멀티 에이전트 오케스트레이션
오케스트레이션은 앱에서 에이전트가 흐르는 방식, 즉 어떤 에이전트가 어떤 순서로 실행되고 다음에 무엇을 할지 어떻게 결정하는지를 의미합니다. 에이전트를 오케스트레이션하는 방법은 두 가지가 있습니다:
- LLM이 결정을 내리도록 허용: LLM의 지능을 활용해 계획하고 추론하며 그에 따라 수행할 단계를 결정합니다.
- 코드로 오케스트레이션: 코드로 에이전트의 흐름을 결정합니다.
이 패턴들은 혼합해서 사용할 수 있습니다. 각 방식에는 아래에 설명된 트레이드오프가 있습니다.
LLM 기반 오케스트레이션
에이전트는 instructions, tools, 핸드오프를 갖춘 LLM입니다. 즉, 개방형 과제가 주어지면 LLM이 도구를 사용해 행동을 취하고 데이터를 획득하며, 핸드오프를 통해 하위 에이전트에 작업을 위임하는 방식으로 과제를 수행할 계획을 자율적으로 세울 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 탐색
- 컴퓨터 사용을 통한 컴퓨터 상의 행동 수행
- 코드 실행을 통한 데이터 분석
- 계획 수립, 보고서 작성 등에 특화된 에이전트로의 핸드오프
이 패턴은 과제가 개방형이고 LLM의 지능에 의존하고 싶을 때 적합합니다. 여기서 가장 중요한 전술은 다음과 같습니다:
- 좋은 프롬프트에 투자하세요. 사용 가능한 도구, 사용 방법, 그리고 운영해야 할 매개변수를 명확히 하세요.
- 앱을 모니터링하고 개선을 반복하세요. 문제가 생기는 지점을 확인하고 프롬프트를 반복적으로 개선하세요.
- 에이전트가 자기 성찰을 통해 개선하도록 하세요. 예를 들어, 루프에서 실행하며 스스로를 비판하게 하거나, 오류 메시지를 제공해 개선하도록 하세요.
- 모든 일을 잘하는 범용 에이전트 대신 하나의 작업에 특화된 에이전트를 두세요.
- evals에 투자하세요. 이를 통해 에이전트가 학습하고 과제 수행 능력을 향상시킬 수 있습니다.
코드 기반 오케스트레이션
LLM 기반 오케스트레이션은 강력하지만, 코드 기반 오케스트레이션은 속도, 비용, 성능 측면에서 작업을 더 결정론적이고 예측 가능하게 만듭니다. 일반적인 패턴은 다음과 같습니다:
- structured outputs를 사용해 코드로 검사할 수 있는 적절한 형식의 데이터를 생성. 예: 에이전트에게 작업을 몇 개의 카테고리로 분류하도록 요청한 뒤, 해당 카테고리에 따라 다음 에이전트를 선택
- 한 에이전트의 출력을 다음 에이전트의 입력으로 변환하여 여러 에이전트를 체이닝. 예: 블로그 글 작성을 리서치 → 개요 작성 → 본문 작성 → 비평 → 개선의 일련의 단계로 분해
- 평가와 피드백을 제공하는 에이전트와 실제 작업을 수행하는 에이전트를
while루프로 함께 실행하고, 평가자가 출력이 특정 기준을 통과했다고 판단할 때까지 반복 asyncio.gather같은 파이썬 기본 구성 요소를 사용하여 여러 에이전트를 병렬 실행. 서로 의존하지 않는 여러 작업을 더 빨리 처리할 때 유용
examples/agent_patterns에 다양한 code examples가 있습니다.