에이전트 메시 (Korean Edition)

제5장. 에이전트 아키텍처

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

에이전트는 기존 소프트웨어 설계가 해결할 의도가 전혀 없었던 일련의 에이전트 중심( ) 소프트웨어 아키텍처적 과제를 만들어 낸다. 기존 애플리케이션은 엄격히 정의된 컨텍스트에서 작동한다: 입력을 받아들이고, 미리 정해진 워크플로를 실행하며, 출력을 제공한다. 이 모델은 문제가 예측 가능하고 규칙이 명확할 때 잘 작동한다. 그러나 에이전트는 다른 현실에 직면한다. 그들은 정보가 불완전할 수 있고, 상황이 예기치 않게 변할 수 있으며, 다음 단계가 사전에 명백한 경우가 거의 없는 개방형 환경에서 행동해야 한다.

이러한 조건에서 효과적으로 기능하기 위해 에이전트는 일반 애플리케이션이 갖추지 못한 역량이 필요합니다. 지속적인 인간 지도 없이 자율적으로 결정을 내릴 수 있어야 하며, 새로운 데이터나 제약 조건이 발생할 때 동적으로 계획을 조정할 수 있어야 합니다. 또한 다른 에이전트와 조율되고 효율적인 방식으로 협업할 수 있어야 합니다. 마찬가지로 중요한 것은, 오랜 상호작용 동안 일관된 행동을 유지하여 특정 순간의 결정이 이전에 설정된 목표와 맥락과 일관성을 유지하도록 해야 한다는 점입니다. 이러한 요구사항은 자율성, 적응성, 지속성을 핵심 설계 고려사항으로 전환시킵니다.

이러한 요구를 충족시키려면 기존 소프트웨어 관행을 점진적으로 개선하는 것 이상의 노력이 필요합니다. 자율성, 조정성, 지속성을 사후 고려 사항이 아닌 근본적인 설계 원칙으로 다루는 체계적인 에이전트 아키텍처 접근법이 요구됩니다. 본 장에서는 이러한 접근법을 소개하며, 단순히 고립된 환경에서 작업을 수행할 뿐만 아니라 복잡한 환경 전반에 걸쳐 확장 가능한 AI 에이전트를 구축하기 위한 프레임워크를 제시합니다.

본 장에서는 에이전트 행동을 형성하는 핵심 원칙부터 시작하여 에이전트 아키텍처에 대한 체계적인 접근법을 소개합니다. 신뢰성, 안정성, 설명 가능성 등 이러한 원칙들은 실용적인 지침과 안전 장치 역할을 하여 에이전트가 우리의 가치(비즈니스 가치 포함)를 반영하고, 규제 요건을 충족하며, 운영 기대치와 부합하는 방식으로 행동하도록 보장합니다.

이어서 에이전트 아키텍처를 구성하는 핵심 구성 요소를 살펴봅니다. 여기에는 의사 결정을 주도하는 대규모 언어 모델(LLMs), 기능적 역량을 확장하는 도구, 에이전트가 장기 실행 작업을 관리할 수 있게 하는 메모리 시스템이 포함됩니다. 또한 에이전트가 분산 환경에서 독립적으로 또는 대규모 시스템의 일부로 작동할 수 있도록 지원하는 메시징 모델과 협업 패턴을 개괄합니다. 이러한 요소들이 결합되어 에이전트가 실제 환경에서 효과적으로 운영될 수 있는 기술적 기반을 형성합니다.

이러한 개념을 맥락에 맞게 설명하기 위해, 우리는 서로 다른 문제 영역에 적합한 네 가지 유형의 에이전트—작업 지향형, 목표 지향형, 시뮬레이션형, 관찰자형—를 소개합니다. 이후 도구 통합, 정책 시행, 상태 ...