FEEDBACK.md 발행 이후 작성된 보조 문서.
PROMPT.md:
새로 투입되는 AI 에이전트(Claude Code, Codex 등)나 협업자가
프로젝트를 빠르게 이해할 수 있도록 1페이지로 정리한 onboarding 자료.
- 프로젝트 한 줄 요약, 핵심 정보 표
- 문서 구성과 읽는 순서 (CLAUDE → IMPLEMENTATION → BACKGROUND → SGS)
- 비교 대상·시나리오·KPI·네트워크 조건 요약
TASK_LIST.md:
FEEDBACK.md 권고를 우선순위(P0/P1/P2)별로 분류한 액션 아이템.
- P0: quic-go 호환성 PoC, novelty 재정의, 게이트웨이 기여 보강,
실험 설계 강화, 위험 관리 문서화
- P1: MQTT/CoAP 어댑터 설계, 라우팅 룰 형식 정의,
측정 방법 정밀화, 통계적 유의성 계획
- P2: golangci-lint 설정, 벤치마크 이중성 정리, 자동화 도구
비고:
본 commit 시점에서 BACKGROUND.md와 CLAUDE.md는 이미 FEEDBACK.md의
주요 권고를 반영한 1차 수정판이다. 후속 작업은 본 TASK_LIST를 따라
IMPLEMENTATION.md 보강과 PoC 검증을 우선 진행한다.
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
다른 에이전트에게 의뢰한 프로젝트 전반 검토 결과.
긍정적 평가는 생략하고 개선이 필요한 지점만 기록한다.
대상 문서: BACKGROUND.md, CLAUDE.md, IMPLEMENTATION.md, 참고/SGS
주요 지적 사항:
§1 BACKGROUND.md
- 학원 관리 서비스 예시의 부적절성
- 「사람과 달리」 비교의 사실 오류
- 결론의 빈약함, Timeliness argument 부재
§2 CLAUDE.md
- 향후 연구 중 HTTP/3 선택 이유 미명시
- 게이트웨이 novelty 불분명
- P0 목표의 현실성·리스크 관리 부재
- 처리 위치 일관성 부재, CPU/Memory 측정 방법 부실
- 인터셉터 observer effect 논의 부재
- Lossy 조건이 1%로 약함, AI Agent 시나리오의 Payload Size 부적절
§3 IMPLEMENTATION.md
- quic-go + gRPC transport 호환성 리스크 미언급
- MQTT/CoAP 어댑터 설계 모호
- 라우팅 룰 형식 미정의, golangci-lint 설정 부재
§4 공통/구조적
- 두 시나리오 동일 스택의 정당화 부재
- Novelty claim 취약 (단순 QUIC 적용으로 보임)
- 통계적 유의성·반복 횟수 계획 부재
- 위험 관리 부재
- BACKGROUND/CLAUDE 1절 중복
가장 시급한 5가지 과제 (요약):
1. quic-go + gRPC transport 호환성 PoC 검증
2. Novelty 재정의 (domain-specific empirical study)
3. 게이트웨이 아키텍처의 기여 재검토
4. 실험 설계 강화 (Lossy 다양화, 반복 횟수, AI Agent KPI)
5. 위험 관리 문서화
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
두 README의 역할을 분리한다:
- README.md (루트): 프로젝트 1페이지 overview
- 핵심 기여, 비교 대상, 워크로드 시나리오, KPI 요약
- 네트워크 제어 단계 (Phase 1 tc · Phase 2 mininet)
- 문서 안내 표 (CLAUDE.md / IMPLEMENTATION.md / BACKGROUND.md / SGS)
- 구현 코드 실행은 src/README.md로 위임
- src/README.md: 구현 코드 가이드
- Phase 0~6 진행 상태 체크리스트
- 사전 요구사항 (Go 1.22+, UTF-8 터미널, tc)
- 빌드/실행 (go run ./cmd/benchcli)
- src/ 디렉터리 구조와 각 파일 역할
- UI 사용법 (화면 흐름·키 바인딩·파라미터 범위)
- mock 시뮬레이터 가정과 실측 전환 경로
- 트러블슈팅 (한글·색상·폰트 등)
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
Phase 0 산출물 — 실제 측정 없이 데모 모드로 동작하는 Terminal UI.
시연 시 최종 목표 화면을 가시화하고, 파라미터 조정에 반응하는
그럴듯한 추세를 시뮬레이션한다.
비교 대상 시스템:
- REST + HTTP/2 (TCP+TLS) + JSON
- gRPC + HTTP/2 (TCP+TLS) + Protobuf
- gRPC + HTTP/3 (QUIC+TLS1.3) + Protobuf ★ 본 연구 제안
조절 가능한 파라미터:
- 워크로드 시나리오 (Small-Many 1KB×10000 / Large-Few 1MB×50)
- 링크 지연 (0~500ms), 패킷 손실 (0~5%)
- 대역폭 (1~1000Mbps), 디바이스 수 (1~100)
화면 구성:
- 메인 메뉴 / 설정 / 실시간 진행 / 결과 비교 / 정보 5개 화면
- 진행률 막대, latency sparkline, 비교 차트(P50/P95/P99/RPS/연결시간)
구현:
- src/cmd/benchcli/main.go 진입점
- src/internal/ui/app.go Bubble Tea Model + 화면 dispatcher
- src/internal/ui/types.go Config / Result / RunState 정의
- src/internal/ui/styles.go Lipgloss 스타일·색상
- src/internal/ui/components.go progressBar / sparkline / slider
- src/internal/ui/simulator.go mock 시뮬레이터 (Phase 5에서 실측으로 교체)
- src/internal/ui/screen_*.go 각 화면 (menu/config/running/results/about)
의존성: bubbletea v1.2.4, lipgloss v1.0.0
빌드: `cd src && go run ./cmd/benchcli`
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
연구 방향·정책과 구현 세부사항을 두 문서로 명확히 분리한다.
CLAUDE.md (연구 방향·정책 전용):
- 연구 배경 요약 (BACKGROUND.md 참조)
- 제안 기법 ① gRPC over QUIC 통신 모듈 (AIoT 도메인 실증)
- 제안 기법 ② AI Agent + IoT 통합 엣지 게이트웨이
- 우선순위별 목표(P0/P1/P2)와 의존성·리스크
- 위험 관리(Risk Register) — quic-go 호환성, tc 작동, 어댑터 범위 등
- 평가 시나리오·KPI·네트워크 조건·통계적 유의성 확보 계획
- 코드 작성 정책(계층 분리, 컨텍스트 전파, 에러 처리, 측정 가능성)
IMPLEMENTATION.md (구현 세부사항 전용):
- 프로젝트 디렉터리 구조 (proto/, gen/, internal/, cmd/, benchmarks/)
- 네이밍 규칙 (Proto·Go)
- 개발 워크플로우 (proto 컴파일, 서버 실행, tc 시뮬레이션, 테스트)
- 코드 패턴 (Transport 인터페이스, 컨텍스트, gRPC 에러, 인터셉터)
- Makefile 타겟 목록
- 멀티 에이전트 작업 분담 가이드
- 자주 수행하는 작업 시나리오
원칙: 디렉터리 경로·명령어·코드 샘플 등 구현 세부사항은 모두
IMPLEMENTATION.md에 두고, CLAUDE.md는 연구 방향과 정책에만 집중한다.
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
AI Agent 시대의 통신 인프라 변화를 다루는 구조적 배경 문서.
세미나 발표 자료(슬라이드) 추출이 가능하도록 논리 흐름을 구성하였다.
구성:
- §0 연구의 전체 흐름 (다이어그램)
- §1 AI Agent 시대의 통신 환경 변화 (정의·통신 구조·트래픽 폭증)
- §2 트래픽 폭증을 가속하는 세 가지 구조적 요인
(보안 격리, 컨텍스트 한계, 24/7 가동)
- §3 기존 통신 기술의 한계(TCP HoL Blocking 등)와 QUIC의 등장
- §4 기반이 되는 선행 연구(SGS) 및 차별성
- §5 본 연구가 다루는 문제로의 수렴
- 부록 A 추후 보강 예정 항목 (정량 데이터, AI Agent 트래픽 특성 등)
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
스마트팜 해충 탐지 시나리오에서 gRPC(HTTP/2) vs REST(HTTP/2) 비교 실험을
수행한 선행 연구 자료. 본 프로젝트의 출발점이며 차별화 기준으로 사용된다.
핵심 결과:
- gRPC(Protobuf)가 REST(JSON) 대비 응답 시간·데이터 전송량 모두에서 우수
- 엣지 기반 처리(ROI 탐지 후 클라우드 전달)가 고지연 환경에서 특히 효과적
- 향후 연구로 HTTP/3 기반 gRPC, 다양한 스트리밍 패턴, LLM 라우팅 제안
Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
Godopu