이해와 계획
요구사항은 의존관계, 우선순위, 마일스톤, 대안 경로를 가진 작업 그래프로 분해됩니다 — 대규모 개발 과제라도 구조화된 상태를 유지합니다.
프레임워크
어떤 모델 위에도 놓이는 오케스트레이션 및 거버넌스 계층
Argo는 특정 모델이나 벤더에 종속되지 않습니다. 이 프레임워크는 작업 그래프, 구조화된 논의, 독립적인 검증, 목표한 컨텍스트, 설명 가능한 모델 라우팅을 하나의 통제 가능한 시스템으로 통합합니다.
라우팅과 실행
스케줄러와 재계획기가 어떤 에이전트와 모델이 필요한지, 얼마나 깊이 분석해야 하는지를 판단합니다. 단순한 작업은 하나의 에이전트로, 복잡한 작업은 여러 추론·검증 단계로 처리합니다.
검증과 보호
독립적인 검증 인스턴스가 병합된 결과를 확인하며, 필요한 경우 복구 또는 검증 실행이 시작됩니다. 목표는 활동량이 아니라 측정 가능한 품질 향상입니다.
아키텍처
프레임워크를 구성하는 요소들
명확히 분리된 계층: UI, 서비스 계층, 오케스트레이션, 제공자 연동, 보안, 데이터 저장소가 서로 분리되어 있으며, 인터넷 연결 없이도 애플리케이션은 계속 작동합니다.
구조화된 집단지성
에이전트들은 각자 독립적으로 가설을 세우고, 근거를 수집하고, 모순을 찾아내고, 입장을 수정합니다. 최고의 단일 에이전트 대비 추가 가치는 "집단지성 향상도(Collective Intelligence Lift)"로 측정되며, 협업 방식을 동적으로 조정합니다.
저장소 전체가 아닌 컨텍스트 패키지
파일, 심볼, 의존관계, 참조에 대한 증분 인덱스가 과제별로 목표한 컨텍스트 패키지를 제공합니다 — 관련성이 높을 것으로 예상되는 정보만을, 선정 근거를 명시하여 제공합니다. 컨텍스트 비용은 통제된 범위 내에 유지됩니다.
설명 가능한 모델 선택
여러 클라우드 제공자와 로컬 모델이 나란히 작동합니다. 라우팅, 에스컬레이션, 캐싱, 예산 관리를 통해 성공한 결과당 비용을 최소화합니다. 어떤 모델이 검토되었고 어떤 모델이 제외되었는지, 그 이유까지 추적할 수 있습니다.
검증되지 않은 실행은 없습니다
승인된 폴더 밖으로의 접근을 막는 워크스페이스 보호, 허용된 프로그램의 허용 목록, 셸을 사용하지 않는 프로세스, 타임아웃, 샌드박싱, 패치 우선 변경을 위한 Git worktree를 갖추고 있습니다. Policy-as-Code가 네트워크 접근, 제공자, 비용, 설치를 통제합니다.
타임라인, 리플레이, 감사
모든 실행마다 컨텍스트 출처, 모델 판단, 비용, 파일 접근, 검사 내용, 오류 처리가 기록됩니다. 리플레이는 판단 경로를 재구성하며, 마스킹 프로필이 포함된 감사 내보내기는 컴플라이언스 증빙을 제공합니다.
데이터는 사용자 곁에 남습니다
프로젝트, 채팅, 실행 기록, 메모리, 스킬, 감사 데이터는 로컬에 저장되며, API 키는 기기에서 암호화된 상태로 유지됩니다. 별도의 서버는 계정, 라이선스, 청구, 업데이트, 권한만을 다루며, 에디션은 오프라인에서도 검증할 수 있습니다.