EVA Agent v3.1.0 (Aug 7, 2026)

Tool-calling 기반 Chat Agent: 코드가 고정된 처리 경로를 선택하던 Router 구조에서 LLM이 요청에 필요한 Action·Q&A Tool을 선택하고 결과를 조합하는 구조로 전환했습니다.
복합 요청 처리: Action과 Q&A를 함께 수행하거나 여러 정보 조회·Action을 한 번에 처리할 수 있도록 확장했습니다.
Knowledge Ingest Pipeline: 매뉴얼을 Prompt와 코드에 하드코딩하는 대신 페이지 단위로 검색하고 페이지 내용을 답변 Context로 활용하는 Knowledge 관리 구조를 적용했습니다.
Stepwise 탐지 조건 단순화: 사용자 query를 하나의 탐지 조건으로 정제하고, excluded_situations 자동 생성을 제거했습니다. 사용자가 직접 입력한 예외 조건은 기존 판단 흐름에서 계속 처리합니다.
Thinking Mode 재설계: scenario_rule_builder, focus_locator, vote_context, vote_skeptic 역할을 분리하고, 서로 다른 두 voter의 결과를 결정론적 AND 게이트로 결합하여 판단 근거를 남기도록 했습니다.
고급 설정에서 detection_mode를 stepwise로 설정한 후 시나리오 생성 시 stepwise 로 탐지 세부사항을 생성합니다.

Stepwise 탐지 성능 개선: 탐지 조건을 하나로 제한하고 불필요한 예외 상황 자동 생성을 제거한 결과, F1은 0.4967에서 0.8415로, Recall은 0.3752에서 0.9127로 향상되었습니다.
Token Logprob 기반 Alert 조절: alert=true/false 토큰의 확률을 추출하여 threshold로 최종 Alert를 조정할 수 있도록 했습니다. 운영 상황에 따라 Precision과 Recall의 trade-off를 선택할 수 있습니다.
Thinking Mode 오탐 억제: 판단 영역과 근거를 먼저 고정하고 독립적인 context·skeptic voter를 병렬 실행하여 Precision을 0.7316에서 0.8273으로 개선했습니다.

범용 시나리오 지원: 고정된 fall·smoke·fire 판정에서 벗어나 사용자가 수정한 시나리오를 동적으로 rule guide로 생성하고 새로운 탐지 대상에 적용할 수 있도록 했습니다.
판단 과정 관찰성 강화: voter별 판단과 근거를 기록하여 오판이 발생한 단계와 원인을 추적할 수 있도록 했습니다.