본 논문은 엔터프라이즈 환경에서 발생하는 대규모의 이질적인 텔레메트리 데이터에 에이전트형 AI를 안정적으로 연결(grounding)하는 데 따르는 3가지 문제점(제한된 모델 컨텍스트, 지역적으로 정의된 의미론적 개념, 변화하는 메트릭 인터페이스)을 해결하기 위해 REGAL이라는 레지스트리 기반 아키텍처를 제안합니다. REGAL은 결정론적 텔레메트리 연산을 최우선 요소로 취급하고, LLM이 원시 이벤트 스트림이 아닌 버전 관리되는 제한된 액션 공간 위에서 작동하도록 설계되었습니다. 이 아키텍처는 다시 실행 가능하고 의미론적으로 압축된 Gold 아티팩트를 생성하는 ELT 파이프라인과, 선언적 메트릭 정의로부터 Model Context Protocol(MCP) 도구를 합성하는 레지스트리 기반 컴파일 레이어를 결합합니다.
