적 결정 | 가정 공유로 충돌 사전 방지 | 가정 단절로 충돌 사후 발생 |
| 보안 | 공유 메모리 포이즈닝에 취약 | 격리가 공격 표면 축소 |
| 스티어링 정확도 | N=10에서 21%로 붕괴(DACS) | DACS 패턴으로 90~98% 유지 |
정리하면 공유는 룰 침범을 줄이는 대신 오염 전파와 윈도우 고갈을 키우고, 격리는 오염을 가두는 대신 암묵적 결정 충돌을 키운다. 그래서 정답은 어느 한쪽 극단이 아니라 권위별 비대칭 구획이다(3절).
2. 두 진영의 처방
Cognition — 단일 선형 에이전트를 기본값으로
Walden Yan(2025)은 격리(병렬 서브에이전트)의 위험을 강조하며 기본값을 단일 선형으로 둔다.
“The simplest way to follow the principles is to just use a single-threaded linear agent.” — Walden Yan(Cognition, 2025)
서브에이전트는 질문에 답하는 용도로만 쓰고, 코드 작성이나 산출물 생성은 맡기지 않는다. 그래야 암묵적 결정이 한 컨텍스트에 모여 충돌을 미리 막을 수 있다. 대가는 확장성이다. 단일 윈도우가 빠르게 찬다.
Anthropic — 오케스트레이터-워커로 격리하되 권위는 집중
Anthropic(“Building effective agents”, 2024)은 반대로 격리를 적극 활용하되 의사결정 권위는 중앙에 집중시킨다.
“a central LLM dynamically breaks down tasks, delegates them to worker LLMs, and synthesizes their results.” — Anthropic(2024)
중앙 LLM이 태스크를 쪼개 워커에게 위임하고 결과를 종합한다. 권위가 오케스트레이터 한 곳에 있으므로 워커끼리의 룰 침범이 구조적으로 제한된다.
주의 — Anthropic 원문에 “workers never talk to each other(워커는 서로 통신하지 않는다)“라는 직접 표현은 없다. 여기서 말하는 “직접 통신 지양”은 오케스트레이터 집중화 원칙에서 끌어낸 함의이자 권고적 설계 원칙이다.
Anthropic은 또한 자율성의 비용을 분명히 한다.
“it’s crucial for the agents to gain ‘ground truth’ from the environment at each step.” — Anthropic(2024)
“The autonomous nature of agents means higher costs, and the potential for compounding errors.” — Anthropic(2024)
매 단계 환경에서 ground truth를 얻어야 하고(앵커링), 자율성은 오류 누적(compounding errors) 위험을 동반하므로 인간 감독 체크포인트가 필요하다.
3. 해소 — DACS의 비대칭 구획
두 진영의 긴장은 “전부 공유냐 전부 격리냐”라는 잘못된 이분법에서 나온다. DACS(Patel, 2026)는 권위와 관련성에 따라 컨텍스트를 비대칭으로 구획해 둘을 동시에 잡는다.
“Context pollution: the systematic contamination of one agent’s steering interaction by irrelevant context from other agents.” — Patel(2026)
DACS의 두 모드:
- 레지스트리 모드(registry mode) — 다른 에이전트에 대해서는 ≤200토큰 요약만 공유(가벼운 일관성)
- 포커스 모드(focus mode) — 현재 작업 에이전트에 대해서는 전체 컨텍스트 격리(깊은 집중)
| 구성 | 스티어링 정확도 | 오염 교차율 |
|---|---|---|
| 평탄 컨텍스트, N=3 | 60% | 28~57% |
| 평탄 컨텍스트, N=10 | 21% | 28~57% |
| DACS 적용 | 90.0~98.4% | 0~14% |
컨텍스트 효율비는 최대 3.53배 향상됐다. 원칙은 단순하다. 일관성에 필요한 만큼만 요약으로 공유하고, 오염 차단에 필요한 만큼 전체를 격리한다. 이 원칙은 슬롯 계약 4계층(07_08-처방-컨텍스트는-슬롯계약-4계층-모델)에서 “계층별로 다른 가시성”으로 일반화된다.
수치 해석 유의 — 위 표의 정량값, 특히 “평탄 컨텍스트 N=10에서 21%로 붕괴”는 단일저자 프리프린트(2026, arXiv 2604.16339·2604.07911)에 근거하며 아직 동료심사와 독립 재현을 거치지 않았다. 따라서 절대 수치보다는 방향성 신호로 받아들이는 편이 안전하다. 다만 “긴 평탄 컨텍스트에서 중간 위치 정보의 활용이 급격히 떨어진다”는 방향성 자체는 동료심사를 거친 동형 근거로 보강된다. Liu et al., “Lost in the Middle”(TACL 2024)은 입력이 길어질수록 중간부 정보 회수 정확도가 U자형으로 붕괴함을 보였다.
graph TD O["오케스트레이터<br/>(권위 집중)"] O -->|"전체 컨텍스트 격리<br/>(focus mode)"| A1["워커 A<br/>(활성 작업)"] O -->|"≤200토큰 요약<br/>(registry mode)"| A2["워커 B<br/>(대기)"] O -->|"≤200토큰 요약<br/>(registry mode)"| A3["워커 C<br/>(대기)"] A1 -.->|"직접 통신 지양"| A2 A1 -.->|"결과는 오케스트레이터 경유"| O style O fill:#FF8800,color:#fff style A1 fill:#44AA44,color:#fff style A2 fill:#4488FF,color:#fff style A3 fill:#4488FF,color:#fff
4. 저자 견해 — “기본은 단일, 확장은 비대칭 격리”
저자 견해 — 실무 처방은 단계적으로 가는 게 맞다. 기본값은 Cognition의 단일 선형이다. 대부분의 작업은 멀티에이전트가 필요 없다. 윈도우나 병렬성이 정말 필요할 때만 Anthropic식 오케스트레이터-워커로 올라가되, 권위는 중앙에 묶어 둔다. 그렇게 워커가 늘어나는 단계에 이르면 DACS식 비대칭 구획으로 평면 공유를 막는다. “멀티에이전트가 멋있어 보여서” 그것을 기본값으로 삼는 태도야말로 79% 실패(Acharya, 2026)가 시작되는 흔한 지점이다. 이 견해는 앞의 세 출처(Cognition·Anthropic·DACS)로 뒷받침된다.
참고문헌
- Don’t Build Multi-Agents — Walden Yan (Cognition), 2025, 블로그.
- Building effective agents — Anthropic, 2024, 엔지니어링 블로그.
- Dynamic Attentional Context Scoping (DACS) for Multi-Agent LLM Orchestration — Nickson Patel, 2026, arXiv.
- Semantic Consensus: Process-Aware Conflict Detection and Resolution for Enterprise Multi-Agent LLM Systems — Vivek Acharya, 2026, arXiv (단일저자 프리프린트, 동료심사·독립 재현 전).
- Lost in the Middle: How Language Models Use Long Contexts — Nelson F. Liu et al., TACL 2024, MIT Press (동료심사). 긴 컨텍스트에서 중간 위치 정보 회수가 U자형으로 붕괴함을 보인다. 평탄·장문 컨텍스트 성능 저하를 보강하는 근거.