Agent State

Agent state는 agent가 다음에 무엇을 할지 결정할 때 쓰는 structured information입니다. Conversation에 우연히 남아 있는 모든 것을 state로 취급하면 안 됩니다.

유용한 state는 아래처럼 모델링할 수 있습니다.

$$s_t=(g,C,E_t,P_t,A_t)$$

여기서 $g$는 goal, $C$는 constraint, $E_t$는 accumulated evidence, $P_t$는 plan, $A_t$는 action history입니다.

State는 모델 context와 같지 않습니다. Context는 현재 call에 들어간 정보이고, state는 workflow가 유지해야 하는 작업의 사실입니다. 좋은 agent는 state를 명시적으로 갱신하고, stale state를 current evidence로 덮어씁니다.

State type

• Goal state: objective, scope, success criteria, stop condition.
• Environment state: file, command output, browser state, repository status, external artifact.
• Evidence state: tool 또는 primary source에서 모은 fact.
• Plan state: pending, active, completed step.
• Risk state: approval, destructive action, secret, public/private boundary.

State Update

$$s_{t+1}=\mathrm{Update}(s_t,a_t,o_t,v_t)$$

여기서 $v_t$는 verification result입니다. Tool을 실행했다는 사실과 그 결과가 요구사항을 만족한다는 사실은 다릅니다.

State	업데이트 근거
Goal	최신 user request, accepted spec
Evidence	file read, command output, rendered page, citation
Plan	completed check, new blocker, changed scope
Risk	approval status, public/private boundary, side effect
Completion	acceptance criteria를 직접 증명하는 evidence

확인할 것

• goal이 여전히 newest user request인가?
• current plan이 evidence에 기반하는가, stale memory에 기반하는가?
• assumption과 observed fact가 분리되어 있는가?
• private detail이 durable public note에서 제외되는가?
• context change 뒤에도 state가 misleading하지 않게 유지되는가?
• completion claim이 state summary가 아니라 evidence로 뒷받침되는가?

Related

• Context engineering
• Agent memory
• Planning
• Agent loop
• Human in the loop