멀티 에이전트 오케스트레이션

오케스트레이션은 앱에서 에이전트가 흐르는 방식을 의미합니다. 어떤 에이전트를 어떤 순서로 실행하며, 다음에 무엇을 할지 어떻게 결정할까요? 에이전트를 오케스트레이션하는 방법은 두 가지가 있습니다:

LLM에 의사결정을 맡기기: LLM의 지능을 사용해 계획하고 추론하며 그에 따라 다음 단계를 결정하는 방식
코드로 오케스트레이션하기: 코드로 에이전트의 흐름을 결정하는 방식

이 패턴들을 섞어 사용할 수 있습니다. 각 접근법에는 아래에 설명된 트레이드오프가 있습니다.

LLM을 통한 오케스트레이션

에이전트는 instructions, tools, 핸드오프가 갖춰진 LLM입니다. 이는 개방형 과제가 주어졌을 때, LLM이 도구를 사용해 행동하고 데이터를 수집하며, 핸드오프를 통해 하위 에이전트에 업무를 위임하는 방식으로 과제를 해결하는 계획을 자율적으로 세울 수 있음을 의미합니다. 예를 들어, 리서치 에이전트는 다음과 같은 도구를 갖출 수 있습니다:

온라인에서 정보를 찾는 웹 검색
사내 데이터와 연결에서 검색·검색 결과를 가져오는 파일 검색 및 검색 결과 가져오기
컴퓨터에서 작업을 수행하는 컴퓨터 사용
데이터 분석을 위한 코드 실행
기획, 보고서 작성 등에 뛰어난 특화된 에이전트로의 핸드오프

이 패턴은 과제가 개방형이고 LLM의 지능에 의존하고자 할 때 적합합니다. 여기서 가장 중요한 전술은 다음과 같습니다:

좋은 프롬프트에 투자하세요. 사용 가능한 도구, 사용 방법, 그리고 준수해야 할 매개변수를 명확히 하세요.
앱을 모니터링하고 반복 개선하세요. 어디서 문제가 발생하는지 확인하고 프롬프트를 개선하세요.
에이전트가 자기 성찰과 개선을 할 수 있도록 하세요. 예를 들어 루프로 실행하여 스스로 비판하게 하거나, 오류 메시지를 제공해 개선하도록 하세요.
만능 에이전트 하나를 기대하기보다, 한 가지 작업에 뛰어난 특화된 에이전트를 사용하세요.
evals에 투자하세요. 이를 통해 에이전트가 학습하고 과제 수행 능력을 향상시킬 수 있습니다.

코드를 통한 오케스트레이션

LLM을 통한 오케스트레이션이 강력하긴 하지만, 코드를 통한 오케스트레이션은 속도, 비용, 성능 측면에서 작업을 더 결정적이고 예측 가능하게 만듭니다. 일반적인 패턴은 다음과 같습니다:

structured outputs를 사용해 코드로 검사할 수 있는 적절한 형식의 데이터를 생성하세요. 예를 들어, 에이전트에게 작업을 몇 가지 카테고리로 분류하도록 요청한 뒤, 해당 카테고리에 따라 다음 에이전트를 선택할 수 있습니다.
한 에이전트의 출력을 다음 에이전트의 입력으로 변환하여 여러 에이전트를 체이닝하세요. 블로그 글 작성 같은 작업을 일련의 단계로 분해할 수 있습니다 - 리서치 수행, 개요 작성, 본문 작성, 비판적 검토, 개선
작업을 수행하는 에이전트를 while 루프에서 평가 및 피드백을 제공하는 에이전트와 함께 실행하고, 평가자가 출력이 특정 기준을 통과했다고 말할 때까지 반복하세요.
여러 에이전트를 병렬로 실행하세요. 예: asyncio.gather 같은 파이썬 기본 구성요소를 사용. 서로 의존하지 않는 여러 작업이 있을 때 속도에 유리합니다.

examples/agent_patterns에 여러 예제가 있습니다.