[모델]GPT-6 Astra, OSM 데이터로 맞춤형 달리기 경로 생성

무슨 일이야

사이먼 윌리슨(Simon Willison)이 집 주소를 기반으로 5km와 10km 순환 달리기 경로 생성을 GPT-6 Astra와 ChatGPT Work에 요청한 실험 결과를 공유했습니다. 모델은 Nominatim을 이용해 주소의 위치를 찾고, Overpass로 로컬 OpenStreetMap(OSM) 도로 및 트레일 데이터를 내려받은 뒤 로컬에서 순환 경로를 계산했습니다.

모델은 약 27분 동안 작업을 수행해 요청한 순환 경로를 만들어냈습니다. 결과물은 ChatGPT UI 내에 직접 삽입된 인터랙티브 시각화 화면뿐만 아니라 다운로드 가능한 GPX 및 GeoJSON 파일 형태로 제공되었습니다. 시각화 화면은 visualize 스킬을 활용해 생성된 HTML 파일로, D3 라이브러리를 사용해 경로와 지도를 렌더링했습니다.

하지만 작업에 쓰인 실제 실행 코드나 세부 내역은 UI 상에서 확인할 수 없었습니다. 사용자가 나중에 사용된 파이썬 코드를 요청했을 때도 ChatGPT는 이를 제공하지 못했습니다. 대화 쓰레드가 압축(compacted)되면서 관련 세부 정보가 사라진 것이 원인으로 보입니다.

왜 중요해

외부 지리 정보 데이터(OSM)를 모델이 스스로 쿼리하고 계산해 실용적인 시각화 파일과 원시 데이터 포맷(GPX, GeoJSON)까지 뽑아내는 복합 에이전트 작업 능력을 보여줬습니다. 특히 27분에 걸친 긴 작업을 자율적으로 분해해 수행한다는 점에서 장시간 추론 에이전트의 실사용 가능성을 엿볼 수 있습니다.

짚고 넘어갈 점

장시간 에이전트 작업 중 실행된 코드가 투명하게 공개되지 않고, 쓰레드 압축으로 인해 이전 코드 기록이 유실되는 문제는 개선이 필요한 지점으로 꼽힙니다. 복합 작업을 수행하는 LLM 시스템이라면 압축 전 텍스트를 보존하고 에이전트 도구 호출을 통해 이를 다시 조회할 수 있어야 한다는 지적이 나옵니다.

참고: Simon Willison