# \#control-theory **URL:** https://discuss.pytorch.kr/tag/control-theory/8616.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [LoopGain: 수렴하면 멈추는 AI 에이전트 루프 비용 컨트롤러](https://discuss.pytorch.kr/t/loopgain-ai/11375)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 24, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/loopgain-ai/11375 "2026-07-24T03:30:53Z")
LoopGain 소개 AI 에이전트가 스스로 출력을 검증하고 고쳐 쓰는 반복 루프는 언제 멈춰야 할지를 모를 때 시간과 돈을 낭비합니다. 현업의 에이전트 루프는 거의 예외 없이 max\_iterations=N 을 종료 정책으로 씁니다. 이 방식은 딜레마를 안고 있습니다. 상한을 크게 잡으면 이미 답이 나온 뒤에도 계속 돌아 연산을 낭비하고, 작게 잡으면 아직 덜 다듬어진 출력을 그대로 내보내게 됩니다. LoopGain은 이 고정 상한을 제어이론에 기반한 정지·롤백 정책으로 대체하는 오픈소스 비용 컨트롤러입니다. 루프의 오류를 실시간으로 측정해, 실제로 수렴한 순간 멈추고 품질이 나빠지기 시작하면 가장 좋았던 지점으로 되돌립니다. 이 판단의 이론적 근거는 전기공학의 피드백 발진기 분석에서 나온 바크하우젠 조건(Barkhausen criterion, 1921) 으로, 루프 게인(loop gain)이 특정 조건을 넘으면 계가 안정 대신 발산·진동으로 넘어간다는 오래된 결과입니다. LoopGain은 측정 가능한 오류 신호(error signal) 가 있는 모든 반복 워크플로에 적용됩니다. 검증-수정 루프, 정제 패스, 도구 호출 재시도 체인, 자기 교정이 붙은 RAG, 린터 피드백을 받는 코드 생성, 다단계 추론 루프가 모두 대상입니다. LangGraph, CrewAI, AutoGen, LangChain, OpenAI Agents SDK, Claude Agent SDK용 어댑터를 기본 제공하며, 커스텀 스택은 원시 API로 붙일 수 있습니다. 순수 파이썬으로 작성돼 런타임 의존성이 없습니다. LoopGain의 오류 신호와 사용법 LoopGain에 사용자가 제공해야 하는 단 하나는 오류 신호입니다. 매 반복마다 현재 출력이 얼마나 틀렸는지를 나타내는 음이 아닌 숫자 하나면 됩니다. 값이 작을수록 좋고, 0이면 완료를 뜻합니다. LoopGain은 루프가 무엇을 하는지 알지 못하며, 오직 이 숫자의 궤적만 보고 계속할지, 멈출지, 되돌릴지를 결정합니다. 루프에는…