본 논문은 대규모 언어 모델(LLM)을 활용한 기계 번역의 품질 향상을 위해 인지적 번역 연구의 통찰을 통합한 다중 에이전트 프레임워크인 TACTIC을 제안합니다. TACTIC은 초안 작성, 수정, 평가, 점수 매기기, 맥락 추론, 외부 지식 수집 등 인간 번역가의 인지 과정을 모방한 6개의 기능적으로 구분된 에이전트로 구성됩니다. 다양한 언어 쌍에 대한 실험 결과, TACTIC은 기존 최고 성능을 능가하며, DeepSeek-V3 기반 모델에서 GPT-4.1을 XCOMET 기준 +0.6, COMETKIWI-23 기준 +1.18 만큼, DeepSeek-R1에 비해서는 XCOMET 기준 +0.84, COMETKIWI-23 기준 +2.99 만큼 성능 향상을 보였습니다.