AI 에이전트: 결정판 가이드 (Korean Edition)

제2장. 아키텍처 와 패턴: 계획, 반응성, 그리고 다중 에이전트 시스템

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

『 』를 통해 여러분은 AI 에이전트가 마법이 아니라는 사실을 이미 알고 계실 것입니다. 이들은 아키텍처의 전략적 구성을 통해 힘을 얻는 공학적으로 설계된 시스템입니다. 추론 루프, 도구, 상태 기반 설계, 적응형 제어를 결합함으로써 LLMs은 정적인 prompt를 넘어 실시간으로 계획하고, 반응하며, 성찰하는 MAS(다중 에이전트 시스템)로 진화할 수 있습니다. 이 장에서는 ‘사고의 사슬(chain of thought)’, ‘사고의 나무(tree of thoughts)’, ‘React’와 같은 구조화된 추론 방법부터 ‘슈퍼바이저(supervisor)’ 및 ‘계층적 에이전트(hierarchical agents)’와 같은 아키텍처 패러다임에 이르기까지, 이를 가능하게 하는 아키텍처들을 탐구합니다. 이 과정을 통해 독자는 추론 흐름에 대한 더 깊은 이해를 얻게 될 것이며, 승인 게이트, 수정, 중단과 같은 ‘인간 개입(human-in-the-loop)’ 메커니즘이 어떻게 이러한 시스템의 신뢰성, 일관성, 보안을 유지하는지 확인할 수 있을 것입니다.

단순한 단일 단계 에이전트가 작업을 처리하는 방식과 다단계 에이전트가 처리하는 방식을 비교해 보면, 에이전트 아키텍처의 중요성이 분명해집니다. 단일 단계 에이전트는 요청을 수신하면 내부적으로 모든 것을 계획하고, 한 번에 실행한 뒤 중간 단계를 다시 거치지 않고 결과를 반환합니다. 반면, 다단계 에이전트는 반복적인 루프에서 추론과 행동을 번갈아 가며 수행하며, 작업 과정에서 부분적인 결과나 새로운 관찰 내용을 바탕으로 계획을 조정합니다. 이러한 유연성 덕분에 에이전트는 출력을 동적으로 개선하고, 환경으로부터의 불확실성이나 피드백에 대처할 수 있습니다. 이러한 대조는 그림 2-1에 설명되어 있으며, 표 2-1은 동일한 과제에 대해 각 접근 방식 이 단계별로 어떻게 진행되는지를 보여줍니다.

그림 2-1. 단일 단계 (왼쪽)와 React(오른쪽) 에이전트 워크플로우 비교. 단일 단계 쪽은 비반복적 경로를 강조하기 위해 도구 결과를 출력으로 표시한다. 실제 시스템은 해당 결과를 직접 반환하거나 최종 응답 서식 지정을 위해 LLM으로 다시 전달할 수 있다.

표 2-1. 예시 : “문서를 요약하고 주요 통계를 막대 그래프로 작성하라”라는 과제에 대한 단일 단계 대 다단계(React) 실행

단계	단일 단계 에이전트	다단계(React) 에이전트
1	요청을 한 번 읽음	요청을 읽고 첫 번째 조치(통계 추출)에 대한 초기 판단을 내립니다
2	내부에서 전체 순서를 계획합니다	작업: 추출 실행; 관찰: 추출된 데이터를 ...