Tura-AI/tura

해결하는 문제

Tura는 전통적인 ReAct 스타일의 에이전트 루프의 비효율성에 대응합니다. 모델은 각 도구 호출 후 반복적으로 세션에 재진입해야 하며, 이 주기로 인해 시스템 프롬프트의 반복 전송과 증가하는 컨텍스트로 인해 높은 토큰 소비가 발생할 수 있으며, 모델이 통계적으로 흔하지만 최적화되지 않은 경로를 따르는 경향이 있어 논리적 성과가 낮아질 수 있습니다.

작동 방식

Tura는 에이전트 성능을 최적화하기 위해 세 가지 주요 전략을 사용합니다.

• 매크로 CLI 명령어: 여러 작은 도구 호출 대신 Tura는 command_run 매크로 도구를 사용합니다. 이로써 에이전트는 다단계 실행 트리(예: 검사, 패치, 빌드, 테스트)를 구축하고 단일 LLM 턴 내에서 실행할 수 있어 라운드트립을 극적으로 줄일 수 있습니다.
• 역방향 추론: Tura는 LLM이 현재 상태에서 목표 상태($s_n$)를 추정하고 역방향으로 추론하도록 안내합니다. 이는 에이전트가 근본 원인을 식별하고 코드를 작성하기 전에 최적의 전략을 도출하는 데 도움이 됩니다.
• 런타임 컨텍스트 관리: Tura는 컨텍스트를 상태 기계로 취급합니다. task_status, 런타임 프롬프트, 재귀적 실행 매뉴얼을 사용하여 컨텍스트를 현재 작업에 한정하고, 중요한 실행 세부 정보를 잃지 않으면서 불필요한 데이터를 정확히 압축할 수 있습니다.

대상 사용자

Tura는 장기적인 자율 에이전트를 개발하는 개발자, 특히 다단계 검증이 필요하고 높은 토큰 효율성을 요구하는 복잡한 코드 작업에 집중하는 개발자에게 적합합니다.

주요 특징

• 토큰 효율성: 특정 구성에서 Codex CLI 대비 총 토큰 사용량을 최대 77.5% 감소시켰습니다.
• 성공률 향상: DeepSWE 작업에서 "Balanced" 모드에서 Codex CLI보다 16.7퍼센트포인트 높은 성공률을 보였습니다.
• 유연한 인터페이스: CLI, TUI, 데스크톱 GUI 워크스페이스 클라이언트를 제공합니다.
• 확장 가능한 아키텍처: 사용자 정의 프로바이더, 페르소나, 에이전트, 명령어를 지원합니다.