ai-infra / 2026.07
ReasonForge — 정밀 추론 파이프라인
한두 마디로 던진 모호한 요청도 그냥 흘려보내지 않습니다. 문제를 구조화하고, 계획을 세우고, 블라인드스팟과 반증까지 통과시키는 CLI/MCP 추론 장치입니다.
아키텍처·CLI/MCP 구현·검증
Metrics
- 8개 순수 도구: intake/route/plan/rubric/sweep/verdict/reflect/eval
- CLI와 MCP가 동일 코어를 공유
- 반증 없는 verdict를 BLOCK 처리하는 게이트
Stack
Problem
AI에게 한두 단어로 일을 맡기면 빠르지만 위험합니다. 의도 추정·범위 고정·반증이 빠지면 그럴듯한 답변으로 끝날 수 있습니다.
Idea
반복되는 브리프 실행에서 '작업을 시작하기 전 추론 절차 자체를 표준화해야 한다'는 필요가 생겼습니다. 그래서 기존 Reasoning·Baton·vault 자산을 하나의 전면 게이트로 묶었습니다.
Decision
CLI와 MCP가 같은 순수 코어를 호출하도록 만들고, intake→route→plan→rubric→sweep→verdict→reflect→eval 흐름을 구조화했습니다. verdict 단계는 반증 시도와 근거가 없으면 통과하지 못하도록 했습니다.
Outcome
모델이나 실행 표면이 달라도 같은 입력에서 같은 추론 구조를 받을 수 있습니다. 추론 품질은 말투가 아니라 기록 가능한 프레임·체크리스트·게이트로 남습니다.
문제
실무에서 AI 요청은 자주 짧습니다. “진행”, “고쳐”, “리뷰”처럼 문맥 의존적인 요청이 많고, 모델은 부족한 정보를 채우려다 범위를 잘못 잡을 수 있습니다. 추론이 중요한 작업일수록 먼저 문제를 구조화하고, 반증과 검증을 남기는 절차가 필요했습니다.
결정
ReasonForge는 새로운 거대 시스템이 아니라 기존 추론 자산을 호출하기 쉬운 얇은 전면부로 만들었습니다. reasonforge CLI와 baton-reason MCP가 같은 코어를 쓰고, 각 단계는 사람이 확인할 수 있는 JSON 구조를 반환합니다.
성과
요청은 먼저 목표·제약·모호성·성공 기준으로 바뀌고, 이후 계획·루브릭·블라인드스팟·반증 게이트를 지납니다. 결과적으로 “생각했다”가 아니라 “어떤 근거와 반증을 통과했는지”가 남는 파이프라인이 됩니다.