논문은 대규모 언어 모델(LLM)을 학술 작문 워크플로우에 통합하는 방식을 개선하기 위해 에디터 내에서 직접 작동하는 다중 에이전트 기반의 플러그인 형식 학술 작문 보조 도구인 PaperDebugger를 제안합니다. 기존 보조 도구와 달리 PaperDebugger는 Overleaf와 같은 LaTeX 편집기 내에서 문서 상태, 구조, 수정 이력과 깊이 상호 작용하며, 에이전트 기반의 컨텍스트 인식 작업을 지원합니다. 이 도구는 에디터와의 양방향 동기화, 세분화된 버전 관리, 안전한 상태 관리, 다중 에이전트 스케줄링, 외부 도구와의 확장 가능한 통신을 통해 이러한 기능을 실현합니다. PaperDebugger는 Chrome 확장, Kubernetes 기반 오케스트레이션 레이어, Model Context Protocol (MCP) 도구 체인을 사용하여 문헌 검색, 참조 조회, 문서 점수 매기기, 수정 파이프라인을 통합합니다. 데모는 현지화된 편집, 구조화된 리뷰, 병렬 에이전트 실행 및 diff 기반 업데이트를 포함하는 통합 워크플로우를 보여줍니다. 초기 분석 결과는 사용자 참여를 입증하고 에디터 내 에이전트 기반 작문 보조 도구의 실용성을 확인했습니다.
