안전 핵심 제어 시스템을 위한 실전 배포형 에이전트 AI 오스프리

초록

오스프리는 대형 과학 시설의 운영을 위해 설계된 에이전트 AI 프레임워크로, 계획‑우선 오케스트레이터, 데이터 조정 레이어, 동적 도구 분류기, 그리고 프로토콜‑중립 커넥터를 결합한다. 인간이 검토 가능한 실행 계획을 사전에 생성하고, 데이터 흐름을 일관되게 관리하며, 필요 도구만 선택해 프롬프트 부피를 억제한다. ALS(Advanced Light Source) 실증을 통해 실시간 수백만 채널 제어와 안전 검증을 성공적으로 수행함으로써, 안전‑중요 환경에서 생산‑레디 AI 에이전트의 가능성을 입증한다.

상세 분석

오스프리 프레임워크는 전통적인 제어 시스템(예: EPICS)과 최신 대형 언어 모델(LLM)의 격차를 메우는 설계 철학을 갖는다. 가장 핵심적인 요소는 ‘계획‑우선’ 오케스트레이터이다. 사용자가 자연어로 의도를 입력하면, 모델은 먼저 작업을 구조화된 단계로 분해하고, 각 단계에 필요한 도구(채널 탐색, 아카이버 조회, 데이터 분석 등)를 분류한다. 이때 동적 분류기가 현재 작업에 적합한 도구만을 선택해 프롬프트 길이를 최소화한다는 점이 주목할 만하다. 이렇게 생성된 실행 계획은 의존 관계 그래프 형태로 시각화되며, 모든 하드웨어 쓰기 작업은 사전 정의된 안전 경계와 비교 검증을 거친 뒤 인간 운영자가 최종 승인한다.

데이터 조정 레이어는 대용량 시계열 데이터를 모델 컨텍스트에 직접 넣지 않고, 필요 시 다운샘플링하거나 메타데이터만 전달함으로써 ‘Lost in the Middle’ 문제를 회피한다. 또한, 채널 타입 일관성을 유지하기 위해 스키마 기반 검증을 적용하고, 실시간 데이터 흐름과 히스토리 데이터베이스를 투명하게 연결한다.

커넥터 추상화는 EPICS 게이트웨이, LabVIEW, 혹은 모의 환경까지 프로토콜에 구애받지 않고 동일한 워크플로우를 실행할 수 있게 한다. 이는 시설마다 다른 제어 스택을 갖는 경우에도 코드 재사용성을 크게 높인다. 실행 환경은 컨테이너화되어 읽기 전용과 쓰기 허용 영역을 명확히 구분하고, 모든 실행 로그와 생성된 노트북, 그래프 등은 감사용으로 영구 저장된다.

오스프리는 두 가지 실증 사례를 제시한다. 첫 번째는 튜토리얼 형태의 제어 어시스턴트로, 사용자가 “지난 24시간 동안 빔 전류의 평균과 표준편차를 구해라”와 같은 질의를 하면, 시간 범위 파싱 → 채널 찾기 → 아카이버 데이터 조회 → 분석 단계 순으로 자동 플로우가 구성된다. 두 번째는 ALS에서의 실제 배포로, 수십만 개의 PV를 실시간 모니터링하고, 특정 상황(예: 빔 손실 경고) 발생 시 자동으로 안전 절차를 제안하고, 운영자가 승인하면 제어 명령을 실행한다. 이 과정에서 오스프리는 인간‑인‑루프 검증, 안전 한계 체크, 그리고 실행 결과의 재현성을 모두 보장한다.

전반적으로 오스프리는 기존 에이전트 프레임워크가 갖는 ‘투명성 부족’, ‘도구 선택 과다’, ‘제어 시스템 연동 부재’ 문제를 체계적으로 해결한다. 계획‑우선 설계와 동적 도구 분류, 프로토콜‑중립 커넥터, 그리고 격리된 실행 환경은 안전‑중요 시설에서 AI 기반 자동화를 실제 운영에 적용할 수 있는 실용적인 청사진을 제공한다.