Explorer Subagent 도입을 통한 Token 소모 60% 절감 및 효율적 Context 관리

Context

Coding Agent가 Repository 검색 시 대량의 raw file을 Main Context에 직접 로드하여 발생하는 Token 낭비 및 Context Window 포화 문제 발생. GPT-5.4 분석 결과 Tool-use Turn의 56.2%와 전체 Token의 46.5%가 단순 탐색 과정에서 소모되는 비효율 확인.

Technical Solution

• Main Agent와 독립된 4B-30B 규모의 Explorer Subagent를 설계하여 Context Offloading 구현
• Read/Glob/Grep 등의 Read-only Tool을 Subagent에 전담시켜 Main Context의 오염 방지
• 원본 파일 전체가 아닌 File-line Citation 형태의 압축된 포인터만 Main Agent에 전달하는 구조 채택
• SFT(Supervised Fine-tuning)를 통한 쿼리-탐색 쌍의 모방 학습 수행
• Task-grounded RL을 적용하여 하위 작업 해결에 실질적 도움이 되는 증거 추출 능력 최적화
• Main Agent의 추론 영역과 Subagent의 탐색 영역을 분리한 Architecture-level의 격리 전략 구현