Active Graph Agent Runtime (BabyAGI 4) — Yohei Nakajima, Untapped Capital

한 줄 핵심

Active Graph는 에이전트를 LLM 중심이 아니라 불변 이벤트 로그 중심으로 다시 설계해, 재실행·롤백·분기와 자기개선 루프를 안정적으로 지원하는 실험적 런타임이다.

시간별 요약

1. 0:01
   ActiveGraph는 장기 실행 에이전트가 쉽게 깨진다는 문제의식에서 출발한 오픈소스 실험이며, 에이전트가 스스로를 더 잘 만들도록 하는 가장 단순한 구조를 찾는 것이 핵심 목표다. 기존의 BabyAGI 실험을 여러 차례 반복하며 그래프 기반 접근으로 수렴해 왔다.
2. 2:00
   ActiveGraph는 LLM과 메시지 대신 불변 이벤트 로그를 중심에 두고, 에이전트의 상태 변화와 변경 이력을 하나의 진실 소스로 관리한다. behaviors는 그래프 변화에 반응해 이벤트를 내고, policies는 어떤 변경을 허용할지 정해 재실행, 롤백, 분기를 자연스럽게 지원한다.
3. 5:00
   플래너, 관계 기반 동작, 모순 탐지 같은 behaviors가 그래프 쿼리와 결합해 태스크 분해와 검증을 수행하며, views는 필요한 컨텍스트만 선택적으로 제공한다. object schemas, tools, behaviors를 pack으로 묶어 조립하면 하네스도 이 런타임 위에서 구성할 수 있다.
4. 8:01
   로그 자체를 메모리로 활용하고, 장기 실행 중 API 키가 끊겨도 이전 지점부터 다시 이어가는 실험에서 구조화된 로그의 장점이 확인됐다. 코딩 에이전트와 리서치 에이전트도 이벤트 로그와 증거 그래프를 기본으로 갖추게 되어, 디버깅과 추적성이 크게 좋아졌다.
5. 11:00
   자기개선 루프에서는 실패 유형에 따라 수정 가능한 범위를 제한하고, 변경 제안 후 정적 검사와 샌드박스 검사, 실제 성능 개선 검증을 통과해야만 반영한다. 이 방식은 long mem eval과 Kaggle 실험에서 소폭이지만 유의미한 성능 개선을 만들었고, 무엇이 실패했는지도 함께 축적했다.
6. 15:00
   장기 실행 에이전트에는 예측적 world model만이 아니라, 경험을 축적하고 재생하는 experiential world model이 필요하다는 관점이 제시된다. 모델이 좋아져도 하네스가 사라지는 것이 아니라, 오히려 에이전트의 정체성과 학습을 로그와 실행 경험에 더 강하게 묶어야 한다는 주장이다.

실무 인사이트

• 장기 실행 에이전트를 만들 때는 메시지 큐보다 불변 로그와 재실행·롤백·분기 설계를 먼저 잡아야 운영 안정성이 높아진다.
• 컨텍스트는 전부 넣는 방식보다 그래프 쿼리로 필요한 부분만 뽑아주는 구조가 디버깅과 성능 둘 다에 유리하다.
• 자기개선 루프는 변경 제안, 검증, 채택 기준을 분리해 두어야 실패 사례까지 자산으로 남는다.