DB 없는 Markdown 기반 State Machine으로 AI Agent 자율 제어 구현

Context

복잡한 코드 기반의 AI Agent 관리 체계가 가진 높은 유지보수 비용과 디버깅의 어려움을 해결하려는 시도. 데이터베이스나 API 의존성 없이 LLM의 텍스트 처리 능력을 극대화한 단순 구조의 필요성 대두.

Technical Solution

• 18개의 Markdown 파일로 구성된 State-based Architecture 설계
• Read state → Decide → Execute → Update memory → Report 순의 순환 루프(Loop) 구현
• Decision Waterfall과 Strategy Weights를 통한 우선순위 기반의 의사결정 로직 수립
• Append-only 방식의 daily-log.md 운영을 통한 데이터 유실 방지 및 Full-history 보존
• Reversibility와 Human-interaction 여부를 판단하는 3-Question Test 기반의 Guardrails 적용
• Human-readable한 상태 관리를 통한 Log 분석 단계의 제거 및 즉각적인 State 수정 구조 채택