멀티 에이전트 오케스트레이션

오케스트레이션은 앱에서 에이전트의 흐름을 의미합니다. 어떤 에이전트가 어떤 순서로 실행되며, 다음에 무엇을 할지 어떻게 결정할까요? 에이전트를 오케스트레이션하는 방법에는 두 가지가 있습니다:

1. LLM이 결정하도록 허용: LLM의 지능을 활용해 계획하고 추론하여 다음에 취할 단계를 결정합니다
2. 코드로 오케스트레이션: 코드로 에이전트의 흐름을 결정합니다

이 패턴들은 혼합해서 사용할 수 있습니다. 각 방법의 트레이드오프는 아래에 설명합니다.

LLM을 통한 오케스트레이션

에이전트는 instructions, tools, handoffs를 갖춘 LLM입니다. 즉, 개방형 태스크가 주어지면 LLM은 도구를 사용해 행동하고 데이터를 획득하며, 핸드오프로 하위 에이전트에 작업을 위임하는 방식으로 스스로 태스크 수행 계획을 수립할 수 있습니다. 예를 들어, 리서치 에이전트는 다음과 같은 도구를 갖출 수 있습니다:

• 웹 검색을 통한 온라인 정보 탐색
• 파일 검색 및 검색을 통한 사내 데이터와 연결 데이터 탐색
• 컴퓨터 사용을 통한 컴퓨터 상의 작업 수행
• 코드 실행을 통한 데이터 분석
• 계획 수립, 보고서 작성 등에 특화된 에이전트로의 핸드오프

이 패턴은 태스크가 개방형이고 LLM의 지능에 의존하고자 할 때 유용합니다. 여기서 중요한 전술은 다음과 같습니다:

1. 좋은 프롬프트에 투자하세요. 사용 가능한 도구, 사용 방법, 운영해야 하는 파라미터를 명확히 하세요
2. 앱을 모니터링하고 반복 개선하세요. 문제가 발생하는 지점을 파악하고 프롬프트를 개선하세요
3. 에이전트가 자기 성찰하고 개선하도록 하세요. 예를 들어 루프에서 실행해 스스로 비판하게 하거나, 에러 메시지를 제공해 개선하도록 하세요
4. 모든 일을 잘하는 범용 에이전트 대신, 한 가지 작업에 특화된 에이전트를 두세요
5. evals에 투자하세요. 이를 통해 에이전트를 훈련해 성능을 향상할 수 있습니다

코드 기반 오케스트레이션

LLM 기반 오케스트레이션이 강력하긴 하지만, 코드 기반 오케스트레이션은 속도, 비용, 성능 면에서 작업을 더 결정적이고 예측 가능하게 만듭니다. 일반적인 패턴은 다음과 같습니다:

• structured outputs를 사용해 코드로 검사할 수 있는 적절한 형식의 데이터를 생성합니다. 예를 들어, 에이전트에게 태스크를 몇 가지 카테고리로 분류하게 한 뒤, 해당 카테고리에 따라 다음 에이전트를 선택할 수 있습니다
• 한 에이전트의 출력을 다음 에이전트의 입력으로 변환하여 여러 에이전트를 체이닝합니다. 블로그 글 작성 같은 태스크를 연구, 개요 작성, 본문 작성, 비판, 개선의 일련의 단계로 분해할 수 있습니다
• 평가와 피드백을 제공하는 에이전트와 실제 작업을 수행하는 에이전트를 while 루프로 함께 실행하고, 평가자가 출력이 특정 기준을 통과했다고 말할 때까지 반복합니다
• Promise.all 같은 JavaScript 기본 구성요소를 통해 여러 에이전트를 병렬로 실행합니다. 서로 의존하지 않는 여러 작업이 있을 때 속도에 유리합니다

examples/agent-patterns에 여러 예제가 있습니다.