Agent swarms and the new model economics

Cursor는 복잡한 목표를 달성하기 위해 에이전트들이 협력하는 Agent Swarm 구조를 실험했다. 기존의 단일 에이전트 방식이 긴 작업 수행 시 문맥(Context)을 놓치고 목표를 잃어버리는 '표류(Drift)' 현상을 겪는 것과 달리, 스웜 구조는 작업을 계층적 트리 구조로 분해하여 해결한다.

이 시스템은 두 가지 핵심 역할을 수행한다:

• Planner agents: 최상위 모델을 사용하여 목표를 하위 작업으로 분할하고 위임함.
• Worker agents: 빠르고 저렴한 모델을 사용하여 할당된 세부 작업을 실행함.

실험 결과, 새로운 스웜 구조는 SQLite를 Rust로 처음부터 재구축하는 고난도 작업에서 탁월한 성능을 보였다. Grok 4.5를 사용한 경우, 기존 스웜이 2시간도 못 버티고 실패한 작업을 새로운 스웜은 4시간 만에 SQL 테스트 스위트 80%를 통과하며 성공했다.

또한, 모델 조합에 따른 경제성(Economics) 측면에서도 유의미한 결과를 얻었다. 모든 작업에 고성능 모델을 사용하는 대신, 계획은 고성능 모델이, 실행은 저비용 모델이 담당하는 구조를 통해 품질은 유지하면서도 비용을 획기적으로 절감할 수 있음을 입증했다.