AI 에이전트가 긴 작업을 수행할 때, 너무 많은 정보(instructions, tool results 등)로 인해 context window가 가득 차면서 정확도와 추론 능력이 떨어지는 'context rot' 현상이 발생할 수 있습니다. 이 글에서는 LangChain의 Deep Agents를 통해 이러한 문제를 해결하기 위한 Context Engineering 기술을 설명합니다. 주요 기술로는 대용량 데이터를 파일로 저장하고 미리보기만 제공하는 Offloading, 대화 내용을 요약하여 context를 확보하는 Summarization, 필요한 시점에만 지식을 로드하는 Skills, 노이즈가 많은 작업을 별도의 context에서 처리하는 Subagents, 그리고 대화 내용을 파일로 저장하여 유지하는 Long-term memory가 있습니다. 이러한 기술들은 middleware를 통해 에이전트의 실행 루프에 통합되어 최적의 context를 적시에 제공하도록 돕습니다.