Sentient의 EvoSkill V1: AI 에이전트의 자동 성능 최적화 도구

EvoSkill V1은 코딩 에이전트를 특정 작업의 전문가로 빠르게 진화시키는 오픈소스 툴킷. 사람이 직접 프롬프트를 수정하거나 기술을 튜닝할 필요 없이, 스스로 성능을 개선하는 Autoresearch 방식을 사용해서 학습을 진행함.

주요 기능 및 특징

• 자기 개선 알고리즘: 벤치마크 점수와 에이전트의 실패 기록을 분석하여, 스스로 프롬프트와 스킬을 제안하고 테스트하며 반복적으로 성능을 최적화하는 개선 방식.
• 간편한 사용법: evoskill init 후 evoskill run 명령만으로 복잡한 멀티 디렉토리 형태의 SOTA수준 스킬 세트를 생성.
• 주요 벤치마크에서 큰 폭의 성능 향상을 기록함.
• 범용성: Claude Code 외에도 OpenCode, OpenHands, Goose, Codex CLI 등 다양한 코딩 에이전트를 지원
• GEPA와의 차별점: 기존의 GEPA가 개별 스킬을 하나씩 튜닝했다면, EvoSkill은 여러 스킬을 동시에 제안하고 진화시켜 훨씬 효율적이고 고품질의 결과를 도출하는 형태.

작동 방식 (3개의 에이전트 루프)

• Executor (A): 현재 스킬로 테스크 실행.
• Proposer (P): 실패 사례 분석 → 부족한 부분을 진단하고 새 스킬 제안 (기존 스킬·과거 피드백 기록도 참고).
• Skill-Builder (S): 제안된 내용을 실제 skill folder로 구현.
• 실패 → 제안 → 구현 → 검증 → Pareto frontier에 최적 스킬만 남김의 반복 과정을 통해서 계속해서 스킬들을 발견, 진화 시키는 구조

EvoSkill V1의 추천 사용 대상

• AI 엔지니어 및 개발자: 특정 작업에 특화된 코딩 에이전트를 빠르게 만들고 싶은 사람.
• 응용 AI 팀: 고객사의 맞춤형 환경과 요구 사항에 최적화된 에이전트 솔루션이 필요한 팀.
• AI 연구자: 에이전트 평가, 자기 개선(Self-improvement), 지속 학습 분야를 연구하는 사람.

사용을 위한 준비물

• 지원되는 코딩 에이전트: Claude Code, OpenCode, OpenHands, Goose, Codex CLI 중 하나.
• 벤치마크: 에이전트가 수행할 작업 세트.
• 채점 함수(Scoring Function): 에이전트의 수행 결과를 평가하는 기준.

GitHub 링크 | 심층 분석 (원문)

#kol