트랜스포머 트랜스포머: 최종 가이드 (Korean Edition)

제9장. 스크립트에서 사고로: 복잡한 작업을 위한 AI 에이전트

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

기존의 시나리오 기반( ) 워크플로는 마치 철저히 리허설된 연극과 같습니다. 행동의 순서는 정해져 있고, 배우들은 대본을 따르며, 결말은 미리 정해져 있습니다. 에이전트 기반 시스템은 이러한 패턴을 깨뜨립니다. 반면 에이전트는 즉흥 연기자입니다. 에이전트는 다음에 어떤 장면을 연기할지 결정하고, 즉석에서 대사를 바꾸며, 심지어 새로운 배우를 무대로 초대할 수도 있습니다. 즉흥 연극에는 “Yes, and…”라는 규칙이 있습니다. 주어진 상황을 받아들이고, 이야기를 진행시키기 위해 무언가를 덧붙이는 것입니다. AI 용어로 표현하면 다음과 같습니다. Yes → 현재 상태, 맥락, 또는 다른 에이전트나 도구의 기여를 버리지 않고 그대로 받아들입니다; and → 작업을 진전시키는 추론, 행동, 또는 새로운 정보를 추가하여 이를 기반으로 발전시킵니다. 에이전트 시스템은 직선적이고 융통성 없는 경로를 따르기보다는 계획, 실행, 자기 수정이라는 주기를 반복합니다. 미리 정의된 스크립트에서 적응적이고 협력적인 의사 결정으로의 이러한 전환은 AI 에이전트의 자율성 핵심에 있습니다. 표 9-1은 두 가지 워크플로우( )를 비교합니다.

표 9-1. 기존 워크플로우와 에이전트 기반 워크플로우의비교

기존 워크플로	에이전트 기반 시스템
사전 정의된 시퀀스	동적 의사결정 루프
제한된 유연성	컨텍스트 인식, 도구 활용
선형 실행	반복적, 자가 수정
피드백에 대한 적응 없음	피드백에 따라 계획 조정
고정된 도구 세트	필요에 따라 도구를 선택하고 결합
단일 단계 완료	이전 단계를 다시 검토하고 수정할 수 있음
정적인 목표 해석	변화하는 상황에 따라 목표를 재해석할 수 있음

다음 섹션에서는 오늘날 자율성이 무엇을 의미하는지, 그 한계는 어디에 있는지, 그리고 LangGraph 및 SWE-agent와 같은 프레임워크를 사용하여 실시간으로 계획하고, 행동하며, 성능을 개선하는 에이전트를 설계하는 방법을 살펴보게 될 것입니다. 또한 인간 개입(human-in-the-loop) 감독이 에이전트 기반 워크플로우에서 정렬과 신뢰를 보장하는 필수적인 안전 장치인 이유와, 컨텍스트 엔지니어링이 어떻게 적절한 순간에 에이전트에게 올바른 정보를 동적으로 제공할 수 있는지 알아보게 될 것입니다.

자율성: 현재 가능한 것은 무엇인가?

오늘날의 대규모 언어 모델( ) 기반 에이전트 시스템은 공상과학 소설에 나오는 완전한 범용 자율 지능과는 거리가 멀지만, 이미 실제 업무 흐름에 적용할 수 있는 실용적인 형태의 자율성을 보여주고 있다. 에이전트 기반 업무 흐름은 LLMs을 오케스트레이션 로직 및 도구와 결합하여, 에이전트가 경직된 스크립트 대신 모듈식 상태 기반 업무 흐름에서 작동할 수 있도록 한다. 이들은 도구를 선택하고, 조건에 따라 작업을 라우팅하며("반사(reflection)가 ...