A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology

Existing frameworks for LLM-based agent architectures describe systems from a single perspective: industry guides (Anthropic, Google, LangChain) focus on execution topology -- how data flows -- while cognitive science surveys focus on cognitive function -- what the agent does. Neither axis alone disambiguates architecturally distinct systems: the same Orchestrator-Workers topology can implement Plan-and-Execute, Hierarchical Delegation, or Adversarial Verification -- three patterns with fundamentally different failure modes and design trade-offs. We propose a two-dimensional classification that combines (1) a Cognitive Function axis with seven categories (Context Engineering, Memory, Reasoning, Action, Reflection, Collaboration, Governance) and (2) an Execution Topology axis with six structural archetypes (Chain, Route, Parallel, Orchestrate, Loop, Hierarchy). The resulting 7x6 matrix identifies 27 named patterns, 13 with original names. We demonstrate orthogonality through systematic cross-axis analysis, define eight representative patterns in detail, and validate descriptive coverage across four real-world domains (financial lending, legal due diligence, network operations, healthcare triage). Cross-domain analysis yields five empirical laws of pattern selection governing the relationship between environmental constraints (time pressure, action authority, failure cost asymmetry, volume) and architectural choices. The framework provides a principled, framework-neutral, and model-agnostic vocabulary for AI agent architecture design.

📋 한 줄 요약

**[AI Agent / Design Patterns]** Cognitive Function과 Execution Topology라는 두 축으로 AI 에이전트 아키텍처를 분류하는 7×6 패턴 매트릭스(27개 명명된 패턴)를 제안한다.

🎯 핵심 기여도

산업계(Anthropic, Google, LangChain) 가이드의 execution topology 중심 시각과 인지과학 서베이의 cognitive function 중심 시각이 모두 단일축으론 부족함을 지적
(1) Context Engineering, Memory, Reasoning, Action, Reflection, Collaboration, Governance의 7가지 cognitive function 축과 (2) Chain, Route, Parallel, Orchestrate, Loop, Hierarchy의 6가지 execution topology 축을 결합한 2차원 분류 제안
두 축으로 정의되는 7×6 매트릭스에서 27개 명명된 패턴(그중 13개는 신규 명명)을 식별, 8개 대표 패턴을 상세 정의
금융 대출, 법무 due diligence, 네트워크 운영, 헬스케어 트리아지 4개 도메인에서 descriptive coverage 검증, 패턴 선택을 지배하는 5개 경험 법칙 도출

💡 핵심 아이디어

"Orchestrator-Workers" 같은 동일한 토폴로지여도 Plan-and-Execute, Hierarchical Delegation, Adversarial Verification처럼 인지 기능이 전혀 다른 시스템이 만들어진다. 따라서 에이전트 아키텍처를 의미 있게 비교·설계하려면 무엇을 하는가(cognitive)와 어떻게 흐르는가(topology)를 직교적으로 모델링해야 한다.

🔬 기술적 접근법

**모델/방법론**: 7×6 = 42 셀의 cross-axis 매트릭스 위에서 27개 명명된 패턴을 정의하는 framework-neutral, model-agnostic 분류체계
**핵심 기법**: 두 축의 orthogonality에 대한 체계적 cross-axis 분석, 도메인별 case-study로 descriptive coverage 검증, 환경 제약→아키텍처 선택을 매핑하는 5개 경험 법칙 정식화

📊 주요 결과

27개 패턴(13개 신규 명명), 8개 대표 패턴 상세 정의 완료
4개 실세계 도메인에서 분류체계의 descriptive coverage 확인
시간 압박, 행동 권한, 실패 비용 비대칭, 볼륨 등 환경 제약과 아키텍처 선택을 잇는 5개 empirical law 도출

💭 의의 및 한계

**의의**: 에이전트 아키텍처 논의의 공통 어휘를 제공하여 비교·검토·교육을 쉽게 만드는 design pattern catalog 역할. **한계**: 분류는 본질적으로 정성적·구조적이며, 정량적 성능 비교는 별도 후속 연구가 필요.

🚀 실용적 활용

엔터프라이즈 AI 에이전트 도입 시 아키텍처 의사결정 가이드
학계·산업계 공통 어휘로서의 에이전트 패턴 카탈로그
도메인별 환경 제약을 분석해 적합한 패턴을 선정하는 컨설팅 도구