출처
- source_url: https://www.anthropic.com/engineering/building-effective-agents
- author: Anthropic
- published: (원문 발행일 미기재, ingested 2026-07-02)
- raw: raw source:
web-2026-07-02-anthropic-building-effective-agents
요약
이 raw 노트는 Anthropic의 “Building Effective Agents” 엔지니어링 글 중 Evaluator-Optimizer 워크플로 섹션을 발췌·요약한 위키용 캡처다. Evaluator-optimizer는 하나의 LLM 호출이 응답을 생성하고, 다른 LLM 호출이 그 결과를 평가하고 피드백을 주는 과정을 루프로 반복하는 패턴이다. Anthropic은 이 워크플로를 만능 해법이 아니라, 평가 기준이 명확하고 반복적 정제가 측정 가능한 가치를 낼 때에 한해 유용하다고 조건부로 제시한다.
이 패턴이 적합한 상황은 사람이 명시적으로 “무엇을 개선하면 좋을지” 피드백을 표현할 수 있고, LLM도 그에 준하는 품질의 피드백을 제공할 수 있는 경우다. 즉 루프를 어디에나 넣는 것을 권장하는 것이 아니라, 태스크 적합성(fit-dependent)에 따라 선택적으로 적용해야 하는 워크플로임을 강조한다.
노트는 이를 “Loop Engineering”(반복 루프 설계) 관점의 실무 함의로 연결한다. 생성자(generator)와 평가자(evaluator)를 분리하는 구조는 유용한 루프 형태이지만, 평가 기준이 피드백을 의미 있게 만들 만큼 명확할 때만 그렇다는 것이다. 특히 코딩 에이전트의 경우, 결정론적(deterministic) 검사를 루프의 중심축으로 삼는 편이 낫고, LLM 기반 평가자는 정성적 차원을 보완하는 보조 채점자로 쓰는 것이 바람직하다고 정리한다.
관련 위키
원문 보존 위치
원문 전체는 raw source: web-2026-07-02-anthropic-building-effective-agents에 source_url과 함께 저장되어 있다.