AI 에이전트 시스템: 단일 에이전트와 멀티 에이전트
서론
이 비디오에서는 AI 에이전트의 작동 원리와 단일 에이전트 시스템 및 멀티 에이전트 시스템에 대해 설명합니다. 또한, 다양한 프레임워크와 실제 사례를 통해 AI 에이전트 시스템의 깊이를 탐구합니다.
AI 에이전트의 기본 개념
AI 에이전트 시스템은 LLM(대규모 언어 모델) 또는 LMM(대규모 멀티모달 모델)을 중심으로 추론 엔진 역할을 하며, 다양한 도구와 기억을 활용하여 사용자의 요청에 더 완성도 높은 답변을 제공하는 시스템입니다. 핵심은 LM이 스스로 계획을 세우고 이를 수행하는 능력에 있습니다.
React 개념
- React: 구글 브레인에서 제시한 방법론으로, LLM이 질문에 답변하기 위해 ‘생각(Reasoning)’, ‘행동(Acting)’, ‘관찰(Observation)‘을 반복하는 과정입니다.
- 예시: 애플 리모컨 관련 질문에 대해, LLM은 웹 검색을 통해 필요한 정보를 수집하고, 이를 바탕으로 추론하여 답변합니다.
- 기존 방법의 한계: 즉답, COT(Chain-of-Thought) 프롬프트 기법만으로는 정확한 답변을 얻기 어려웠으나, React를 통해 더 정확한 답변을 얻을 수 있게 되었습니다.
단일 에이전트 시스템
- 정의: 하나의 에이전트가 모든 작업을 수행하는 시스템입니다.
- 예시: 채GPT를 사용하여 전기차 시장 분석 보고서를 작성하는 경우, LLM이 웹 검색, 정보 수집, 보고서 작성까지 모든 단계를 처리합니다.
- 한계: 실무에서 요구하는 수준의 복잡한 분석 보고서 작성에는 한계가 있습니다. 다양한 참고 자료, 차트, 고도화된 추론 과정이 필요하기 때문입니다.
멀티 에이전트 시스템
- 정의: 여러 개의 에이전트가 협력하거나 위계질서를 가지고 소통하며 하나의 작업을 완수하는 시스템입니다.
- 장점:
- 각 에이전트에게 적합한 역할을 분배하여 작업 결과물의 품질을 높입니다.
- 여러 번의 멀티턴 대화를 통해 결과물의 품질을 지속적으로 향상시킵니다.
- 예시:
- 리서처 에이전트: 웹 검색을 기반으로 풍부한 정보를 검색하고 요약합니다.
- 리포트 라이터 에이전트: 리서처가 제공한 정보를 바탕으로 보고서를 작성합니다.
- 대화 과정: 리포트 라이터는 리서처에게 추가 정보를 요청할 수 있으며, 이 과정이 반복되어 사용자에게 만족스러운 결과물을 제공합니다.
멀티 에이전트 시스템 유형
- 협업형 멀티 에이전트: 여러 에이전트가 서로 대화하며 협력하여 작업을 수행합니다 (예: Crew AI, AutoGen).
- 예시: LLM 기반 에이전트와 파이썬 실행 도구를 가진 에이전트가 협력하여 사용자 요청을 처리합니다.
- LangGraph 프레임워크: 리서처, 라우터, 콜 툴 등을 활용하여 작업 수행에 필요한 도구를 선택하고 실행합니다.
- 감독형 멀티 에이전트: 감독자 에이전트가 하위 에이전트들의 작업 결과를 보고받고 피드백을 제공하여 결과물을 고도화합니다 (예: AutoGen).
- 각 에이전트는 주어진 역할을 수행한 결과를 감독자에게 보고하고, 피드백을 받아 작업을 개선합니다.
- 위계형 멀티 에이전트: 감독형 시스템을 확장하여 더 복잡한 시스템을 구성합니다.
- 슈퍼바이저 에이전트는 작업 계획을 세우고 필요한 팀(예: 리서치 팀, 문서 작성 팀)을 선택합니다. 각 팀 내에서도 하위 에이전트 간의 협업이 이루어집니다.
- LangGraph 프레임워크: 슈퍼바이저, 리서치 팀, 문서 작성 팀 등이 협력하여 최종 결과물을 생성합니다.
프레임워크
- Crew AI: 멀티 에이전트 아키텍처를 구조화한 프레임워크입니다.
- AutoGen: 협업 및 감독형 멀티 에이전트 시스템을 구현하는 데 사용됩니다.
- LangGraph: 멀티 에이전트 시스템의 구조를 설계하는 데 사용되는 프레임워크입니다.
시스템 구현 시 고려 사항
- 각 에이전트에게 적합한 도구를 정의해야 합니다.
- 각 노드가 어떤 결과를 가져왔을 때 다음 노드로 어떻게 이동해야 하는지에 대한 방향성을 설정해야 합니다.
결론
멀티 에이전트 시스템은 단일 에이전트 시스템의 한계를 극복하고 더 복잡하고 고도화된 작업을 수행할 수 있게 해줍니다. 다양한 프레임워크와 실제 사례를 통해 AI 에이전트 시스템의 발전 가능성을 확인할 수 있었습니다. 패스트 캠퍼스 강의를 통해 이러한 시스템을 구축하는 연습을 진행할 수 있습니다.
추가 정보
- 패스트 캠퍼스 강의 할인 쿠폰 제공 (비디오 설명란 참조)
- 강의 내용: 단일 및 멀티 에이전트 시스템 구축 연습
- 강의 관련 문의: 질의응답 게시판 운영