에이전트 옵틱스: 광시스템 자동화를 위한 대규모 언어 모델 기반 에이전시 프레임워크

본 논문은 차세대 광통신 인프라의 운영 복잡성을 해결하기 위해 “AgentOptics”라는 에이전시 AI 프레임워크를 제안한다. 기존의 소프트웨어 정의 네트워킹(SDN) 접근법은 장비별 CLI·SDK 스크립트를 직접 작성해야 하는 높은 진입 장벽과 벤더 종속성을 가지고 있다. 또한 최근 LLM 기반 코드 생성 방식은 자연어를 코드로 변환해 자동화를 시도하지만, 생성된 코드의 검증·안전성 확보가 어렵고, 다중 장비 간 연계 작업에서 오류가 빈번히 발생한다. AgentOptics는 이러한 문제점을 해소하기 위해 Model Context Protocol(MCP)을 기반으로 한 표준화된 툴 호출 메커니즘을 도입한다. MCP는 LLM과 외부 시스템 사이에 명확한 스키마와 실행 규칙을 정의하는 클라이언트‑서버 프로토콜이다. 논문에서는 8개의 대표 광장비(ROADM, EDF‑A, WSS, OSA, CFP2‑DCO 등)를 선정하고, 각 장비의 핵심 기능을 64개의 MCP 툴로 추상화하였다. 툴 정의에는 함수명, 입력 파라미터 타입·범위, 반환값 포맷, 오류 코드가 포함되어 있어, LLM이 자연어 요청을 해석한 뒤 적절한 툴을 선택·조합하고, 실행 결과를 다시 LLM에게 전달해 피드백 기반 의사결정을 할 수 있다. 벤치마크는 410개의 과제로 구성되며, 단일 호출부터 다중 연쇄 호출, 역할 기반 응답, 파라프레이징·비연관·오류 입력 등 다양한 시나리오를 포함한다. 두 가지 배포 환경을 비교한다. 첫 번째는 GPT‑4, Claude, DeepSeek 등 상용 온라인 LLM을 이용한 경우이며, 두 번째는 LLaMA‑2, Mistral 등 로컬 오픈소스 모델을 다양한 파라미터 규모로 실행한 경우이다. 비교 대상인 CodeGen은 LLM이 직접 장비 제어 코드를 생성하도록 프롬프트를 설계한 방식이며, 온라인 LLM과 로컬 LoRA‑fine‑tuned 모델 두 변형을 포함한다. 실험 결과, 온라인 LLM 기반 AgentOptics는 평균 99 %에 달하는 성공률을 기록했고, 로컬 모델도 87.7 % 이상의 높은 성공률을 보였다. 반면 CodeGen은 최대 50 % 수준에 머물렀으며, 특히 다중 연쇄 호출이나 오류 입력 처리에서 크게 뒤처졌다. 이는 MCP 기반 툴 호출이 파라미터 검증과 오류 처리 메커니즘을 내재하고 있어, LLM이 자유롭게 텍스트를 생성하는 방식보다 신뢰성이 높다는 것을 의미한다. 비용 측면에서는 온라인 LLM 사용 시 토큰당 $0.004~$0.15 정도의 비용이 발생했으며, 로컬 모델은 거의 비용이 들지 않는다. 다섯 가지 사례 연구를 통해 AgentOptics의 확장성을 검증한다. (1) DWDM 네트워크에서 400 GbE와 ARoF 채널을 동시에 프로비저닝하고, OSNR·EVM을 실시간 모니터링한다. (2) 5 G 프론트홀 트래픽을 운반하는 광대역 ARoF 링크의 전송 특성을 자동으로 측정하고, 트랜시버 바이어스 전압을 최적화한다. (3) 두 스팬을 갖는 링크에 추가 400 GbE 채널을 배치하고, 사전 FEC BER을 최소화하도록 런치 파워를 동적으로 조정한다. (4) 편광 민감 링크에 대해 측정·보정 루프를 자동화해 의도적인 섬유 교란에도 편광 수렴을 유지한다. (5) DAS 기반 섬유 감시 시스템에서 데이터 수집·LLM 기반 이벤트 해석을 자동화해 섬유 절단 등 비정상 상황을 실시간 탐지한다. 각 사례는 단일 장비 제어를 넘어 다중 장비 협업, 폐쇄‑루프 최적화, 실시간 이벤트 감지까지 포괄하는 시스템 수준의 오케스트레이션을 가능하게 함을 보여준다. 마지막으로 구현 코드는 오픈소스로 공개되어 재현성을 확보했으며, MCP와 LLM을 결합한 구조가 광시스템뿐 아니라 다른 복합 물리‑디지털 시스템에도 적용 가능함을 시사한다. 즉, 고성능 LLM과 표준화된 프로토콜을 활용함으로써, 광통신 인프라의 자동화·운영 효율성을 크게 향상시키면서도 비용·안전성을 동시에 만족시키는 새로운 패러다임을 제시한다.