docs: refine 0_intro.md and script into conversational tone after multi-agent peer review
This commit is contained in:
@@ -1,9 +1,6 @@
|
||||
---
|
||||
title: AI Multi-Agents 오케스트레이션 기술 동향 및 사례
|
||||
description: AI 에이전트의 핵심 기법부터 MCP/SKILL 확장, TMUX/crewAI/LangGraph 오케스트레이션 인프라, ACP/A2A 상호운용성 표준, AIoT/gRPC 동향까지 다루는 특강 발표자료용 문서입니다.
|
||||
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
|
||||
@@ -51,9 +48,9 @@ marp: true
|
||||
"여기서 우회전하고 다음에서 멈추자"라는 인지적 판단과 주행 경로(추론)를 수립합니다.
|
||||
- **AI 에이전트(Agent)는 '자율주행 차량 시스템 전체' 입니다.**
|
||||
운전자의 판단을 가속 페달과 바퀴 회전(도구 실행)으로 바꾸며, 다음과 같은 독자적인 **시스템 수준의 판단**을 수행합니다:
|
||||
- **안전 가드레일**: 운전자가 실수로 위험한 길(예: 시스템 파괴 명령)로 가려 할 때 비상 제동을 걸어 이를 원천 차단함
|
||||
- **예외 복구 및 통제**: 네트워크가 끊기거나 무한 루프에 빠지면 스스로 판단해 실행을 중단하고 우회 경로를 수립함
|
||||
- **합의 형성(Consensus)**: 멀티 에이전트 환경에서 각 에이전트들의 교차 검증 결과(`PASS`/`NOT PASS`)를 수집하고 최종 집행을 판정함
|
||||
- **안전 가드레일**: 운전자가 실수로 시스템을 파괴하는 명령과 같이 위험한 길로 가려 할 때 비상 제동을 걸어 이를 원천 차단합니다.
|
||||
- **예외 복구 및 통제**: 네트워크 연결이 끊기거나 무한 루프에 빠지는 상황이 발생하면 스스로 판단하여 실행을 중단하고 우회 경로를 수립합니다.
|
||||
- **합의 형성(Consensus)**: 멀티 에이전트 환경에서 각 에이전트들의 교차 검증 결과를 수집하여 통과나 반려 여부를 결정하고 최종 집행을 판정합니다.
|
||||
|
||||
---
|
||||
|
||||
@@ -72,15 +69,15 @@ marp: true
|
||||
|
||||
---
|
||||
|
||||
## 🚀 패러다임 쉬프트: Model eats the Scaffolding
|
||||
## 🚀 패러다임 전환: Model eats the Scaffolding (모델이 외부 시스템을 흡수하다)
|
||||
|
||||
현재 에이전트 기술에서 가장 중요한 변화 중 하나는, 과거에 에이전트 '시스템(Scaffolding)'이 수동으로 제어하던 기능들이 점점 AI '모델 내부'로 흡수되고 있다는 점입니다.
|
||||
현재 에이전트 기술에서 가장 중요한 변화 중 하나는, 과거에 에이전트 제어 시스템(Scaffolding, 에이전트의 구동을 돕는 외부 뼈대 구조)이 수동으로 제어하던 기능들이 점점 AI 모델 내부로 흡수되고 있는 현상입니다.
|
||||
|
||||
- **스스로 생각하는 모델의 등장 (Test-time Compute)**
|
||||
- **스스로 생각하는 모델의 등장 (Test-time Compute, 추론 시점 추가 연산)**
|
||||
최근 출시된 Gemini Thinking이나 OpenAI o1/o3 같은 모델들은 외부 시스템이 루프를 돌려주지 않아도, 모델 스스로 출력을 내보내기 전에 내부적으로 계획을 세우고(Planning) 스스로 오류를 성찰(Reflection)하는 과정을 완료합니다.
|
||||
- **인지와 집행의 명확한 역할 분담**
|
||||
이에 따라 고차원적인 논리 설계와 계획(Planning)은 **AI 모델** 내부로 빠르게 넘어가고 있으며, 외부의 **에이전트 인프라(Harness)**는 안전한 실행 환경(Sandboxing), 권한 통제, 상태 관리처럼 모델이 직접 할 수 없는 물리적 보호막 역할을 수행하는 방향으로 진화하고 있습니다.
|
||||
이에 따라 고차원적인 논리 설계와 계획(Planning)은 **AI 모델** 내부로 빠르게 넘어가고 있습니다. 반면 외부의 **에이전트 인프라(Harness, 에이전트 실행 및 도구 제어 장치)**는 안전한 실행 환경(Sandboxing, 격리 환경 실행), 권한 통제, 상태 관리처럼 모델이 직접 수행하기 어려운 물리적 보호막 역할을 담당하는 방향으로 진화하고 있습니다.
|
||||
- **차별화 요소(Alpha)의 이동**
|
||||
단순히 계획을 짜는 루프를 코드로 구현하는 것의 가치는 줄어들고, 이제는 복잡한 인프라를 실시간으로 제어하고 서로 다른 규격을 가진 이종 에이전트들을 표준 프로토콜로 유기적으로 엮어내는 기술이 핵심 경쟁력이 되었습니다.
|
||||
단순히 계획을 짜는 흐름을 코드로 구현하는 것의 가치는 점차 줄어들고 있습니다. 이제는 복잡한 인프라를 실시간으로 제어하고, 서로 다른 규격을 가진 다양한 에이전트들을 표준 프로토콜로 유기적으로 엮어내는 기술이 핵심 경쟁력으로 부상하고 있습니다.
|
||||
|
||||
---
|
||||
|
||||
@@ -7,7 +7,7 @@
|
||||
### 🎴 Slide 1: 타이틀 (표지)
|
||||
* **슬라이드 제목**: AI Multi-Agents 오케스트레이션 기술 동향 및 사례 — 정적 AI 모델에서 자율적 AI 에이전트로의 패러다임 전환
|
||||
* **대본**:
|
||||
> "안녕하세요, 여러분. 오늘 세미나 발표를 맡은 발표자입니다.
|
||||
> "안녕하세요, 여러분. 오늘 특강을 진행하게 된 ○○○입니다.
|
||||
> 오늘 우리가 함께 나눌 주제는 **'AI Multi-Agents 오케스트레이션 기술 동향 및 사례'**입니다.
|
||||
> 최근 AI 시장은 매우 빠르게 변하고 있습니다. 그중에서도 가장 눈에 띄는 변화가 바로, 단순히 대답만 하던 정적인 AI 모델이 스스로 알아서 일을 처리하는 '자율형 AI 에이전트'로 바뀌고 있다는 점입니다.
|
||||
> 오늘 이 세미나를 통해 AI 에이전트가 무엇이고, 여러 에이전트가 어떻게 협업하는지 그 인프라와 최신 트렌드를 함께 살펴보겠습니다."
|
||||
@@ -30,8 +30,8 @@
|
||||
* **대본**:
|
||||
> "말로만 들으면 두 개념이 잘 와닿지 않으실 텐데요. 쉬운 예시를 하나 들어보겠습니다.
|
||||
> 청중 여러분 중 한 분이 AI에게 **'멀티 에이전트 관련 최신 연구 동향을 조사하고 보고서로 저장해줘'**라는 명령을 내렸다고 해봅시다.
|
||||
> 이때 **AI 모델(LLM)**은 자신의 머릿속, 즉 학습 데이터에 들어있는 기존 연구 목록을 꺼내서 텍스트로 친절하게 설명해 줍니다. 답변은 아주 훌륭하지만, 인터넷에서 최신 논문을 검색해 오거나 컴퓨터 디스크에 보고서 파일을 직접 저장하는 등의 '물리적인 행동'은 수행하지 못합니다.
|
||||
> 반면 **AI 에이전트(Agent)**는 명령을 받자마자 스스로 필요한 일감들을 정리하고 직접 인터넷 검색을 개시합니다. 학술 API에 접속해 실시간으로 최신 논문을 검색하고, PDF 파일을 직접 다운로드해서 본문을 요약한 뒤, 최종 결과물 보고서 파일을 여러분의 디스크 폴더에 실제로 생성하고 저장까지 완료해 줍니다."
|
||||
> 이때 **AI 모델(LLM)**은 자신의 머릿속, 즉 이미 학습된 데이터에 들어있는 기존 연구 목록을 꺼내 텍스트로 설명해 줍니다. 설명 자체는 훌륭하지만, 실시간으로 최신 논문을 인터넷에서 찾아오는 행동은 하지 못합니다. 당연히 보고서 파일을 여러분의 디스크에 직접 저장하는 물리적인 작업도 수행할 수 없습니다.
|
||||
> 반면 **AI 에이전트(Agent)**는 명령을 받자마자 스스로 필요한 행동 단계들을 계획합니다. 이어서 학술 API에 접속해 최신 논문을 실시간으로 검색하고 관련 PDF 파일을 직접 다운로드합니다. 마지막으로 그 본문을 요약한 보고서 파일을 여러분의 컴퓨터 폴더에 실제로 만들고 저장까지 완수합니다."
|
||||
|
||||
---
|
||||
|
||||
@@ -52,7 +52,7 @@
|
||||
> 그래서 저는 이 둘을 **'운전자'와 '자율주행 차량'**으로 비유하곤 합니다.
|
||||
> 여기서 **AI 모델**은 차에 타고 있는 **운전자(뇌)**입니다. '다음 교차로에서 우회전하고 멈추자'라는 고차원적인 인지 판단을 담당하죠.
|
||||
> **AI 에이전트**는 운전자의 판단을 가속 페달과 바퀴 구동력으로 변환하는 **자율주행 차량 시스템 전체**입니다.
|
||||
> 특히 차량 시스템은 운전자가 실수로 절벽으로 돌진하려 할 때 자동으로 브레이크를 밟아 차단하는 **안전 가드레일** 역할이나, 통신이 끊겼을 때 스스로 갓길에 차를 대는 **예외 통제**, 그리고 여러 에이전트의 합의를 이끄는 **의사결정 통제** 같은 시스템 수준의 독자적인 판단을 수행합니다. 즉, 운전자 혼자서는 달릴 수 없으며, 차량 시스템이 있어야 비로소 목적지에 안전하게 도착할 수 있는 것입니다."
|
||||
> 특히 차량 시스템은 운전자가 실수로 절벽으로 돌진하려 할 때 자동으로 브레이크를 밟아 차단하는 **안전 가드레일** 역할이나, 통신이 끊겼을 때 스스로 갓길에 차를 대는 **예외 통제**, 그리고 여러 에이전트의 합의를 이끄는 **합의 형성** 같은 시스템 수준의 독자적인 판단을 수행합니다. 즉, 운전자 혼자서는 달릴 수 없으며, 차량 시스템이 있어야 비로소 목적지에 안전하게 도착할 수 있는 것입니다."
|
||||
|
||||
---
|
||||
|
||||
@@ -61,17 +61,17 @@
|
||||
* **대본**:
|
||||
> "그렇다면 단순한 대화형 앱이 아니라, 진짜 자율주행 차량 같은 온전한 'AI 에이전트'가 되기 위해 갖추어야 할 4대 필수 기능은 무엇일까요?
|
||||
> 첫째는 **목표를 쪼개고 계획하는 기능(Planning)**입니다. 최종 목표만 주어지면 실행 계획을 짜고 자가 성찰을 통해 계획을 수정해 나갑니다.
|
||||
> 둘째는 **상태와 기억을 관리하는 기능(Memory)**입니다. 현재 대화의 단기 기억과 과거 경험이나 지식을 RAG로 불러오는 장기 기억을 결합해 다룹니다.
|
||||
> 둘째는 **상태와 기억을 관리하는 기능(Memory)**입니다. 현재 대화의 단기 기억과 과거 경험이나 지식을 RAG(검색 증강 생성, 외부 문서 검색 연동)로 불러오는 장기 기억을 결합해 다룹니다.
|
||||
> 셋째는 **물리적 환경과 연동되는 기능(Tool Use & Action)**으로, 인터넷, API, 파일 시스템 및 격리된 코드 실행 환경을 다루는 핵심 손발이 됩니다.
|
||||
> 마지막 넷째는 **서로 소통하고 협업하는 기능(Collaboration)**입니다. 이종 에이전트들이 통신 프로토콜을 통해 작업을 나누어 분산 처리하는 기반입니다."
|
||||
|
||||
---
|
||||
|
||||
### 🎴 Slide 7: 🚀 패러다임 쉬프트: Model eats the Scaffolding
|
||||
* **슬라이드 제목**: 패러다임 쉬프트: Model eats the Scaffolding
|
||||
### 🎴 Slide 7: 🚀 패러다임 전환: Model eats the Scaffolding
|
||||
* **슬라이드 제목**: 패러다임 전환: Model eats the Scaffolding
|
||||
* **대본**:
|
||||
> "마지막으로 에이전트 기술의 가장 핵심적인 트렌드인 **'Model eats the Scaffolding'** 즉, **모델이 에이전트 제어 시스템을 흡수하는 현상**에 대해 말씀드리겠습니다.
|
||||
> 과거에는 에이전트 시스템 코드로 구현하던 계획(Planning)이나 자가 성찰(Reflection) 루프가, 최근 출시된 Gemini Thinking이나 OpenAI o1/o3 같은 모델들을 필두로 **AI 모델의 내부 가중치 추론 메커니즘**으로 녹아들어가고 있습니다.
|
||||
> 이에 따라 '인지와 계획'은 **AI 모델**이 전담하게 되고, 외부의 **에이전트 인프라(Harness)**는 샌드박싱 보안, 실행 권한 차단, 세션 보존 같은 '물리적 집행과 통제'에만 고도로 집중하는 방향으로 분리되고 있습니다.
|
||||
> 결국 단순히 계획 루프를 짜는 것의 차별적 가치는 점차 낮아지고 있으며, 복잡한 다중 에이전트 간의 조율과 고성능 인프라 제어가 새로운 경쟁력으로 떠오르고 있습니다.
|
||||
> 그럼 다음 챕터부터 이러한 에이전트 구현을 가능하게 하는 기술적 원리들을 하나씩 자세히 알아보겠습니다. 감사합니다."
|
||||
> "마지막으로 에이전트 기술의 가장 핵심적인 변화인 **'Model eats the Scaffolding'**에 대해 말씀드리겠습니다. 이는 모델이 에이전트 외부 제어 시스템을 흡수하는 현상을 뜻합니다.
|
||||
> 과거에는 에이전트를 작동시키기 위해 계획(Planning)이나 자가 성찰(Reflection) 루프를 외부 코드로 직접 구현해야 했습니다. 하지만 최근 출시된 제미나이 씽킹(Gemini Thinking)이나 오픈AI의 o1, o3 같은 모델들은 이러한 능력을 모델 자체의 내부 추론 과정으로 소화해 냅니다.
|
||||
> 이에 따라 고차원적인 논리 설계와 계획 수립은 **AI 모델**이 전담하는 형태로 빠르게 바뀌고 있습니다. 외부의 **에이전트 인프라(Harness, 에이전트 실행 제어 장치)**는 보안 샌드박싱(격리 환경 실행), 권한 차단, 세션 관리 같은 물리적 집행과 통제에 집중하는 구조로 이원화되고 있습니다.
|
||||
> 결과적으로 단순히 실행 루프를 만드는 구현 방식은 그 경쟁력을 잃어가고 있습니다. 대신 다중 에이전트들을 표준화된 프로토콜로 유기적으로 엮어내는 오케스트레이션과 인프라 제어 기술이 새로운 차별화 요소로 떠오르는 중입니다.
|
||||
> 그럼 바로 시작하겠습니다."
|
||||
|
||||
Reference in New Issue
Block a user