물론 난 아직 안써보긴했지만, 단순히 채팅으로 코드를 출력해서 실행하는것보다

수십턴이상의 멀티턴 에이전트 환경에서 얼마나 궤적을 잘 유지하며 작업을 지속적으로 수행하는 가를 중점적으로 평가해보면 좋을듯함.