파일 시스템과 bash를 활용한 AI 에이전트 구축 방법

에이전트에게 필요한 정보를 제공하기 위해 복잡한 커스텀 툴을 만드는 대신, **파일 시스템(Filesystem)**과 bash 툴을 활용하는 방식이 훨씬 효율적이다. LLM은 이미 방대한 코드를 통해 디렉토리 탐색과 grep 등을 통한 파일 관리 능력을 학습했으므로, 데이터를 파일 구조로 제공하면 코드 탐색과 동일한 방식으로 정보를 처리할 수 있다.

이 방식은 기존의 **프롬프트 스터핑(Prompt stuffing)**이나 **벡터 검색(Vector search)**이 가진 한계를 극복한다. 벡터 검색은 의미적 유사성에는 강하지만 정밀한 값 추출에는 취약한 반면, 파일 시스템은 Unix 명령어를 통해 정확한 값을 찾아낼 수 있다. 또한 에이전트가 필요한 파일만 온디맨드로 읽어오므로 컨텍스트를 최소한으로 유지할 수 있다.

실제로 Vercel은 이 아키텍처를 적용해 세일즈 콜 요약 에이전트의 비용을 Claude Opus 4.5 기준 약 $1.00에서 $0.25로 낮추면서도 출력 품질을 개선했다.

주요 장점은 다음과 같다:

• 정밀한 검색: grep, find, awk 등을 통해 정확한 데이터 추출 가능
• 낮은 유지보수 비용: 데이터 타입별로 별도의 검색 파이프라인을 구축할 필요 없이 파일 구조만 정의하면 됨
• 보안성: 샌드박스(Sandbox) 환경에서 실행하여 운영 시스템과의 격리 가능
• 디버깅 용이성: 에이전트가 실행한 명령과 읽은 파일을 직접 확인 가능하여 블랙박스 현상 방지