Meta의 HyperAgents(arXiv:2603.19461) 메커니즘을 Amazon Bedrock에서 재현하는 자기참조적 자기개선 에이전트 시스템
AI 에이전트가 단순히 작업을 수행하는 것을 넘어, 자신의 개선 메커니즘(harness) 자체를 수정합니다. 에이전트를 Config(JSON)으로 직렬화하여, Meta Agent가 진화시키고, 진화된 Config으로 새 에이전트를 인스턴스화하는 루프를 구현합니다.
에이전트를 자기개선하도록 놓아두면, 개발자가 수작업으로 만드는 것과 동일한 구성요소를 독립적으로 발명합니다:
| 구성요소 | HyperAgent 구현 |
|---|---|
| 영속 메모리 | AgentCore Memory |
| 성능 추적 | LLM-as-Judge (Opus 4.6) |
| 다단계 평가 | Staged Assessment Pipeline |
| 도메인 지식 | Tool Registry + Meta Rules |
| 자기 교정 | Safety Guard + Rollback |
| Phase | 수정 대상 | 전환 조건 |
|---|---|---|
| Phase 1: Prompt | system prompt만 | 기본 |
| Phase 2: Tool | + tool 추가/수정/삭제 | avg score > 0.7 (5세대 연속) |
| Phase 3: Self-Ref | + meta_rules (자기 개선 전략) | avg score > 0.8 (5세대 연속) |
Orchestrator ──dispatch──> Task Agent (Sonnet 4.6)
^ |
| execute in AgentCore Runtime
new config |
| result
Meta Agent (Opus) <──trigger── Judge Agent (Opus 4.6)
| |
v score
AgentCore Memory <──store── Evolution Engine
| 역할 | 프레임워크 | 모델 |
|---|---|---|
| Orchestrator | Strands Agent SDK | - |
| Meta Agent | Strands Agent SDK | Opus 4.6 |
| Task Agent | Claude Agent SDK | Sonnet 4.6 |
| Judge Agent | LLM-as-Judge | Opus 4.6 |
| Runtime | Bedrock AgentCore Runtime | - |
| Memory | Bedrock AgentCore Memory | - |
git clone https://github.com/jesamkim/hyperagent.git
cd hyperagent
python3.12 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"# 시스템 정보 확인
python -m hyperagent info
# 단일 태스크 실행
python -m hyperagent run "Explain quantum computing in simple terms"
# 진화 사이클 실행 (5회)
python -m hyperagent evolve --cycles 5# FastAPI 백엔드 (데모 데이터 포함)
pip install fastapi uvicorn
uvicorn hyperagent.api.server:app --port 8000 --app-dir src &
# React 대시보드
cd dashboard && npm install && npm run dev
docker compose up
# app: http://localhost:8000 (API + React)
# agentcore: http://localhost:8080hyperagent/
+-- src/hyperagent/
| +-- config/
| | +-- agent_config.py # AgentConfig (frozen dataclass, JSON serialization)
| | +-- settings.py # Settings (YAML loader)
| +-- core/
| | +-- orchestrator.py # E2E: submit -> execute -> assess -> store
| | +-- evolution_engine.py # 진화 루프, phase transition
| | +-- runtime_manager.py # AgentCore Runtime 세션 관리
| | +-- llm_backend.py # LLM Backend Protocol
| | +-- tool_registry.py # Tool Registry + Validator
| | +-- safety.py # SafetyGuard (mutation rate, rollback)
| +-- agents/
| | +-- task_agent.py # Task Agent (Claude Agent SDK)
| | +-- judge_agent.py # Judge Agent (LLM-as-Judge)
| | +-- meta_agent.py # Meta Agent (3-phase evolution)
| +-- memory/
| | +-- memory_store.py # AgentCore Memory wrapper
| +-- assessment/
| | +-- scorer.py # Rubric + Scoring logic
| +-- api/
| +-- server.py # FastAPI REST API
+-- dashboard/ # React + Vite + TypeScript + Tailwind
+-- configs/
| +-- settings.yaml # 시스템 설정
| +-- default_agent.json # 초기 AgentConfig (generation 0)
+-- tests/ # 273 tests, 96%+ coverage
+-- docs/ # 다이어그램, 설계 문서
+-- Dockerfile # Multi-stage build
+-- docker-compose.yml
configs/settings.yaml:
region: us-west-2
models:
meta_agent: global.anthropic.claude-opus-4-6-v1 # Meta Agent (분석/생성)
task_agent: global.anthropic.claude-sonnet-4-6 # Task Agent (태스크 실행)
judge_agent: global.anthropic.claude-opus-4-6-v1 # Judge Agent (평가)
evolution:
variants_per_generation: 3 # 세대당 variant 수
phase_1_to_2_threshold: 0.7 # Phase 1->2 전환 임계값
phase_2_to_3_threshold: 0.8 # Phase 2->3 전환 임계값
consecutive_generations_required: 5
max_generations: 100
max_mutation_rate: 0.3 # 안전 제한: 최대 변이율
assessment:
default_rubric:
accuracy: 0.3
completeness: 0.3
efficiency: 0.2
creativity: 0.2# 전체 테스트
pytest tests/ -v
# 커버리지
pytest tests/ --cov=hyperagent --cov-report=term-missing
# 린트
ruff check src/ tests/| 항목 | 결과 |
|---|---|
| Tests | 273 passed |
| Coverage | 96.55% |
| Lint | All checks passed |
새로운 환경에서 실행하려면 아래 설정이 필요합니다.
# AWS CLI 설정
aws configure
# Region: us-west-2
# 또는 환경변수
export AWS_DEFAULT_REGION=us-west-2
export AWS_ACCESS_KEY_ID=your-key
export AWS_SECRET_ACCESS_KEY=your-secretAWS Console > Amazon Bedrock > Model access에서 다음 모델 활성화:
anthropic.claude-sonnet-4-6(Task Agent)anthropic.claude-opus-4-6(Meta Agent, Judge Agent)
Cross-region inference 사용 시 global. prefix 모델 ID 사용:
# configs/settings.yaml
models:
task_agent: global.anthropic.claude-sonnet-4-6
judge_agent: global.anthropic.claude-opus-4-6-v1
meta_agent: global.anthropic.claude-opus-4-6-v1# AgentCore starter toolkit 설치
pip install bedrock-agentcore-starter-toolkit
# IAM Role 생성 (AgentCore 실행용)
aws iam create-role \
--role-name HyperAgentCoreRole \
--assume-role-policy-document '{
"Version": "2012-10-17",
"Statement": [{
"Effect": "Allow",
"Principal": {"Service": "bedrock-agentcore.amazonaws.com"},
"Action": "sts:AssumeRole"
}]
}'
# Bedrock InvokeModel 권한 추가
aws iam put-role-policy \
--role-name HyperAgentCoreRole \
--policy-name BedrockAccess \
--policy-document '{
"Version": "2012-10-17",
"Statement": [{
"Effect": "Allow",
"Action": ["bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream"],
"Resource": "arn:aws:bedrock:*::foundation-model/*"
}]
}'# 로컬 테스트
python agentcore_main.py &
curl http://localhost:8080/invocations -d '{"prompt": "Hello"}'
# 프로덕션 배포
agentcore configure -e agentcore_main.py -n hyperagent
agentcore deploy초기 AgentConfig(generation 0)로 태스크를 실행하여 baseline 점수를 측정합니다. 이 점수가 진화의 출발점이 되며, 이후 세대별로 얼마나 개선되는지 비교합니다.
$ python -m hyperagent run "Write a Python function to calculate fibonacci numbers"Config: gen-0-default (Phase: PROMPT, Gen: 0)
Executing task...
Score: 0.720
accuracy: 0.80 # 기능적으로 정확
completeness: 0.75 # 기본 구현은 완성
efficiency: 0.60 # naive recursion - 개선 여지
creativity: 0.55 # 단순 접근
Feedback: The function is correct but uses naive recursion.
Consider memoization for better efficiency.
결과 해석: 초기 prompt("You are a helpful assistant")로는 0.72점. Meta Agent가 이 피드백을 분석하여 "efficiency가 낮다" → "step-by-step 분석 후 최적화된 코드를 작성하라"는 개선된 prompt를 생성할 수 있습니다.
Meta Agent가 성능 이력을 분석하고, 매 세대마다 3개의 variant prompt를 생성합니다. Judge(Opus)가 각 variant를 채점하고, 가장 높은 점수의 variant가 다음 세대의 부모가 됩니다.
$ python -m hyperagent evolve --cycles 5=== Evolution Cycle 1/5 ===
Current: gen-0-default (score: 0.720, phase: PROMPT)
Meta Agent analyzing: "efficiency(0.60) is the weakest criterion"
Generating 3 variants...
Variant 1: 0.745 "Think step-by-step before coding"
Variant 2: 0.680 "Be concise" (too terse, completeness dropped)
Variant 3: 0.760 "Analyze complexity, then implement optimal solution"
Best: Variant 3 wins (0.760 > 0.720)
=== Evolution Cycle 3/5 ===
Current: var-e4f5g6 (score: 0.792, phase: PROMPT)
Meta Agent analyzing: "accuracy(0.88) strong, creativity(0.65) still low"
Variant 1: 0.805 "Consider multiple approaches before choosing"
Variant 2: 0.798 Added edge case handling focus
Variant 3: 0.810 "Explore creative alternatives, then pick optimal"
Best: Variant 3 wins (0.810 > 0.792)
=== Evolution Cycle 5/5 ===
Current: var-x9y8z7 (score: 0.830, phase: PROMPT)
Phase transition: 0.830 > 0.7 threshold (5/5 consecutive) -> TOOL
Summary:
Generations: 0 -> 5
Score: 0.720 -> 0.830 (+15.3%)
Phase: PROMPT -> TOOL (now Meta Agent can modify tools!)
결과 해석: 인간 개입 없이 system prompt만 진화시켜 15% 성능 향상 달성. 핵심 발견은 "efficiency가 약하다"는 Judge 피드백을 Meta Agent가 자동으로 분석하여 "복잡도 분석 후 최적 구현" 전략을 스스로 발명한 점입니다. Phase 2로 전환되면 tool 추가/제거를 통한 추가 개선이 시작됩니다.
React 대시보드에서 에이전트 진화의 전체 과정을 시각적으로 모니터링합니다.
uvicorn hyperagent.api.server:app --port 8000 --app-dir src &
cd dashboard && npm run dev| Tab | 확인할 수 있는 것 | 활용 |
|---|---|---|
| Timeline | 세대별 점수 추이 + Phase 전환 시점 | 진화가 수렴하는지 / 발산하는지 판단 |
| Lineage | Config 간 부모-자식 계보 | 어떤 variant가 선택되었고 왜 다른 건 탈락했는지 추적 |
| Inspector | prompt, tools, meta_rules 상세 | 세대별로 prompt가 어떻게 변화했는지 diff 비교 |
| Assessments | 기준별 점수 분해 | accuracy는 높은데 efficiency가 낮은 패턴 발견 |
Phase 3(Self-Referential)에서 Meta Agent가 자기 자신의 개선 전략까지 수정할 때, SafetyGuard가 과도한 변이를 차단합니다. 이를 통해 안정적인 점진 개선을 보장합니다.
=== Evolution Cycle 12/20 (Phase: SELF_REF) ===
Meta Agent self-modifying: "Add rule: increase temperature when stuck"
Variant 1: mutation rate 0.45 > 0.30 limit
-> REJECTED by SafetyGuard (prompt 40% + tools 30% + meta 100% change)
Variant 2: mutation rate 0.22 -> OK, score 0.840
Variant 3: mutation rate 0.28 -> OK, score 0.862
Best: Variant 3 (0.862)
Rollback check: [0.845, 0.850, 0.862] -> improving, no rollback needed
결과 해석: Variant 1은 prompt, tools, meta_rules를 동시에 대폭 변경하려 했으나 SafetyGuard가 차단(mutation rate 0.45 > 0.30 제한). 이는 원본 HyperAgents 논문에서도 지적한 "catastrophic forgetting" 방지 메커니즘입니다. Variant 3처럼 적당한 변이율(0.28)로 점진적 개선이 안정적입니다.
| 항목 | 값 |
|---|---|
| Task Agent | Claude Sonnet 4.6 (global.anthropic.claude-sonnet-4-6) |
| Meta/Judge Agent | Claude Opus 4.6 (global.anthropic.claude-opus-4-6-v1) |
| Region | us-west-2 |
| Rubric | accuracy(0.3), completeness(0.3), efficiency(0.2), creativity(0.2) |
| Domain | Python coding (palindrome, LRU cache, list flatten) |
초기 prompt "You are a helpful assistant that writes Python code."로 실행:
Score: 0.965
accuracy: 0.95
completeness: 1.00
efficiency: 1.00
creativity: 0.90
Sonnet 4.6은 coding 태스크에서 이미 매우 높은 baseline을 보여줌 (ceiling effect).
Opus가 "efficiency가 약하다"는 Judge 피드백을 분석하고, 개선된 prompt variant를 자발적으로 생성:
Original: "You are a helpful assistant that writes Python code."
Variant 1: "You are an expert Python developer who writes high-quality,
production-ready code. When solving problems:
1. Accuracy first - handle all edge cases
2. Efficiency - analyze complexity, optimize
3. Completeness - include docstrings, type hints, examples..."
Score: 0.910 -> 0.940 (+3.3%)
Opus가 기존 tool [code_analyzer]를 분석하고, 추가 tool을 자발적으로 제안:
Original tools: [code_analyzer]
Variant 1 tools: [code_analyzer, code_executor, calculator]
Variant 2 tools: [code_analyzer, code_executor, calculator, web_search]
Meta Agent가 "code_executor는 코드 정확성 검증에 필요하다"고 스스로 판단.
이것이 HyperAgents 논문의 하이라이트입니다. Opus가 자기 자신의 개선 전략(meta_rules)을 자발적으로 작성했습니다:
Input meta_rules:
"Focus on code correctness first. Evaluate edge cases carefully."
Opus가 생성한 Variant 1 meta_rules:
"Focus prompt changes on the weakest scoring criterion (currently creativity
at 0.72). Increase temperature slightly when creativity scores are below 0.80.
Prioritize accuracy as a hard constraint (never let it drop below 0.85).
When scores plateau across all dimensions, introduce new tools or restructure
the system prompt significantly."
Opus가 생성한 Variant 2 meta_rules:
"Target the weakest criterion aggressively: creativity is at 0.72 and needs
to reach 0.85+. Use code_executor tool to ensure correctness doesn't regress
when pushing for creative outputs. If all scores exceed 0.85, shift focus to
achieving 0.90+ on accuracy and completeness. Consider raising temperature
further (up to 0.9) only if creativity remains stubbornly below 0.80 after
two improvement cycles."
Meta Agent가 인간 개발자가 작성할 법한 세밀한 개선 전략을 독립적으로 발명했습니다:
- 약점 기준(creativity) 자동 식별 + 집중 공략
- 안전 제약 자발적 설정 (accuracy > 0.85 hard constraint)
- 조건부 전략 (plateau 시 tool 추가, temperature 조정)
- 다단계 목표 (0.85 달성 후 0.90 목표 전환)
수학 증명/추론 태스크 (귀납법, 마방진, 피타고라스, 무리수 증명 등)로 12세대 실행:
Rubric: correctness(0.35), rigor(0.25), clarity(0.20), insight(0.20)
Initial prompt: "You are an assistant. Answer the math question."
Gen 0 [PROMPT] 0.960 Gen 4 [PROMPT] 0.973 PHASE TRANSITION!
Gen 1 [PROMPT] 0.838 Gen 5 [TOOL ] 0.963
Gen 2 [PROMPT] 0.947 Gen 6 [TOOL ] 0.982
Gen 3 [PROMPT] 1.000 Gen 7 [TOOL ] 0.967
...
Gen 10 [TOOL ] 1.000
Gen 11 [TOOL ] 0.967
Phase Transition: Gen 4에서 PROMPT -> TOOL 전환 발동 (5세대 연속 > 0.70 threshold)
관찰: Gen 1에서 0.838로 하락 후 진화를 통해 Gen 3에서 1.000으로 복구. Phase 2 진입 후 안정적으로 0.96+ 유지.
| 도메인 | Baseline | 진화 후 | Delta | 원인 |
|---|---|---|---|---|
| Coding | 0.965 | 0.970 | +0.5% | Sonnet 4.6이 이미 우수 |
| Math | 0.960 | 0.967 | +0.7% | 동일 |
Sonnet 4.6은 coding과 math 모두에서 baseline이 이미 0.96 수준입니다. 이는 모델 자체의 능력이 높아서 prompt 진화의 정량적 delta가 작다는 것을 의미합니다.
하지만 정성적 발견은 유의미합니다:
- Phase 전환 메커니즘이 실제로 동작 - 연속 고점수 감지 후 자동 전환
- Opus가 meta_rules를 자발적으로 설계 - 약점 분석, 안전 제약, 조건부 전략
- 하락 후 복구 패턴 - Gen 1 하락(0.838) -> Gen 3 완전 복구(1.000)
더 드라마틱한 delta를 얻으려면: 약한 모델(Haiku 4.5) 사용, 또는 multi-modal/reasoning chain 같은 복합 태스크 도메인이 필요합니다.
| 발견 | 증거 |
|---|---|
| Meta Agent가 개선 전략을 자발적으로 발명 | Opus가 "creativity < 0.80이면 temperature 올리기" 등 세밀한 meta_rules 생성 |
| Phase 전환이 자동으로 발동 | Gen 4에서 PROMPT -> TOOL (5세대 연속 threshold 충족) |
| Tool 추가를 자발적으로 제안 | [code_analyzer] -> [code_analyzer, code_executor, calculator, web_search] |
| 하락 후 복구 능력 | Gen 1(0.838) -> Gen 3(1.000) = 진화 엔진의 선택 압력이 작동 |
| Layer | Technology |
|---|---|
| Agent Framework | Strands Agent SDK 1.35.0, Claude Agent SDK 0.1.58 |
| LLM | Claude Opus 4.6, Claude Sonnet 4.6 on Bedrock |
| Runtime | Amazon Bedrock AgentCore Runtime |
| Memory | Amazon Bedrock AgentCore Memory |
| Backend | FastAPI, Python 3.12 |
| Frontend | React 19, TypeScript, Vite, Tailwind CSS, Recharts |
| Deploy | Docker, ECS, AgentCore Runtime |
| Test | pytest, ruff, 96%+ coverage |
- Meta HyperAgents Paper (arXiv:2603.19461, March 2026)
- HyperAgents GitHub
- Darwin Godel Machine
- Strands Agent SDK
- Amazon Bedrock AgentCore
MIT License - Copyright (c) 2026 Jesam Kim
자세한 내용은 LICENSE 파일을 참조하세요.