연구에 따르면 LLM 기반 코드 에이전트는 키워드 검색에 의존하지만 소프트웨어의 실제 작동 방식을 정의하는 호출 그래프, 상속 계층 구조, 구성 종속성과 같은 구조적 관계를 놓치기 때문에 탐색이 불확실하고 실행마다 달라집니다.
연구진은 경량 정적 분석이 이러한 에이전트에 대한 결정론적 앵커를 제공할 수 있는지 조사했습니다. 결정론적 앵커는 확률적 탐색을 제약하고 탐색을 더욱 예측 가능하게 만드는 일반 텍스트 주석으로 삽입되는 안정적인 구조적 사실입니다.
연구 결과, 정적 구조가 에이전트를 더 '똑똑하게' 만드는 것보다 탐색을 규율하고 재현 가능하게 만드는 데 더 큰 영향을 미치는 '결정론적 앵커링 효과'가 나타났습니다.
연구는 정적 구조가 함수 수준의 위치 검색을 개선하고 상호 작용 횟수를 줄이며 실행 간의 안정성을 향상시키는 데 도움이 된다는 것을 보여주며, 입력 토큰이 약 10% 더 소비됩니다.