HyperTool: 단계별 호출을 넘어선 에이전트를 위한 통합 인터페이스
본 논문은 도구 확장 대규모 언어 모델 에이전트에서 널리 존재하는 '실행粒度 불일치' 문제를 해결하기 위해 HyperTool이라는 통합 도구 인터페이스를 제안합니다. 기존 방법은 모델이 추론 궤적 내에서 각 원자 도구 호출, 관찰, 데이터 전송을 순차적으로 노출해야 하므로 컨텍스트 창이 크게 낭비되고 불필요한 저수준 데이터 흐름 처리를 강요합니다. HyperTool은 MCP 스타일 인터페이스를 도입하여 가시 실행 단위를 원자 작업에서 코드 블록으로 업그레이드합니다. 모델은 코드 블록을 통해 기존 도구를 호출하고, 반환값을 조작하며, 중간 결과를 로컬로 전달하기만 하면 결정론적 하위 루틴을 단일 외부 호출로 압축할 수 있습니다. 도구 간 조합 과제를 위한 훈련 궤적 합성 및 검증 실험 결과, MCP-Universe 벤치마크에서 Qwen3-32B와 Qwen3-8B의 평균 정확도가 각각 35.29%, 33.33%로 크게 향상되어 GPT-OSS와 Kimi-k2.5를 크게 상회했으며, 이는 다단계 도구 사용에서 이 인터페이스의 상당한 잠재력을 검증한 것입니다.
배경
도구 확장 대규모 언어 모델 에이전트는 복잡한 작업을 수행하는 과정에서 '실행 정합성 불일치'라는 숨겨졌지만 결정적인 병목 현상에 직면해 있습니다. 기존 아키텍처는 주로 순차적인 원자적 도구 호출에 의존하며, 이는 각 도구 호출, 결과 관찰, 데이터 전송이 모델의 주요 추론 궤적 내에서 개별적인 단계로 노출되어야 함을 의미합니다. 이러한 세분화된 상호작용 방식은 직관적으로 보이지만 심각한 비효율성을 초래합니다. 로컬에서 결정론적이고 일관된 도구 워크플로우가 모델이 인지할 수 있는 단편화된 의사결정 지점들로 강제로 분해되면서, 귀중한 컨텍스트 창이 급격히 고갈되고 언어 모델이 저수준 데이터 흐름 관리에 인지 자원을 할당하게 되어 전체 실행 정확도가 떨어집니다.
이러한 시스템적 비효율성을 해결하기 위해 연구진은 HyperTool이라는 혁신적인 통합 실행 도구 인터페이스를 제안했습니다. HyperTool의 핵심 기여도는 모델이 외부 도구와 상호작용하는 방식을 근본적으로 변화시키는 데 있습니다. 이는 분산된 원자 작업을 더 추상적이고 응집력 있는 단위로 캡슐화하여, 다단계 도구 호출에서 발생하는 컨텍스트 과부하와 논리적 단편화 문제를 해결합니다. 이 접근법은 개별 도구 상태를 관리하는 것에서 더 넓은 논리적 워크플로우를 조정하는 것으로 초점을 전환하며, 더 효율적이고 견고한 에이전트 시스템을 구축하기 위한 새로운 패러다임을 제시합니다.
심층 분석
기술적 구현 측면에서 HyperTool은 모델 컨텍스트 프로토콜(MCP) 스타일의 인터페이스를 구현하여, 단순한 함수 호출 대신 코드 블록 생성을 통해 기존 도구를 호출할 수 있게 합니다. 기존 방식이 각 단계를 순차적으로 노출해야 하는 것과 달리, 이 아키텍처는 모델이 기존 도구의 원본 스키마를 직접 참조하는 논리적 제어를 포함한 코드 블록을 작성할 수 있게 합니다. 이러한 코드 블록 내에서 모델은 반환값을 조작하고 데이터를 결합하며 중간 결과를 로컬로 전달할 수 있습니다. 이 설계는 강력한 '폴딩' 기능을 도입하여, 일련의 결정론적 도구 하위 루틴을 단일 외부 호출로 압축할 수 있게 합니다.
모델이 이러한 새로운 상호작용 모드를 습득하도록 하기 위해 연구팀은 특수한 학습 전략을 개발했습니다. 이는 크로스-툴 조합 과제를 위한 HyperTool 형식 궤적을 합성하고 실제 MCP 환경에서 검증하는 과정을 포함합니다. 이 엄격한 검증 프로세스는 모델이 고수준 도구 호출 논리를 정확하게 이해하고 실행하도록 보장합니다. 불필요한 컨텍스트 상호작용을 drastically하게 줄이면서 추론의 일관성을 유지함으로써, 이 학습 방법론은 도구 호출의 정합성과 가시성을 변경하는 것이 에이전트 능력을 향상시키는 핵심 레버임을 입증합니다. 결정론적 하위 루틴을 폴딩하는 능력은 중간 단계의 오류 누적을 효과적으로 줄여 복잡한 작업에서 더 높은 실행 안정성을 제공합니다.
산업 영향
HyperTool의 도입은 오픈소스 커뮤니티와 산업적 배포 모두에 중요한 영향을 미칩니다. 첫째, 이는 복잡한 도구 체인 개발의 장벽을 낮추는 표준화된 도구 인터페이스 패러다임을 제공합니다. 기존 도구는 각 도구마다 별도의 복잡한 상호작용 프로토콜을 설계할 필요 없이 에이전트 시스템에 더 쉽게 통합될 수 있습니다. 이는 도구 통합의 저수준 복잡성을 추상화함으로써 다중 도구 에이전트 개발을 가속화합니다. 컨텍스트 소비를 줄이고 추론 효율성을 개선함으로써 HyperTool은 대규모 모델의 배포 비용을 낮추어, 지연 시간과 토큰 비용이 중요한 제약 조건인 자원 제약이 있는 엣지 디바이스나 고동시성 시나리오에서 더 실현 가능하게 만듭니다.
더욱이 HyperTool은 도구 실행 정합성 차원에 대한 새로운 연구 경로를 열었습니다. 향후 연구는 폴딩 정합성의 동적 조정 또는 이 인터페이스를 다른 메모리 메커니즘 및 계획 알고리즘과 통합하는 방법을 탐구할 수 있습니다. 이 유연성은 작업 복잡도에 따라 세부 사항의 수준을 적응시킬 수 있는 더 지능적이고 자율적인 에이전트 시스템 구축을 가능하게 합니다. 원자적 실행에서 블록 수준 실행으로의 전환은 에이전트-도구 상호작용의 본질에 대한 근본적인 재사고를 나타내며, 차세대 효율적이고 신뢰할 수 있는 대규모 언어 모델 애플리케이션을 위한 탄탄한 기반을 마련합니다. 이는 저수준 데이터 흐름을 추상화하는 것이 단순한 최적화가 아니라 에이전트 능력을 확장하는 데 필수불가결한 요소임을 검증합니다.
전망
HyperTool의 효과성에 대한 실증적 검증은 다단계 도구 사용을 위한 종합 평가 스위트인 MCP-Universe 벤치마크에서 수행되었습니다. 결과들은 모델 성능의 극적인 개선을 보여줍니다. 구체적으로, Qwen3-32B 모델은 기준선인 15.69%에서 35.29%로 평균 정확도가 급증하여 이전 능력을 두 배 이상 향상시켰습니다. 마찬가지로 더 작은 Qwen3-8B 모델은 9.93%에서 33.33%로 개선되어, 이 인터페이스가 소규모 모델에 강력한赋能 효과를 가지고 있음을 강조합니다. 이러한 향상은 단순히 점진적인 개선이 아니라, 중간 데이터 상태 추적을 연관된 인지 부하를 줄임으로써 모델이 복잡한 다중 도구 워크플로우를 처리하는 방식을 근본적으로 변화시킨 것입니다.
결정적으로, HyperTool을 사용하는 모델은 평균 정확도 측면에서 GPT-OSS 및 Kimi-k2.5를 포함한 여러 고급 기준선 모델을 능가했습니다. 이 우월한 성능은 HyperTool 접근법이 경쟁력 있는 실제 시나리오에서 실질적인 실행 가능성을 가지고 있음을 강조합니다. 실험들은 결정론적 하위 루틴을 단일 호출로 폴딩함으로써 모델이 긴 순차적 추론 궤적에서 일반적인 오류 전파를 피한다는 것을 확인합니다. 분야가 더 자율적인 에이전트로 이동함에 따라, HyperTool은 복잡성을 관리하기 위한 검증된 아키텍처 패턴을 제공합니다. 이는 에이전트 설계의 미래가 더 큰 컨텍스트 창이 아니라 의도와 결과의 수준에서 추론할 수 있도록 하는 더 스마트하고 추상화된 인터페이스에 있음을 시사합니다.
향후, MCP-Universe 벤치마크에서의 HyperTool 성공은 AI 에이전트 개발에서 구조화된 코드 기반 도구 상호작용으로의 이동이라는 더 넓은 추세를 시사합니다. 모델이 코드를 생성하고 디버깅하는 능력이 향상됨에 따라, 이 강점을 활용하는 인터페이스는 표준이 될 가능성이 높습니다. HyperTool은 도구 사용을 순차적 의사결정 문제가 아닌 프로그래밍 문제로 취급함으로써 에이전트가 더 높은 신뢰성과 효율성을 달성할 수 있음을 보여줍니다. 이 접근법은 역사적으로 복잡한 에이전트 배포를 괴롭혀온 컨텍스트 창 고갈 및 논리적 드리프트의 위험을 완화합니다. 대규모 및 소규모 모델 모두에서 관찰된 상당한 정확도 향상은 이 패러다임이 확장 가능하고 접근 가능하며, 다양한 산업 및 응용 도메인 전반에 정교한 다중 도구 에이전트 개발을 민주화할 잠재력이 있음을 나타냅니다.