[논문 리뷰] Turn: A Language for Agentic Computation

Muyukani Kizito|arXiv (Cornell University)|2026. 03. 07.

Multi-Agent Systems and Negotiation인용 수 0

한 줄 요약

Turn은 LLM 기반 추론을 형식화된 원시 조작으로 만드는 컴파일된 액터 기반 언어로, 확률적 제어를 제공하고, 에이전트형 소프트웨어를 위한 강력한 안전성 및 지속성 보장을 강제합니다.

ABSTRACT

We present extbf{Turn}, a compiled, actor-based programming language -- statically typed for schema inference, dynamically typed at the value level -- for agentic software: programs that reason and act autonomously by delegating inference to large language models (LLMs). Existing approaches augment general-purpose languages with frameworks, encoding critical invariants (bounded context, typed inference output, credential isolation, durable state) as application-level conventions rather than language guarantees. Turn introduces five language-level constructs that address this gap. \emph{Cognitive Type Safety} makes LLM inference a typed primitive: the compiler generates a JSON Schema from a struct definition and the VM validates model output before binding. The \emph{confidence operator} enables deterministic control flow gated on model certainty. Turn's \emph{actor-based process model}, derived from Erlang, gives each agent an isolated context window, persistent memory, and mailbox. A \emph{capability-based identity system} returns opaque, unforgeable handles from the VM host, ensuring raw credentials never enter agent memory. Finally, \emph{compile-time schema absorption} ( exttt{use schema::}) synthesizes typed API bindings from external specifications at compile time; the exttt{openapi} adapter is shipped with exttt{graphql}, exttt{fhir}, and exttt{mcp} in active development. We describe the language design, type rules, schema semantics, and a Rust-based bytecode VM, and evaluate Turn against representative agentic workloads. Turn is open source at https://github.com/ekizito96/Turn.

연구 동기 및 목표

• 에이전트형 소프트웨어에서 언어 수준 불변성의 필요성을 동기화하여 무제한 컨텍스트, 비정형 추론, 단편화된 상태, 지속적 실행 부재, 자격 증명 유출 등의 일반적인 실패 모드를 방지한다.
• 언어 차원에서 이러한 불변성을 강제하는 Turn의 다섯 가지 핵심 언어 원시를 소개한다.
• 인지적 타입 안전성, 확률적 제어 흐름, 액터 기반 프로세스, 능력 기반 신원, 및 컴파일 타임 스키마 흡수를 제시한다.
• Turn의 설계, 의미론, 구현을 설명하고, Rust VM 및 LLM 추론과의 엔드 투 엔드 워크플로를 포함한다.

제안 방법

• Turn 구조체에서 컴파일 타임에 JSON 스키마가 생성되고 바인딩 전에 VM이 LLM 출력을 검증하는 형식 추론 원시 infer T { ... }를 정의한다.
• 모델의 확실성을 추출하고 확률적 출력에 대한 결정론적 제어 흐름을 가능하게 하는 confidence 연산자를 도입한다.
• 프로세스별 컨텍스트 윈도우, 영속 메모리 및 suspend/resume 체크포인트를 통한 내구 실행과 함께 Erlang 유사한 액터 모델을 채택한다.
• 권한 부여 신원을 불투명하고 위조 불가능한 Identity 기능으로 구현하여 에이전트 메모리로의 자격 증명 누출을 방지한다.
• "use schema::<protocol>(\"url\")" 매크로를 제공하여 컴파일 타임에 API 명세를 가져오고 API 바인딩을 위한 네이티브 구조체와 클로저를 합성한다.

실험 결과

연구 질문

• RQ1 LLM 추론을 언어 수준에서 타입 안전하게 만들어 응답의 구조적 일치를 보장할 수 있는가?
• RQ2 확률적 모델 확실성을 결정론적 제어 흐름에 어떻게 통합할 수 있는가?
• RQ3 액터 기반의 프로세스별 컨텍스트 아키텍처가 에이전트형 계산의 기억 회상 및 격리를 개선하는가?
• RQ4 자격 증명을 안전하게 관리하여 도구 접근성을 해치지 않으면서 누출을 방지할 수 있는가?
• RQ5 컴파일 타임 스키마 흡수가 외부 API 명세로부터 안전한 네이티브 바인딩을 합성할 수 있는가?

주요 결과

K	쓰기	읽기	B/항목	비고
1 K	519	574	76.8	baseline
10 K	1021	867	—	$10\times$
100 K	594	430	—	$100\times$

• 추론 표현식 infer T { … }은 성공 시 T와 구조적으로 일치하는 값을 생성하며, 컴파일타임 스키마 생성과 런타임 검증을 포함한다.
• confidence 연산자는 모델의 확신도에 근거한 결정적 분기를 가능하게 하며, 확실성 전파를 위한 정의된 대수를 가진다.
• Turn의 에이전트 프로세스는 고립된 컨텍스트와 지속 메모리를 가지며, 연결된 프로세스를 통한 결함 허용 감독을 제공한다.
• Identity 자격 증명 기능은 원시 자격 증명이 에이전트 메모리에 들어가지 않도록 하여 자격 증명의 불투명성을 보장한다.
• 컴파일타임 스키마 흡수는 외부 명세로부터 형식화된 API 바인딩을 합성하여 LLM 구동 에이전트의 안전한 API 사용을 가능하게 한다.
• 실험에서 다섯 개의 테스트 스위트에서 105/105 테스트가 모두 통과했고, 각 케이스별 자격 증명 불투명성, 확신 의미론, 컨텍스트 우선/최신성, 메모리 격리 및 정확한 내구 실행에 대해 평가되었다.