docs: convert all asset links in SLIDE.md to standard markdown with assets/images/ relative paths
This commit is contained in:
@@ -17,7 +17,7 @@ LLM 기반 에이전트 시스템 아키텍처는 크게 다음 3가지 핵심
|
|||||||
3. **Tool Use (도구 활용)**
|
3. **Tool Use (도구 활용)**
|
||||||
- 에이전트가 학습되지 않은 외부 정보에 접근하거나 외부 시스템에 영향을 미치기 위해 계산기, 코드 실행용 샌드박스, 웹 브라우저, 외부 API 등을 주도적으로 호출하는 능력입니다.
|
- 에이전트가 학습되지 않은 외부 정보에 접근하거나 외부 시스템에 영향을 미치기 위해 계산기, 코드 실행용 샌드박스, 웹 브라우저, 외부 API 등을 주도적으로 호출하는 능력입니다.
|
||||||
|
|
||||||
![[assets/images/Screenshot 2026-06-25 at 9.39.07 pm.png]]
|
|
||||||
|
|
||||||
## AI Agent를 더욱 강력하게 만드는 Skills
|
## AI Agent를 더욱 강력하게 만드는 Skills
|
||||||
Skills(기술/도구 패키지)는 AI 에이전트가 외부 환경과 동적으로 상호작용할 수 있도록 결합하는 기능적 실행 모듈입니다. 단순히 LLM에게 행동 지침을 주는 프롬프트 엔지니어링 수준을 넘어, 에이전트가 특정 목표를 위해 직접 실행할 수 있는 코드, 도구의 명세 스키마(Tool Schema), 사용 설명 및 예시(Few-shot Examples) 등이 하나의 단위로 패키징된 자율적 확장 도구 모음입니다.
|
Skills(기술/도구 패키지)는 AI 에이전트가 외부 환경과 동적으로 상호작용할 수 있도록 결합하는 기능적 실행 모듈입니다. 단순히 LLM에게 행동 지침을 주는 프롬프트 엔지니어링 수준을 넘어, 에이전트가 특정 목표를 위해 직접 실행할 수 있는 코드, 도구의 명세 스키마(Tool Schema), 사용 설명 및 예시(Few-shot Examples) 등이 하나의 단위로 패키징된 자율적 확장 도구 모음입니다.
|
||||||
@@ -30,7 +30,7 @@ Skills(기술/도구 패키지)는 AI 에이전트가 외부 환경과 동적으
|
|||||||
- 두 서비스는 동일하게 내부 컴퓨터의 특정 디렉터리에서 작업을 수행하지만 내부적인 작동 절차를 확인해보면 Claude Cowork는 Cloud에서 모델이 필요한 기능을 제공하여 pdf, word, excel, ppt 등 다양한 파일을 읽고 쓸 수 있도록 AI 모델의 기능을 확장한 서비스임
|
- 두 서비스는 동일하게 내부 컴퓨터의 특정 디렉터리에서 작업을 수행하지만 내부적인 작동 절차를 확인해보면 Claude Cowork는 Cloud에서 모델이 필요한 기능을 제공하여 pdf, word, excel, ppt 등 다양한 파일을 읽고 쓸 수 있도록 AI 모델의 기능을 확장한 서비스임
|
||||||
- 반면에 Claude Code는 필요한 모듈, 소프트웨어가 있다면 Local Computer에 설치해서 사용한다는 차이점이 있음.
|
- 반면에 Claude Code는 필요한 모듈, 소프트웨어가 있다면 Local Computer에 설치해서 사용한다는 차이점이 있음.
|
||||||
|
|
||||||
![[assets/images/Screenshot 2026-06-25 at 10.04.54 pm.png]]
|
|
||||||
|
|
||||||
- Claude Cowork와 Claude Code를 비교하면 Claude Cowork가 더 좋아보일 수 있지만 Claude Code를 잘 조련하면 Claude Cowork 보다 훨씬 좋은 결과를 기대할 수 있음.
|
- Claude Cowork와 Claude Code를 비교하면 Claude Cowork가 더 좋아보일 수 있지만 Claude Code를 잘 조련하면 Claude Cowork 보다 훨씬 좋은 결과를 기대할 수 있음.
|
||||||
|
|
||||||
@@ -48,17 +48,17 @@ Skills(기술/도구 패키지)는 AI 에이전트가 외부 환경과 동적으
|
|||||||
- 생화학 데이터베이스(ChEMBL), 의학 학술 논문(PubMed, arXiv), 유전학 정보(dbSNP, ClinVar) 등 전문 영역의 연구용 OpenAPI와 연동하여 자율 연구원(Researcher) 역할을 돕는 조사용 Skill입니다.
|
- 생화학 데이터베이스(ChEMBL), 의학 학술 논문(PubMed, arXiv), 유전학 정보(dbSNP, ClinVar) 등 전문 영역의 연구용 OpenAPI와 연동하여 자율 연구원(Researcher) 역할을 돕는 조사용 Skill입니다.
|
||||||
|
|
||||||
### Github를 점령한 Skills
|
### Github를 점령한 Skills
|
||||||
![[assets/images/Screenshot 2026-06-25 at 9.43.29 pm.png]]
|
|
||||||
|
|
||||||
### Understand skill
|
### Understand skill
|
||||||
Turn any codebase, knowledge base, or docs into an interactive knowledge graph you can explore, search, and ask questions about.
|
Turn any codebase, knowledge base, or docs into an interactive knowledge graph you can explore, search, and ask questions about.
|
||||||
![[assets/images/Screenshot 2026-06-25 at 9.41.27 pm.png|927]]
|
|
||||||
|
|
||||||
### 유행이라 개발해본 multi-agent-mux skill
|
### 유행이라 개발해본 multi-agent-mux skill
|
||||||
|
|
||||||
![[assets/images/Screenshot 2026-06-25 at 9.45.01 pm.png]]
|
|
||||||
|
|
||||||
![[assets/images/Recording Jun 25, 2026 - 11_56 AM.mp4]]
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
@@ -79,18 +79,18 @@ Subagent는 부모 에이전트(Parent Agent 또는 Orchestrator)에 의해 동
|
|||||||
- **컨텍스트 격리**: 상위 에이전트의 전체 대화 컨텍스트를 오염시키지 않기 위해 하위 작업의 맥락만을 분기(Branch)하여 처리함으로써, 에이전트 실행 도중 누적되는 토큰 소모량을 최적화하고 속도를 개선합니다.
|
- **컨텍스트 격리**: 상위 에이전트의 전체 대화 컨텍스트를 오염시키지 않기 위해 하위 작업의 맥락만을 분기(Branch)하여 처리함으로써, 에이전트 실행 도중 누적되는 토큰 소모량을 최적화하고 속도를 개선합니다.
|
||||||
- **예시**: 메인 에이전트가 "전체 코드 리팩토링"을 수행하면서, 특정 모듈에 대한 에러 복구 작업만을 subagent에게 위임하여 독립적으로 문제를 해결하게 하는 경우입니다.
|
- **예시**: 메인 에이전트가 "전체 코드 리팩토링"을 수행하면서, 특정 모듈에 대한 에러 복구 작업만을 subagent에게 위임하여 독립적으로 문제를 해결하게 하는 경우입니다.
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625224821.png|605]]
|
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625224849.png]]
|
|
||||||
|
|
||||||
### Team agent란
|
### Team agent란
|
||||||
Team agent는 단일 계층적인 수직 구조를 넘어, 수평적이고 다양한 역할을 맡은 여러 독립 에이전트가 협의체(Crew/Team)를 구성하여 대화형 협력(Multi-agent Debate) 및 협상을 통해 목표를 완수하는 협동형 에이전트 구성 방식입니다.
|
Team agent는 단일 계층적인 수직 구조를 넘어, 수평적이고 다양한 역할을 맡은 여러 독립 에이전트가 협의체(Crew/Team)를 구성하여 대화형 협력(Multi-agent Debate) 및 협상을 통해 목표를 완수하는 협동형 에이전트 구성 방식입니다.
|
||||||
- **의견 충돌 및 합의**: 특정 설계안에 대해 아키텍트 에이전트와 보안 담당 에이전트가 서로의 입장에서 논쟁(Debate)을 벌이고, 최종적으로 합의된 결과를 PM 에이전트가 도출하는 식의 인간 워크플로우 모사가 가능합니다.
|
- **의견 충돌 및 합의**: 특정 설계안에 대해 아키텍트 에이전트와 보안 담당 에이전트가 서로의 입장에서 논쟁(Debate)을 벌이고, 최종적으로 합의된 결과를 PM 에이전트가 도출하는 식의 인간 워크플로우 모사가 가능합니다.
|
||||||
- **협력적 의사결정**: 복잡한 비선형적 문제 해결에 있어 각 에이전트가 피드백을 실시간으로 주고받으며 점진적으로 답을 고도화합니다.
|
- **협력적 의사결정**: 복잡한 비선형적 문제 해결에 있어 각 에이전트가 피드백을 실시간으로 주고받으며 점진적으로 답을 고도화합니다.
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625230135.png]]
|
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625224919.png]]
|
|
||||||
|
|
||||||
### Context Engineering (Lang Graph)란
|
### Context Engineering (Lang Graph)란
|
||||||
컨텍스트 엔지니어링(Context Engineering)은 다중 에이전트 시스템에서 에이전트들 간의 대화 흐름, 전달되는 컨텍스트(State), 복잡한 제어 루프를 효율적으로 설계하고 유지하는 방법론적 학문입니다. 이를 구현하는 대표적인 상태 보존형 프레임워크가 LangGraph입니다.
|
컨텍스트 엔지니어링(Context Engineering)은 다중 에이전트 시스템에서 에이전트들 간의 대화 흐름, 전달되는 컨텍스트(State), 복잡한 제어 루프를 효율적으로 설계하고 유지하는 방법론적 학문입니다. 이를 구현하는 대표적인 상태 보존형 프레임워크가 LangGraph입니다.
|
||||||
@@ -99,7 +99,7 @@ Team agent는 단일 계층적인 수직 구조를 넘어, 수평적이고 다
|
|||||||
|
|
||||||
### CrewAI, Sana 등 Multi agent orchestration을 지원하기 위한 소프트웨어
|
### CrewAI, Sana 등 Multi agent orchestration을 지원하기 위한 소프트웨어
|
||||||
|
|
||||||
![[assets/images/Screenshot 2026-06-25 at 10.52.04 pm.png]]
|
|
||||||
1. **CrewAI**
|
1. **CrewAI**
|
||||||
- 역할 기반(Role-based) 협업을 설계하는 데 특화된 프레임워크입니다. 각 에이전트에게 명확한 역할(Role), 목표(Goal), 배경 설명(Backstory)을 부여하고, 이들을 업무 프로세스(Sequential 또는 Hierarchical)에 따라 배치해 '크루(Crew)' 단위로 조율합니다.
|
- 역할 기반(Role-based) 협업을 설계하는 데 특화된 프레임워크입니다. 각 에이전트에게 명확한 역할(Role), 목표(Goal), 배경 설명(Backstory)을 부여하고, 이들을 업무 프로세스(Sequential 또는 Hierarchical)에 따라 배치해 '크루(Crew)' 단위로 조율합니다.
|
||||||
1. **Microsoft AutoGen**
|
1. **Microsoft AutoGen**
|
||||||
@@ -120,7 +120,7 @@ Team agent는 단일 계층적인 수직 구조를 넘어, 수평적이고 다
|
|||||||
|
|
||||||
# 실제 Multi Agent Orchestration을 구현하며 겪은 문제점들
|
# 실제 Multi Agent Orchestration을 구현하며 겪은 문제점들
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625230628.png]]
|
|
||||||
1. **Agent들과 각 Agent들의 세션 관리**
|
1. **Agent들과 각 Agent들의 세션 관리**
|
||||||
- 다수의 에이전트와 그 아래에 동적으로 생성되는 subagent들의 생명주기(Lifecycle) 및 고유 식별자(UUID)를 동기화하고 상태를 지속적으로 보존하는 일관된 세션 관리 시스템이 필요합니다.
|
- 다수의 에이전트와 그 아래에 동적으로 생성되는 subagent들의 생명주기(Lifecycle) 및 고유 식별자(UUID)를 동기화하고 상태를 지속적으로 보존하는 일관된 세션 관리 시스템이 필요합니다.
|
||||||
2. **에이전트 상호 탐색(Service Discovery)과 역할 식별**
|
2. **에이전트 상호 탐색(Service Discovery)과 역할 식별**
|
||||||
@@ -154,7 +154,7 @@ Team agent는 단일 계층적인 수직 구조를 넘어, 수평적이고 다
|
|||||||
3. **일관성 있는 워크플로우 추적 및 공유 (Issue & Workflow Tracking)**
|
3. **일관성 있는 워크플로우 추적 및 공유 (Issue & Workflow Tracking)**
|
||||||
- 서로 다른 에이전트가 동일한 작업을 재수행할 때 동일한 프로세스와 출력을 일관되게 얻을 수 있도록 워크플로우 사양이 제어되어야 합니다. 또한 에러나 중간 정지가 일어났을 때 복구 및 추적이 용이하도록 규격화된 이슈 추적 인터페이스(Issue Tracking Interface)를 마련해야 합니다.
|
- 서로 다른 에이전트가 동일한 작업을 재수행할 때 동일한 프로세스와 출력을 일관되게 얻을 수 있도록 워크플로우 사양이 제어되어야 합니다. 또한 에러나 중간 정지가 일어났을 때 복구 및 추적이 용이하도록 규격화된 이슈 추적 인터페이스(Issue Tracking Interface)를 마련해야 합니다.
|
||||||
|
|
||||||
![[assets/images/Pasted image 20260625230351.png]]
|
|
||||||
|
|
||||||
4. **고성능 양방향 메시징 시스템 (Advanced Messaging System)**
|
4. **고성능 양방향 메시징 시스템 (Advanced Messaging System)**
|
||||||
- 고용량의 코드 블록, 이미지 및 멀티모달 센서 데이터 등을 대량으로 빠르고 정확하게 공유하기 위해서는 기존의 MQTT나 단순 메시지 큐(MQ) 방식은 토픽 세분화와 페이로드 크기 한계로 인해 통신 병목을 겪을 수밖에 없습니다.
|
- 고용량의 코드 블록, 이미지 및 멀티모달 센서 데이터 등을 대량으로 빠르고 정확하게 공유하기 위해서는 기존의 MQTT나 단순 메시지 큐(MQ) 방식은 토픽 세분화와 페이로드 크기 한계로 인해 통신 병목을 겪을 수밖에 없습니다.
|
||||||
|
|||||||
Reference in New Issue
Block a user