본 논문은 단일 에이전트 LLM의 한계(제한된 컨텍스트, 역할 과부하, 취약한 도메인 전이)를 극복하기 위해 기존의 다중 에이전트 접근 방식의 문제점(잘못된 분해, 모호한 계약, 검증 오버헤드)을 지적하고, 새로운 프레임워크인 Know-The-Ropes (KtR)를 제시한다. KtR은 도메인 사전 지식을 알고리즘 청사진 계층 구조로 변환하여 작업을 유형화된 컨트롤러 중재 하위 작업으로 재귀적으로 분할하고, 각 하위 작업은 제로샷 또는 최소한의 부스트(예: 사고 과정, 마이크로 튜닝, 자체 검사)를 통해 해결한다. No-Free-Lunch 정리에 기반하여 보편적인 프롬프트를 추구하는 대신 체계적인 분해를 통해 효율성을 높인다. Knapsack 문제와 Task-Assignment 문제에 대한 실험 결과, KtR을 적용하여 소규모 모델을 효과적으로 협업시켜 높은 정확도를 달성함을 보여준다.