AI 에이전트(Agent)도 서로 협업을 한다?
멀티에이전트의 개념과 아키텍처 이해하기
지난번 구글의 AI Agent 백서를 통해 소개한 AI 에이전트 아키텍처에 대해 더 이상AI 에이전트의 아키텍처(3) - 오케스트레이션에서는 마치 사람처럼 상호작용하는 LLM 오케스트레이션(Orchestration)이라는 개념이 등장합니다. 이처럼 LLM은 단독으로 움직이지 않습니다. Gemini, GPT-4o, Claude-3.5-Sonnet, DeepSeek-R1과 같은 LLM들은 순차적으로 작동하기도 하고, 여러 개의 독립적인 LLM으로 작동하기도 합니다. A의 답변을 받아 B가 새로운 답변을 생성해 내고, 그것을 바탕으로 또다시 C를 생성해 내는가 하면, A, B, C가 서로 각기 다른 분야의 의견을 바탕으로 토론을 하여 하나의 결론을 도출해내기도 했었지요.
AI 에이전트 역시 다르지 않습니다. 보다 종합적인 판단 및 추론과 복잡한 태스크 수행을 위해 AI 에이전트 하나에 여러 개의 LLM이 들어가는 것처럼 AI 에이전트 어려 개를 묶어 마치 하나의 시스템처럼 활용할 수 있습니다. 이처럼 여러 개의 에이전트로 이루어진 에이전트를 멀티 에이전트(Multi-Agent)라고 합니다.
아직까지는 생소하게 느껴질 수 있는 개념이지만, 마치 사람처럼 심층적이고 종합적인 태스크 수행이 가능한 멀티 에이전트는 2025년 새로운 트렌드중 하나로 자리 잡을 것으로 예상되고 있습니다. 그렇다면 AI 에이전트는 어떻게 만들어지는 것일까요? 이번시간에는 멀티 에이전트 개발을 위한 다양한 아키텍처에 대해 소개하도록 하겠습니다.
1. 멀티 에이전트(Multi-Agent)의 개념 아키텍처
멀티 에이전트(Multi-Agent) 시스템은 단순히 여러 에이전트를 연결한 것이 아닙니다. 이 시스템은 각 에이전트가 서로 다른 역할을 담당하며, 그들의 협력을 통해 더 복잡하고 심층적인 태스크를 수행할 수 있게 만들어줍니다. 예를 들어, 여러 개의 AI 에이전트들이 서로 상호작용하며, 각기 다른 전문 분야에 맞는 의견을 내고 최종 결론을 도출하는 방식이 바로 멀티 에이전트 시스템의 장점입니다.
출처 : SuperAnnotate이처럼 여러 개의 에이전트가 협업하는 멀티 에이전트 시스템을 설계할 때 염두에 두어야 할 점은 시스템의 복잡도를 관리하는 것입니다. 단일 에이전트 시스템이 너무 많은 툴과 복잡한 문맥을 관리해야 할 때 어려움을 겪을 수 있지만, 이를 여러 개의 작은 독립적인 에이전트로 나누면 관리와 확장이 용이해집니다. 각 에이전트는 특정한 전문 분야를 담당하고, 서로 협력하면서 문제를 해결합니다. 예를 들어, 하나의 에이전트는 계획을 세우고, 다른 에이전트는 리서치를 담당하며, 또 다른 에이전트는 수학적인 계산을 처리하는 등의 역할을 분담합니다.
멀티 에이전트 시스템의 주요 장점 중 하나는 모듈성입니다. 즉, 독립적인 에이전트들로 구성되어 있어 개발, 테스트, 유지보수가 용이하며, 전문화된 에이전트를 만들 수 있다는 점입니다. 각 에이전트가 특정 분야에 집중하여 작업할 수 있기 때문에, 전체 시스템의 성능이 향상됩니다. 또한, 제어 측면에서 에이전트들이 어떻게 소통하는지를 명확하게 정의할 수 있어, 함수 호출에 의존하지 않고 명시적으로 제어할 수 있다는 점에서 유리합니다.
멀티 에이전트 시스템 (출처 : LangGraph) 이러한 멀티 에이전트 시스템에는 여러 가지 아키텍처가 존재합니다. 예를 들어, 에이전트들이 서로 자유롭게 소통하는 네트워크(Network) 방식, 하나의 상위 감독자(Agent Supervisor)가 다른 에이전트를 지시하는 감독자 방식, 그리고 감독자가 툴을 호출하는 방식인 툴 호출 방식(Supervisor as tools) 등이 있습니다. 또한, 계층적 구조를 통해 더 복잡한 제어 흐름을 처리할 수 있으며, 커스텀 워크플로우 방식에서는 각 에이전트가 다른 일부 에이전트와만 소통하며 작업을 진행하는 방식도 가능합니다. 이처럼 멀티 에이전트 시스템의 설계와 아키텍처는 매우 다양하며, 각각의 상황에 맞는 최적의 구조를 선택하는 것이 중요합니다.
2. 멀티 에이전트(Multi-Agent) 구현을 위한 프레임워크
이러한 멀티에이전트를 구현하기 위한 프레임워크 역시 지난 시간 소개한 마이크로소프트 오토젠(Microsoft AutoGen)을 기반으로 개발된 오픈 소스 프레임워크인 마그네틱원(Magnetic-One)과 같은 프레임워크들은 이러한 멀티 에이전트 애플리케이션을 쉽게 개발할 수 있도록 지원하는 도구입니다.
이러한 프레임워크들은 에이전트들의 상호작용, 의사결정 과정 및 복잡한 태스크를 처리하는 데 유용한 도구들을 제공하지만, 활용하기 위해서는 먼저 멀티 에이전트의 개념과 아키텍처에 대한 이해가 선행되어야 합니다. 멀티 에이전트 시스템은 더 복잡하고 심층적인 문제 해결을 위한 강력한 방법론을 제공하며, 앞으로 2025년에는 AI 기술에서 중요한 트렌드로 자리 잡을 것으로 기대되는 만큼, 관련 개념을 배워두는 것이 매우 중요할 것입니다.
