K3를 활용한 컨텍스트 그래프 엔지니어링: 300개의 에이전트를 하나의 연결된 지식 베이스로 통합하기

300개의 답변 더미는 지식이 아니다. Kimi Agent Swarm은 에이전트를 병렬로 실행하기만 하지 않는다. 에이전트가 발견한 내용을 실제로 활용할 수 있는 하나의 연결된 그래프로 엮어 준다.

노드가 되는 에이전트 300개. 연결된 그래프 1개. 실시간 데이터 피드 5개.

모두가 더 많은 에이전트를 실행하는 데 열을 올리고 있다. 하지만 그 에이전트들이 발견한 내용이 어떻게 되는지를 묻는 사람은 거의 없다.

연구 과제에 에이전트 300개를 투입하면 결과는 빠르게 돌아온다. 하지만 기본 설정대로라면 300개의 상자에 300개의 따로따로인 답이 담겨 있을 뿐이다. 그건 더미이지 지식 기반이 아니다. 가치는 개별 발견에 있는 것이 아니라 발견들이 어떻게 연결되는지에 있다. 그리고 연결이야말로 더미가 정확히 버려 버리는 것이다.

실제 인간 애널리스트가 어떻게 일하는지 생각해 보라. 그들은 사실을 모으기만 하지 않는다. 두 회사가 공급사를 공유하고, 하나의 규제가 업계 전체에 영향을 미치며, 한 벤더가 시장의 절반 아래에 자리 잡고 있다는 것을 알아챈다. 정보를 모으는 일은 쉬운 부분이다. 연결하는 일이 어려운 부분이고, 바로 그 연결이 통찰을 만들어 낸다.

이 점이 Kimi Agent Swarm을 남다르게 만드는, 잘 드러나지 않는 차별점이다. 작업을 병렬 에이전트에 단순히 분산시키기만 하는 것이 아니라, 에이전트의 결과물을 하나의 연결된 구조, 즉 컨텍스트 그래프(context graph)로 엮는다. 이 그래프에서 모든 출처는 노드이고 모든 관계는 엣지이다. 결과는 300개의 답변이 아니라, 자신의 구성 요소들이 어떻게 연결되는지를 아는 하나의 지식 기반이다.

스웜은 근육이다. 컨텍스트 그래프는 그 근육을 질의하고, 확장하고, 신뢰할 수 있는 무언가로 만들어 주는 존재다.

더미가 실패하는 이유

엣지가 없는 노드는 그저 목록일 뿐이다

100개 기업을 대상으로 한 연구 과제를 떠올려 보자. 플랫 스웜(flat swarm)은 리포트 100개를 건네줄 뿐이다. 어떤 세 회사가 공급사를 공유하는지, 어떤 두 회사가 같은 규제에 노출되어 있는지, 어떤 회사가 조용히 다른 회사에 의존하고 있는지 알아내려면 100개를 전부 읽고 연결 관계를 머릿속에 담아야 한다. 당신이 실제로 원했던 작업, 즉 관계를 찾는 작업을 도구가 건너뛰어 버린 것이다.

그리고 규모가 커질수록 나아지는 것이 아니라 더 나빠진다. 출처 10개는 손으로 연결할 수 있다. 하지만 100개는 불가능하다. 노드 100개 사이에서 가능한 관계의 수는 수천 개에 이른다. 바로 그 지점에서 인간은 포기하고, 플랫 리포트는 아무도 끝까지 읽지 않는 문서가 된다. 구조 없는 에이전트가 많아질수록 이해할 것이 늘어나는 것이 아니라, 훑어야 할 것이 늘어날 뿐이다.

컨텍스트 그래프는 이 흐름을 뒤집는다. 두 에이전트가 같은 대상, 즉 공급사, 시장, 공시 문서를 만지는 순간 Kimi는 둘 사이에 엣지를 그린다. 관계는 더 이상 손으로 재구성해야 할 대상이 아니라 결과물 자체의 일부가 된다. 그래프가 관계를 구조로 만들었기 때문에 클러스터, 허브, 숨겨진 의존 관계가 이제 눈에 보인다.

핵심 아이디어

Kimi가 말하는 컨텍스트 그래프

두 가지 요소가 있으며, Kimi는 같은 실행에서 둘 모두를 생성한다.

노드는 에이전트가 발견한 것이다

스웜 에이전트가 조사하는 각 개체는 노드가 된다. 기업, 출처, 지표, 문서가 바로 그것이다. 에이전트 하나는 세계의 한 조각이자 그래프의 한 노드이다.

엣지는 대상들이 맺는 관계이다

두 노드가 출처, 시장, 의존 관계, 인용을 공유하면 Kimi가 그 둘을 연결한다. 엣지가 관계를 담고 있으므로 연결은 암시에 그치지 않고 질의가 가능하다.

플랫 리포트는 노드만 주고 엣지는 버린다. 그래서 리포트는 다 읽는 순간 죽어 있는 문서가 된다. Kimi가 만드는 컨텍스트 그래프는 엣지를 유지하며, 그 덕분에 원래 프롬프트에서 언급한 적 없는 질문을 그래프에 던질 수 있다.

작동 원리

스웜이 그래프를 만드는 방식

바로 여기서 병렬 처리와 그래프 구조가 만나고, Kimi의 설계가 빛을 발한다. 최대 300개의 에이전트가 동시에 실행되기 때문에 그래프는 노드를 하나씩 늘려 가지 않는다. 거의 모든 노드가 한 번에 모습을 드러낸 뒤, 서로 엮인다.

순서가 중요하다. 순차적으로 작동하는 도구라면 노드 1을 만든 다음 노드 2를 만들고, 그다음 연결을 찾는 식으로 진행된다. 이런 방식은 느리고, 그래프가 가장 먼저 본 것에 편향되게 만든다. Kimi는 엣지를 그리기 전에 전체 노드 집합을 병렬로 채운다. 그래서 부분적인 그림이 아니라 완전한 그림을 기준으로 연결을 찾는다. 결과는 먼저 돌아온 몇 건이 아니라 300건 전체의 발견을 반영한 그래프다.

한 번의 실행

100개 기업, 하나의 연결된 그래프

전체 과정을 단 하나의 프롬프트로 담은 모습이다. 그래프를 명시적으로 요청하는 것이 아님을 눈여겨보라. Kimi에게 조사와 연결을 요청하면, 그래프는 그 답을 구조화하는 방식이다.

1swarm_launch.md
2Kimi Agent Swarm
3# 한 번의 실행, 100개의 노드, 실시간 엣지
4
5TASK: EV 시장을 매핑한다. 기업당 에이전트 1개.
6SOURCES: Yahoo Finance, World Bank, IMF, 실시간 주가.
7
8CONNECT: 공급사, 지수, 규제 노출 중 하나라도
9  공유하는 두 기업을 연결한다.
10
11# Kimi는 에이전트 100개를 펼친 뒤, 공유된
12# 개체들을 하나의 컨텍스트 그래프로 엮는다.

40분이 지나면 읽어야 할 리포트 100개가 아니라 연결된 지도를 받게 된다. 배터리 공급사를 공유하는 세 회사는 눈에 띄는 클러스터로 나타나고, 다른 모든 회사가 의존하는 단 한 곳은 엣지가 가장 많은 허브로 드러난다. 그중 어느 것도 프롬프트에 없던 내용이다. Kimi가 연결을 버리지 않고 유지했기 때문에 그래프가 그 사실을 드러낸 것이다.

그래프에게 묻기

프롬프트가 언급한 적 없는 질문들

플랫 리포트는 당신이 던진 질문에만 정확히 답하고 그 이상은 없다. Kimi가 만드는 컨텍스트 그래프는 생각조차 하지 못한 질문에도 답한다. 답이 이미 엣지에 새겨져 있기 때문이다. 연구를 다시 실행하는 것이 아니라, 이미 존재하는 구조를 읽는 것이다.

어느 회사가 가장 큰 단일 장애 지점인지 물어보면, 그래프는 들어오는 의존 엣지가 가장 많은 노드를 돌려준다. 어떤 기업들이 함께 움직이는지 물어보면 가장 밀집된 클러스터를 돌려준다. 관련이 없어 보이는 두 회사를 무엇이 연결하는지 물어보면, 둘 사이에서 공유된 개체의 경로를 추적해 보여준다. 이때의 답은 전부 그래프 연산이지 새로운 실행이 아니다.

1graph.query · live
2query> 어떤 노드가 가장 큰 단일 장애 지점인가?
3→ 노드 #041 (들어오는 의존 엣지 14개)
4query> 어떤 기업들이 함께 움직이는가?
5→ 클러스터 A: 노드 8개, 배터리 공급사 공유
6query> #012와 #087을 무엇이 연결하는가?
7→ 경로: #012 → IMF 공시 문서 → #087
8// 관계가 이미 그래프에 담겨 있기 때문에 구조적 질문에 즉시 답할 수 있다.

오래 가는 이유

그래프는 축적된다. 리포트는 그렇지 않다.

이 부분은 연구를 한 번 이상 하는 모든 이에게 중요하다. 플랫 리포트는 쓰여지는 순간 완결된다. 다음 주에 새로운 질문이 생기면 처음부터 다시 시작해야 한다. Kimi가 만드는 컨텍스트 그래프는 정반대다. 계속해서 그 위에 쌓아 갈 수 있는 기반이다.

• 질의 가능. 그래프에 어떤 노드가 가장 많이 연결되어 있는지, 두 개체를 무엇이 잇는지 물어보라. 답은 이미 구조 속에 있다.
• 확장 가능. 다음 실행은 새로운 더미를 만드는 대신 같은 그래프에 새 노드와 엣지를 추가한다. 지식이 축적된다.
• 재사용 가능. 관계는 그대로 남는다. 오늘은 생각하지 못했던 질문도 연구를 다시 실행하지 않고 내일 답할 수 있다.
• 설명 가능. 모든 엣지는 그것을 만들어 낸 공유 출처로 거슬러 올라가므로, 두 대상이 왜 연결되었는지 확인할 수 있다.

답변 더미는 닫는 순간 가치를 잃는다. 그래프는 추가할 때마다 가치가 커진다. 한 달에 걸친 연구에서 이 차이는 작업을 다시 하는 것과 작업을 축적하는 것의 차이이다.

답변을 모으는 것을 멈추고, 그래프를 쌓기 시작하라.

누구나 에이전트 300개를 실행할 수 있다. 중요한 것은 실행이 끝났을 때 무엇이 남느냐이다. Kimi Agent Swarm은 더미가 아니라 연결된 지식 기반을 남겨 준다. 그리고 바로 그것이 버리는 연구와 계속해서 쌓아 가는 연구의 차이다.