워크플로우와 에이전트, 코드 변환 효율 비교

📝 원문 정보

• Title: Workflows vs Agents for Code Translation
• ArXiv ID: 2512.14762
• 발행일: 2025-12-15
• 저자: Henry Gray, Tom Yotam, Octavian Udrea

📝 초록 (Abstract)

고수준 언어인 MATLAB을 하드웨어 기술 언어(HDL)로 변환하는 작업은 FPGA·ASIC 배치에 필수적이지만, 많은 인적·시간 자원을 요구한다. 대형 언어 모델(LLM)이 자동화 가능성을 제시하지만, HDL 코드에 대한 학습이 제한적이어서 전체 변환 과정이 문법 오류에 쉽게 좌절한다. 본 연구에서는 MATLAB‑to‑HDL 파이프라인의 문법 복구 단계에 두 가지 LLM 기반 방법을 비교한다. 하나는 고정된 순서의 작업을 따르는 전문가 설계형 워크플로우이고, 다른 하나는 Model Context Protocol(MCP)

💡 논문 핵심 해설 (Deep Analysis)

본 논문은 MATLAB 코드를 Verilog·VHDL과 같은 하드웨어 기술 언어로 변환하는 전형적인 설계 흐름에서, 특히 “문법 복구(syntax‑repair)” 단계에 초점을 맞추었다. 기존의 워크플로우 방식은 사전에 정의된 일련의 단계—예컨대, LLM에게 원본 코드를 전달 → 오류 메시지를 파싱 → 정규 표현식 기반 교정 → 재검증—를 순차적으로 수행한다. 이러한 고정형 파이프라인은 구현이 간단하고 디버깅이 용이하지만, LLM의 출력이 길어질수록 토큰 제한에 걸리거나, 오류 메시지와 코드 사이의 컨텍스트 손실이 발생한다는 구조적 한계가 있다.

반면, 에이전트형 접근법은 Model Context Protocol(MCP)을 이용해 “프롬프트 길이 최소화”, “필요 시 외부 도구(예: 코드 파서, 정규식 엔진) 호출” 등을 동적으로 결정한다. 에이전트는 현재 오류 상황을 인식하고, 가장 적합한 도구를 선택해 단계별로 문제를 해결한다. 예를 들어, 간단한 괄호 누락은 내부 프롬프트만으로 교정하고, 복잡한 타입 불일치는 별도 정적 분석 도구를 호출한다. 이러한 조건부 도구 사용은 토큰 사용량을 크게 절감하고, LLM이 실제 “생성”에 집중하도록 만든다.

실험에서는 42개의 대표적인 신호 처리 함수(FFT, FIR 필터, 변조·복조 등)를 대상으로 8 B, 30 B, 235 B 규모의 오픈소스 LLM을 적용하였다. 초기 문법 오류 발생률은 모델 규모와 무관하게 약 45%였으며, 워크플로우 방식은 평균 58%의 오류를 성공적으로 복구했다. 반면 에이전트 방식은 8 B에서 71%, 30 B에서 84%, 235 B에서 90%의 복구율을 기록하였다. 특히 30 B 모델에서 파이프라인 전체를 통과한 함수 비율이 20%p 이상 상승했는데, 이는 복구 단계에서의 “언락(unblock)” 효과가 dow…

📄 논문 본문 발췌 (Translation)

...(본문 내용이 길어 생략되었습니다. 사이트에서 전문을 확인해 주세요.)