일반형 AI 에이전트는 다음 세대 인공지능의 기반 프레임워크로 점차 주목받고 있으며, 복잡한 추론, 웹 상호작용, 코드 작성, 자율적 연구 능력 등을 가능하게 한다. 그러나 현재의 에이전트 시스템은 대부분 폐쇄형 소스이거나 다양한 유료 API 및 전용 도구에 크게 의존하고 있어, 연구 공동체의 접근성과 재현 가능성에 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위해, 완전히 오픈소스이면서 가능한 한 최대한의 무료로 구성된 다중 모듈형 에이전트 프레임워크인 Cognitive Kernel-Pro를 제안한다. 이 프레임워크는 고성능 AI 에이전트의 개발 및 평가를 보다 포괄적으로 가능하게 하여, 기술의 민주화를 목표로 한다.

Cognitive Kernel-Pro 내에서 우리는 에이전트 기반 모델( Agent Foundation Models)을 위한 고품질 훈련 데이터의 체계적인 수집을 철저히 조사하였으며, 웹, 파일, 코드, 일반적 추론의 네 가지 핵심 영역에서 질의(query), 행동 경로(trajectory), 검증 가능한 답변의 구성에 중점을 두었다. 또한, 에이전트의 테스트 시점 반성(test-time reflection)과 투표(voting)를 위한 새로운 전략을 탐구하여 에이전트의 강건성과 성능을 향상시켰다. 제안한 프레임워크는 GAIA 기준에서 평가되었으며, 오픈소스 및 무료 에이전트 중 최고 수준의 성능을 기록하였다. 특히, 8B 파라미터 규모의 오픈소스 모델이 기존 최고 성능을 기록했던 WebDancer 및 WebSailor 시스템을 초월하며, 접근성과 고성능을 동시에 갖춘 AI 에이전트의 새로운 성능 기준을 설정하였다. 코드는 다음 URL에서 제공된다: [https://...]