ARA-Labs/Agent-Native-Research-Artifact

ARA‑Labs / Agent‑Native‑Research‑Artifact

무엇인가요

• AI 기반의 "연구 에이전트"가 실험의 모든 단계를 구조적이고 검증 가능한 형식으로 기록할 수 있는 가벼운 오픈소스 툴킷입니다. ARA 아티팩트 라고 불리는 파일 시스템 레이아웃을 정의하여 주장, 코드, 설정, 원시 결과, 검색 가능한 탐색 그래프를 통합합니다.

왜 중요한가요

• 에이전트가 자율적으로 실행될 때, 덮어쓰인 스크립트와 터미널 로그의 혼란스러운 잔재가 남습니다. ARA는 에이전트가 출력을 가드레일링(guard-railing)하고, 혼란스러운 흐름을 재사용 가능한 지식으로 결정화(crystallize)하며, 간결한 시각화를 통해 전체 관측 가능성(total observability)을 제공합니다. 이로 인해 노트북, PDF, 리포지토리 등을 수동으로 연결하지 않고도 연구의 재현성, 감사 가능성, 확장성을 확보할 수 있습니다.

핵심 설계 원칙

1. 가드레일링 및 검증 – 모든 주장은 구체적인 실행 아티팩트에 연결되어 형식적으로 검증 가능합니다.
2. 통찰의 결정화 – 시도, 실패, 근거를 시스템이 캡처하여 일등급 노드로 전환합니다.
3. 전체 관측 가능성 – 생성된 HTML 프로세스 맵을 통해 인간 감독자가 원시 터미널 출력을 읽지 않고도 전체 DAG를 파악할 수 있습니다.

툴킷 – 일곱 가지 "에이전트 스킬"

스킬	기능	실행 방법
research‑manager	작업 중 결정, 설정, 아블레이션을 자동 캡처	/research‑manager (또는 자동 실행)
compiler	기존 논문/리포지토리/노트를 완전한 ARA 아티팩트로 변환	/compiler <path>
rigor‑reviewer	모든 주장이 실행에 의해 뒷받침되는지 형식적으로 검사	/rigor‑reviewer <dir>
research‑visualizer	탐색 DAG의 인터랙티브한 HTML 맵 생성 (또는 실시간 뷰 제공)	`/research‑visualizer <ara‑dir> [--serve
research‑foresight	"다음에 무엇을 시도해야 할까요?"에 근거 있고 반증 가능한 제안 제공	/research‑foresight <ara‑dir> "<질문>"
context‑drop	단일 URL로 파일/폴더를 다른 에이전트와 공유 (리포지토리 필요 없음)	/context‑drop <path>
research‑fuzzer	조사 과정을 퍼저처럼 다루기: 다음 행동 예측, 루프 경고, 결론 전 자가 반증 요구	/research‑fuzzer

모든 스킬은 wire-ara.md를 읽고, 사용 중인 에이전트(Claude Code, Cursor, Gemini CLI, Codex 등)에 적절한 명령어를 등록하는 단일 라인 명령어로 설치 가능합니다. 수동 설치도 npx @ara-commons/ara-skills로 가능합니다.

아티팩트 구조 (파일 구조)

example_artifact/
  PAPER.md                # 짧은 매니페스트 (~200 토큰) – 고수준의 관련성
  logic/                  # *인지* 계층 – 주장, 실험 계획, 설계
    claims.md
    experiments.md
    solution/            # 아키텍처, 알고리즘, 제약 조건
  src/                    # *물리* 계층 – 코드, 설정, 환경
  trace/                  # *탐색* 그래프 – 시도, 실패의 DAG
  evidence/               # 원시 테이블, 그림, 추출된 데이터

층 간 연결은 각 주장이 정확한 실험, 코드, 증거에 연결되도록 하며, 실패한 시도는 일등급 노드로 유지되어 에이전트가 동일한 실패를 반복하지 않습니다.

시작 방법

1. 프로젝트 루트에서 README에 표시된 단일 명령어를 붙여넣습니다. 에이전트는 wire-ara.md를 다운로드하고 7개의 스킬을 설치하며, 자체 컨텍스트 파일(예: CLAUDE.md)에 라우팅 맵을 작성합니다.
2. 작업 중 research‑manager 스킬이 모든 결정을 자동으로 로깅합니다.
3. 준비가 되면 research‑visualizer --serve를 실행하여 전체 DAG를 검토하거나, rigor‑reviewer를 실행하여 출판 전에 아티팩트를 인증합니다.

호환성

• 에이전트 스킬 오픈 표준을 구현하여, 이 표준을 지원하는 모든 LLM 기반 코딩 어시스턴트(Claude Code, Cursor, Gemini CLI, OpenAI Codex, GitHub Copilot 등)와 호환됩니다.

성숙도 및 커뮤니티

• CLI(ara‑skills), 데모 리포지토리(ARA‑Demo), 완전한 예제 아티팩트(examples/the-ara-of-ara)를 포함합니다.
• 동료 검토된 arXiv 논문(arXiv:2604.24658)을 함께 제공하며, PDF + 리포지토리 기반 벤치마크와 비교합니다.
• MIT 라이선스이며, 새로운 스킬을 추가하기 위한 CONTRIBUTING 가이드도 제공합니다.

사용할 시기

• 자율적인 연구 에이전트(예: ML 모델 설계, 데이터 파이프라인 탐색, 과학적 시뮬레이션 등)를 운영하고 있으며, 프로세스의 재현성과 감사 가능한 기록이 필요한 경우.
• 단일 포터블 표현이 필요하여 학회 제출물, 공동 연구 아티팩트, 또는 하류 에이전트의 출발점으로 사용하고자 하는 경우.

---

인용

@misc{liu2026humanwrittenpaperagentnativeresearch,
  title={The Last Human-Written Paper: Agent-Native Research Artifacts},
  author={Jiachen Liu and Jiaxin Pei and Jintao Huang and …},
  year={2026},
  eprint={2604.24658},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/2604.24658}
}