Ironbees.Core 0.1.5

🐝 Ironbees

파일시스템 컨벤션 기반 LLM 에이전트 관리 래퍼

Ironbees는 .NET 환경에서 LLM 에이전트의 반복되는 패턴을 간소화하는 경량 래퍼입니다. Microsoft Agent Framework, Semantic Kernel, LangChain, ironhive 등의 프레임워크를 대체하는 것이 아니라, 그 위에서 작동하며 파일시스템 컨벤션으로 에이전트 관리를 단순화합니다.

🎯 핵심 가치 제안

Ironbees가 하는 것:

• ✅ 파일시스템 컨벤션으로 에이전트 자동 로딩 (agents/{name}/agent.yaml)
• ✅ 간단한 키워드 기반 에이전트 라우팅
• ✅ 다중 프레임워크 통합 (Microsoft Agent Framework, ironhive 등)
• ✅ 보일러플레이트 설정 코드 제거

Ironbees가 하지 않는 것:

• ❌ 복잡한 워크플로우 오케스트레이션 → 기본 프레임워크 기능 사용
• ❌ 대화 관리 및 컨텍스트 → 기본 프레임워크 기능 사용
• ❌ 도구 통합 및 MCP → 기본 프레임워크 기능 사용
• ❌ 고급 협업 패턴 → 기본 프레임워크 기능 사용

💡 왜 Ironbees인가?

일반적인 LLM 앱 개발 시:

// 매번 반복되는 패턴
// 1. 에이전트 설정 파일 파싱
// 2. 프롬프트 로딩
// 3. LLM 클라이언트 초기화
// 4. 에이전트 생성
// 5. 의존성 주입 설정

Ironbees 사용 시:

// 파일 구조만 맞추면 끝
services.AddIronbees(options => {
    options.AzureOpenAIEndpoint = "...";
    options.AgentsDirectory = "./agents";
});

await orchestrator.LoadAgentsAsync();
var result = await orchestrator.ProcessAsync("요청", "agent-name");

📦 설치

dotnet add package Ironbees.Core
dotnet add package Ironbees.AgentFramework  # Azure OpenAI + Microsoft Agent Framework용

🚀 빠른 시작

1. 에이전트 정의 (파일시스템 컨벤션)

agents/
└── coding-agent/
    ├── agent.yaml          # 필수: 에이전트 메타데이터
    └── system-prompt.md    # 필수: 시스템 프롬프트

agents/coding-agent/agent.yaml:

name: coding-agent
description: Expert software developer
capabilities: [code-generation, code-review]
tags: [programming, development]
model:
  deployment: gpt-4
  temperature: 0.7

agents/coding-agent/system-prompt.md:

You are an expert software developer specializing in C# and .NET...

2. 서비스 구성

기본 구성 (Azure.AI.OpenAI ChatClient):

services.AddIronbees(options =>
{
    options.AzureOpenAIEndpoint = "https://your-resource.openai.azure.com";
    options.AzureOpenAIKey = Environment.GetEnvironmentVariable("AZURE_OPENAI_KEY");
    options.AgentsDirectory = "./agents";
});

Microsoft Agent Framework 사용:

services.AddIronbees(options =>
{
    options.AzureOpenAIEndpoint = "https://your-resource.openai.azure.com";
    options.AzureOpenAIKey = Environment.GetEnvironmentVariable("AZURE_OPENAI_KEY");
    options.AgentsDirectory = "./agents";
    options.UseMicrosoftAgentFramework = true; // 👈 프레임워크 전환
});

3. 에이전트 사용

var orchestrator = serviceProvider.GetRequiredService<IAgentOrchestrator>();

// 에이전트 로드 (파일시스템에서 자동)
await orchestrator.LoadAgentsAsync();

// 방법 1: 명시적 에이전트 선택
var response = await orchestrator.ProcessAsync(
    "Write a C# method to calculate fibonacci numbers",
    agentName: "coding-agent");

// 방법 2: 자동 라우팅 (키워드 기반)
var response = await orchestrator.ProcessAsync(
    "fibonacci numbers in C#"); // "coding" 키워드로 자동 라우팅

// 방법 3: 스트리밍 응답 (명시적 에이전트) 🆕
await foreach (var chunk in orchestrator.StreamAsync(
    "Write a blog post about AI",
    agentName: "writing-agent"))
{
    Console.Write(chunk); // 실시간 스트리밍
}

// 방법 4: 스트리밍 + 자동 라우팅 (v0.1.6+) 🆕
await foreach (var chunk in orchestrator.StreamAsync(
    "fibonacci in Python")) // 자동으로 coding-agent 선택
{
    Console.Write(chunk); // 실시간 스트리밍
}

🏗️ 아키텍처

┌─────────────────────────────────────────────┐
│   Ironbees (얇은 래퍼)                       │
│   ✅ FileSystemAgentLoader                  │
│      - agents/ 디렉터리 스캔                │
│      - agent.yaml 파싱                      │
│      - system-prompt.md 로딩                │
│   ✅ KeywordAgentSelector                   │
│      - 키워드 기반 라우팅                    │
│   ✅ ILLMFrameworkAdapter                   │
│      - 다중 프레임워크 통합                 │
├─────────────────────────────────────────────┤
│   Microsoft Agent Framework / Semantic Kernel│
│   ➡️ 실제 에이전트 실행                     │
│   ➡️ 워크플로우 오케스트레이션              │
│   ➡️ 도구 통합, MCP, 대화 관리              │
└─────────────────────────────────────────────┘

📂 프로젝트 구조

ironbees/
├── src/
│   ├── Ironbees.Core/           # 파일시스템 로더, 라우팅
│   └── Ironbees.AgentFramework/ # Azure OpenAI + MS Agent Framework 어댑터
├── agents/                       # 에이전트 정의 (9개 예제)
├── docs/                         # 상세 문서
├── samples/                      # 실행 가능한 예제
└── tests/                        # 단위 테스트 (67개)

🔌 다중 프레임워크 지원

Ironbees는 ILLMFrameworkAdapter 인터페이스를 통해 다양한 LLM 프레임워크와 통합할 수 있습니다:

프레임워크 전환은 설정 플래그 하나로:

options.UseMicrosoftAgentFramework = true; // or false

📚 문서

• 시작 가이드 - 상세한 설치 및 구성
• Microsoft Agent Framework 통합
• 내장 에이전트 - 5가지 내장 에이전트
• 아키텍처 - 설계 및 확장성

🎯 설계 원칙

Convention over Configuration

• 파일 구조와 명명 규칙을 따르면 최소 코드로 동작
• agents/{name}/agent.yaml + system-prompt.md = 자동 로딩

Thin Wrapper Philosophy

• LLM 프레임워크의 기능을 숨기지 않고 보완
• 복잡한 오케스트레이션은 기본 프레임워크에 위임
• 보일러플레이트 제거에만 집중

Framework Agnostic

• Microsoft Agent Framework, Semantic Kernel, LangChain 등과 통합
• ILLMFrameworkAdapter로 새 프레임워크 추가 가능

Extensibility First

• 모든 핵심 컴포넌트 교체 가능
• IAgentLoader, IAgentSelector, ILLMFrameworkAdapter

📖 예제

• OpenAISample - 기본 사용법 (OpenAI API)
• GpuStackSample - 로컬 GPU 인프라 (GPU-Stack) 🆕
• WebApiSample - RESTful API 서버
• EmbeddingSample - 로컬 ONNX 임베딩 및 시맨틱 라우팅

✨ 최신 기능

v0.1.6 - StreamAsync 자동 라우팅 🆕

실시간 스트리밍과 자동 에이전트 선택을 결합! API 일관성 개선.

주요 기능:

• 스트리밍 + 자동 선택: ProcessAsync와 동일한 패턴으로 StreamAsync 자동 라우팅 지원
• API 일관성: 모든 주요 메서드에서 명시적/자동 선택 오버로드 제공
• 간소화된 코드: 2단계 호출(선택 → 스트리밍)을 1단계로 통합

// 이전: 수동 선택 필요
var selection = await orchestrator.SelectAgentAsync(input);
await foreach (var chunk in orchestrator.StreamAsync(input, selection.SelectedAgent.Name))
{
    Console.Write(chunk);
}

// 이제: 자동 선택 통합 (v0.1.6+)
await foreach (var chunk in orchestrator.StreamAsync(input))
{
    Console.Write(chunk); // 자동으로 최적 에이전트 선택 후 스트리밍
}

기술 상세:

• 내부적으로 SelectAgentAsync 재사용으로 일관된 선택 로직
• 에이전트를 찾지 못한 경우 명확한 에러 메시지 스트리밍
• [EnumeratorCancellation] 속성으로 적절한 취소 처리

v0.1.5 - Local ONNX Embeddings

로컬 ONNX 모델로 완전 무료 임베딩 지원! API 키 불필요, 완전히 오프라인 동작.

주요 기능:

• 자동 모델 다운로드: 첫 실행 시 Hugging Face에서 자동 다운로드 (~23-45MB)
• 2가지 모델 지원:
  • all-MiniLM-L6-v2: 빠른 속도 (기본값, ~14K sent/sec, 84-85% 정확도)
  • all-MiniLM-L12-v2: 높은 정확도 (~4K sent/sec, 87-88% 정확도)
• 크로스 플랫폼: Windows, Linux, macOS 지원
• 시맨틱 에이전트 선택: EmbeddingAgentSelector로 의미 기반 라우팅
• 하이브리드 선택: 키워드(40%) + 임베딩(60%) 결합

// 로컬 ONNX 임베딩 프로바이더 생성 (첫 실행 시 자동 다운로드)
var provider = await OnnxEmbeddingProvider.CreateAsync(
    OnnxEmbeddingProvider.ModelType.MiniLML6V2);

// 텍스트를 384차원 벡터로 변환
var embedding = await provider.GenerateEmbeddingAsync("Write Python code");

// 임베딩 기반 에이전트 선택
var selector = new EmbeddingAgentSelector(provider);
var result = await selector.SelectAgentAsync("secure my web app", agents);
// → Security Specialist 선택 (키워드 없이도 시맨틱 매칭)

// 하이브리드 선택 (키워드 + 임베딩)
var hybridSelector = new HybridAgentSelector(
    new KeywordAgentSelector(),
    new EmbeddingAgentSelector(provider));
var result = await hybridSelector.SelectAgentAsync("python security", agents);
// → 키워드와 의미를 모두 고려한 최적 선택

모델 비교: | 모델 | 크기 | 속도 | 정확도 | 용도 | |------|------|------|--------|------| | L6-v2 (기본값) | ~23MB | ~14K sent/sec | 84-85% | 실시간 앱, 리소스 제한 환경 | | L12-v2 | ~45MB | ~4K sent/sec | 87-88% | 법률 문서, 학술 논문, 고품질 요구 |

샘플 코드: EmbeddingSample

v0.1.1 - 향상된 KeywordAgentSelector

• TF-IDF 가중치: 용어 관련성 기반 스코어링으로 정확도 향상
• 스마트 정규화: 50+ 동의어 그룹, 100+ 어간 추출 규칙 (code↔programming, db↔database)
• 성능 캐싱: 반복 쿼리 ~50% 속도 향상
• 확장된 불용어: 80+ 불용어, .NET 기술 용어 보존
• 정확도: 88% (50개 테스트 케이스)
• 속도: < 1ms 단일 선택, 1000회 < 100ms

// 동일한 API, 향상된 성능과 정확도
var result = await orchestrator.ProcessAsync("Write C# code", "coding-agent");
// 이제 "code", "coding", "programming" 모두 매칭
// TF-IDF로 더 관련성 높은 에이전트 선택

🗺️ 로드맵

v0.1.6 - 현재 ✅

• StreamAsync 자동 라우팅
• API 일관성 개선
• GpuStackAdapter 완성

v0.1.5 - ONNX Embeddings ✅

• 로컬 ONNX 임베딩 프로바이더 (all-MiniLM-L6-v2, L12-v2)
• 자동 모델 다운로드 및 캐싱
• EmbeddingAgentSelector (시맨틱 에이전트 선택)
• HybridAgentSelector (키워드 + 임베딩)
• 완전 무료, API 키 불필요

v0.1.4 - 임베딩 기반 라우팅 ✅

• IEmbeddingProvider 인터페이스
• VectorSimilarity 유틸리티
• 코사인 유사도 계산
• 임베딩 캐싱 최적화

v0.1.1 - TF-IDF 키워드 선택 ✅

• TF-IDF 가중치 알고리즘
• 키워드 정규화 (동의어, 어간 추출)
• 성능 캐싱
• 확장된 불용어 사전
• 88% 선택 정확도

v0.1.0 - 초기 릴리스 ✅

• 파일시스템 컨벤션 기반 로더
• Azure OpenAI 통합
• Microsoft Agent Framework 통합
• 키워드 기반 라우팅
• 다중 프레임워크 어댑터

v0.2.0 - 계획

• Semantic Kernel 어댑터
• OpenAI/Azure OpenAI 임베딩 프로바이더
• 성능 최적화
• 추가 예제 및 문서

v0.3.0 - 계획

• LangChain 어댑터
• CLI 도구
• 벡터 DB 통합 (선택적)

🧪 테스트

테스트 카테고리

Ironbees는 테스트를 카테고리로 구분하여 효율적인 테스트 실행을 지원합니다:

빠른 실행

# 모든 테스트 (로컬 권장)
dotnet test

# CI 테스트만 (Performance 제외)
dotnet test --filter "Category!=Performance"

# Unit 테스트만
dotnet test --filter "Category!=Performance&Category!=Integration"

테스트 스크립트 사용

Windows (PowerShell):

# 전체 테스트 (Performance 포함)
.\run-tests.ps1 -Category all

# CI 테스트 (Performance 제외)
.\run-tests.ps1 -Category ci

# Unit 테스트만
.\run-tests.ps1 -Category unit

# Performance 테스트만
.\run-tests.ps1 -Category performance

# 커버리지 포함
.\run-tests.ps1 -Category all -Coverage

Linux/macOS (Bash):

# 스크립트 실행 권한 부여
chmod +x run-tests.sh

# 전체 테스트
./run-tests.sh --category all

# CI 테스트
./run-tests.sh --category ci

# Unit 테스트만
./run-tests.sh --category unit

# 커버리지 포함
./run-tests.sh --category all --coverage

테스트 통계 (v0.1.6)

Total: 169 tests
├─ Unit: 166 tests ✅
├─ Performance: 3 tests ✅ (로컬 전용)
└─ Integration: 3 tests ⏸️ (환경 필요)

CI Status: 166/166 passed (100%)
Local Status: 169/169 passed (100%)

🤝 기여

이슈와 PR을 환영합니다.

핵심 철학 유지:

• 얇은 래퍼로 유지
• 과도한 기능 추가 지양
• 파일시스템 컨벤션 중심

📄 라이선스

MIT License - LICENSE 참조

Ironbees - Filesystem convention-based LLM agent wrapper for .NET 🐝

버전: 0.1.6 | .NET: 9.0+ | 상태: 실험적