mloop-agent

MLoop + mloop-mcp 위에서 동작하는 MLOps AI 에이전트. 데이터셋을 주면 스무고개 게임처럼 대화하며 task·label·전처리를 결정하여 init → train → promote 를 수행한다. iyulab 데이터/ML 생태계의 Layer 4(mloop-mcp 위) 포지션이며, ironhive-agent 엔진을 dogfooding 한다.

소비앱은 MLoop / MLoop+MCP / MLoop+Agent 중 자유롭게 선택할 수 있다 — mloop-agent 는 그 스택의 최상위(opt-in) 레이어다.

구성

산출물	형태	용도
MLoop.Agent	NuGet SDK	소비앱(.NET)이 임베드. MloopAgent.CreateAsync 로 사용
mloop-agent	dotnet tool	대화형 CLI (데모 · dogfooding 검증)

mloop-agent 가 더하는 가치는 두 가지뿐 — (a) MLOps 스무고개 시스템 프롬프트, (b) mloop-mcp 배선. 에이전트 루프 · 도구 실행 · HITL · 컨텍스트 압축 · 권한은 전부 ironhive-agent(IronHive.Agent NuGet) 재사용.

아키텍처

소비앱 ──┐
         ├─→ MLoop.Agent (코어 SDK)
 mloop-agent CLI ─┘        │
                           ├─→ IronHive.Agent (AgentLoop)        ← LLM 루프·HITL·컨텍스트
                           └─→ mloop-mcp (MCP stdio 플러그인)     ← MLoop CLI 19개 도구
                                      └─→ mloop CLI (subprocess)  ← 실제 MLOps 실행

코어는 provider-agnostic — 소비앱이 IChatClient(Microsoft.Extensions.AI 호환: Anthropic / OpenAI / GpuStack 등)를 주입한다. CLI 는 GpuStack(OpenAI 호환) env 로 provider 를 구성한다.

빠른 시작 (CLI)

전제: .NET 10, Node.js, mloop CLI, 빌드된 mloop-mcp(npm install && npm run build).

export GPUSTACK_ENDPOINT=...     # OpenAI 호환 엔드포인트 (/v1 은 자동 부착)
export GPUSTACK_API_KEY=...
export GPUSTACK_MODEL=...
mloop-agent <projectPath> --mcp <mcp/build/index.js> --mloop <mloop 실행파일>

자격증명은 .env 파일로도 줄 수 있다 — CLI 가 --env <경로>(없으면 cwd→상위 탐색)로 로드한다. 실제 엔드포인트/키는 공개 리포에 두지 말고 로컬 .env(gitignore)에 둔다.

mloop-agent <projectPath> --mcp <index.js> --mloop <mloop> --env ./.env

--mcp 는 MLOOP_MCP_PATH, --mloop 는 MLOOP_PATH 환경변수로도 지정 가능하다. 실행하면 대화 프롬프트가 뜨고, "datasets/train.csv 로 모델 만들어줘" 처럼 요청하면 에이전트가 mloop_info 로 데이터를 분석한 뒤 모호한 결정만 되물으며 모델을 완성한다.

SDK 사용 (소비앱)

using MLoop.Agent;
using MLoop.Agent.Mcp;

await using var tools = new McpMloopToolProvider(mcpEntryPath, mloopPath);
var agent = await MloopAgent.CreateAsync(new MloopAgentOptions
{
    ChatClient  = myChatClient,   // 어떤 Microsoft.Extensions.AI provider든
    ProjectPath = projectPath,
}, tools);

await foreach (var chunk in agent.RunStreamingAsync("이 데이터로 모델 만들어줘"))
{
    // 청크는 TextDelta(어시스턴트 텍스트) 외에 ToolCallDelta(도구 호출)·ThinkingDelta(추론)도 스트리밍한다.
    // TextDelta 만 렌더하면 reasoning 모델이 init→train 을 구동하는 동안 화면이 멈춘 듯 보인다 —
    // 도구 활동까지 표시하려면 델타를 누적해야 한다(NameDelta/ArgumentsDelta → IsComplete).
    // 참고 구현: CLI 의 AgentStreamRenderer (`🔧 도구호출` · `💭 추론` 가시화).
    if (chunk.TextDelta is { Length: > 0 } text)
        Console.Write(text);
}

MloopAgent 는 단일 AgentLoop 를 보유하므로 RunAsync/RunStreamingAsync 를 반복 호출하면 대화 이력이 유지된다(멀티턴 스무고개).

마일스톤 범위

• ✅ M1 — 스캐폴딩(SDK + CLI) · ironhive-agent + mloop-mcp 배선 · MLOps 스무고개 프롬프트.
• ✅ M2(대부분) — .env 로딩(--env) + 엔드포인트 정규화로 라이브 LLM E2E 검증(실 도구 구동으로 init→train 확인) · 도구 로딩 관측성(ILogger) + 도구 0개 fail-fast · 턴 레벨 관측성(AgentStreamRenderer — 도구 호출·추론 실시간 가시화) · 도구 구동 정확도 실측(모델이 task·label·dataFile 정확 구동). 단위 테스트(27). 잔여: KAMP 정형 1셋(데이터 hydrate 의존) · 전체 train→promote 완주(시간예산).
• ⏳ M3 — 자율 재학습 상향(trigger 감시 → 재학습 → compare → promote) · 전체 생명주기 자동화.

개발

dotnet build MLoop.Agent.slnx
dotnet test  MLoop.Agent.slnx

.NET 10 / 중앙 패키지 관리(Directory.Packages.props). 라이선스: MIT.