docs: add introductory slides defining AI Agent vs AI Model and four essential functions

lib/make_slide_for_260724_seminar/SLIDE.md

@@ -5,6 +5,33 @@ marp: true
 ---
 <!-- NOTE: 이 문서의 동기화 사본이 paper_draft/SLIDE.md에 존재합니다. 이미지 상대경로는 루트 기준이므로 렌더링은 루트 SLIDE.md로 수행하세요. -->
 
+# AI Multi-Agents 오케스트레이션 기술 동향 및 사례
+### 정적 AI 모델에서 자율적 AI 에이전트로의 패러다임 전환
+
+---
+
+## 🔍 이 발표에서 다루고 싶은 핵심 화두
+최근 AI 패러다임은 고정된 지식만 답변하는 **정적 AI 모델(LLM)**에서, 주도적으로 행동하고 문제를 해결하는 **자율형 AI 에이전트(AI Agent)**로 빠르게 전환되고 있습니다.
+
+- **AI 모델(Model)**: 언어의 의미적 표현과 단순 질의응답을 수행하는 **지능 엔진**
+- **AI 에이전트(Agent)**: 자율성, 목표 지향성, 도구 활용 및 협업 능력을 결합한 **행동 주체**
+- **본 발표의 목표**: 단일 모델을 자율형 에이전트로 전환하는 방법론부터 시작하여, 다중 에이전트(Multi-Agent) 간의 고도화된 협업 인프라와 산업 표준 기술 동향을 조망합니다.
+
+---
+
+## 🛠️ AI 에이전트가 갖춰야 할 4대 필수 기능
+단순한 챗봇이 아닌 진정한 **AI 에이전트**로 기능하기 위해 소프트웨어 시스템 수준에서 반드시 제공해야 할 4가지 핵심 기능 규격입니다.
+
+1. **자율적 목표 분해 및 계획 (Planning)**
+   - 최종 목표만 주어지면 스스로 세부 태스크를 설계하고, 실행 결과에 기반한 자기 성찰(Self-Reflection)을 통해 다음 계획을 능동적으로 수정하는 능력
+2. **적응형 메모리 관리 (Memory)**
+   - 대화 흐름을 보존하는 단기 기억과, 과거 지식 및 이력을 RAG 기반으로 영속화하여 인출하는 장기 기억 장치를 결합하여 유지하는 능력
+3. **안전한 외부 도구 활용 (Tool Use & Action)**
+   - 외부 API, 파일 시스템, 코드 샌드박스 등 디지털 영토에서 작동하는 도구들을 안전한 격리 환경(Sandboxing) 내에서 자율 선택 및 실행하는 능력
+4. **표준 프로토콜 기반 협업 (Collaboration)**
+   - 이종 에이전트 또는 다른 사용자 시스템과 정형화된 프로토콜(A2A, gRPC 등)로 메시지를 주고받으며 작업을 분산 처리하는 능력
+
+---
 
 # 1. AI 에이전트 구현을 위한 3대 핵심 엔지니어링 기법
 
@@ -19,6 +46,8 @@ LLM 기반 에이전트 시스템 아키텍처는 크게 다음 3가지 핵심
    - **Short-term Memory (단기 기억)**: 현재 대화나 컨텍스트 윈도우 내에서 실시간으로 유지되는 즉각적인 맥락 정보
    - **Long-term Memory (장기 기억)**: 외부 데이터베이스나 벡터 DB를 활용하여 과거 대화 기록 및 지식을 RAG 기법으로 바인딩하는 정보 보존 공간
 
+- https://arca.live/b/characterai/174977057?category=%EB%89%B4%EC%8A%A42&p=1
+
 ## 3대 핵심 엔지니어링 기법
 성공적인 AI 에이전트 구현을 위해서는 모델 제어, 정보 연동, 물리적 환경 연결을 최적화하는 3대 엔지니어링 기법이 필수적으로 수반되어야 합니다.
 

lib/make_slide_for_260724_seminar/paper_draft/SLIDE.md

@@ -5,6 +5,33 @@ marp: true
 ---
 <!-- NOTE: 이 문서의 동기화 사본이 paper_draft/SLIDE.md에 존재합니다. 이미지 상대경로는 루트 기준이므로 렌더링은 루트 SLIDE.md로 수행하세요. -->
 
+# AI Multi-Agents 오케스트레이션 기술 동향 및 사례
+### 정적 AI 모델에서 자율적 AI 에이전트로의 패러다임 전환
+
+---
+
+## 🔍 이 발표에서 다루고 싶은 핵심 화두
+최근 AI 패러다임은 고정된 지식만 답변하는 **정적 AI 모델(LLM)**에서, 주도적으로 행동하고 문제를 해결하는 **자율형 AI 에이전트(AI Agent)**로 빠르게 전환되고 있습니다.
+
+- **AI 모델(Model)**: 언어의 의미적 표현과 단순 질의응답을 수행하는 **지능 엔진**
+- **AI 에이전트(Agent)**: 자율성, 목표 지향성, 도구 활용 및 협업 능력을 결합한 **행동 주체**
+- **본 발표의 목표**: 단일 모델을 자율형 에이전트로 전환하는 방법론부터 시작하여, 다중 에이전트(Multi-Agent) 간의 고도화된 협업 인프라와 산업 표준 기술 동향을 조망합니다.
+
+---
+
+## 🛠️ AI 에이전트가 갖춰야 할 4대 필수 기능
+단순한 챗봇이 아닌 진정한 **AI 에이전트**로 기능하기 위해 소프트웨어 시스템 수준에서 반드시 제공해야 할 4가지 핵심 기능 규격입니다.
+
+1. **자율적 목표 분해 및 계획 (Planning)**
+   - 최종 목표만 주어지면 스스로 세부 태스크를 설계하고, 실행 결과에 기반한 자기 성찰(Self-Reflection)을 통해 다음 계획을 능동적으로 수정하는 능력
+2. **적응형 메모리 관리 (Memory)**
+   - 대화 흐름을 보존하는 단기 기억과, 과거 지식 및 이력을 RAG 기반으로 영속화하여 인출하는 장기 기억 장치를 결합하여 유지하는 능력
+3. **안전한 외부 도구 활용 (Tool Use & Action)**
+   - 외부 API, 파일 시스템, 코드 샌드박스 등 디지털 영토에서 작동하는 도구들을 안전한 격리 환경(Sandboxing) 내에서 자율 선택 및 실행하는 능력
+4. **표준 프로토콜 기반 협업 (Collaboration)**
+   - 이종 에이전트 또는 다른 사용자 시스템과 정형화된 프로토콜(A2A, gRPC 등)로 메시지를 주고받으며 작업을 분산 처리하는 능력
+
+---
 
 # 1. AI 에이전트 구현을 위한 3대 핵심 엔지니어링 기법
 
@@ -19,6 +46,8 @@ LLM 기반 에이전트 시스템 아키텍처는 크게 다음 3가지 핵심
    - **Short-term Memory (단기 기억)**: 현재 대화나 컨텍스트 윈도우 내에서 실시간으로 유지되는 즉각적인 맥락 정보
    - **Long-term Memory (장기 기억)**: 외부 데이터베이스나 벡터 DB를 활용하여 과거 대화 기록 및 지식을 RAG 기법으로 바인딩하는 정보 보존 공간
 
+- https://arca.live/b/characterai/174977057?category=%EB%89%B4%EC%8A%A42&p=1
+
 ## 3대 핵심 엔지니어링 기법
 성공적인 AI 에이전트 구현을 위해서는 모델 제어, 정보 연동, 물리적 환경 연결을 최적화하는 3대 엔지니어링 기법이 필수적으로 수반되어야 합니다.