369 lines
11 KiB
Markdown
369 lines
11 KiB
Markdown
---
|
|
marp: true
|
|
theme: gaia
|
|
_class: lead
|
|
paginate: true
|
|
backgroundColor: #0f172a
|
|
color: #f8fafc
|
|
style: |
|
|
section {
|
|
font-family: 'Noto Sans KR', 'Inter', sans-serif;
|
|
padding: 40px;
|
|
background: radial-gradient(circle at 50% 50%, #1e1b4b 0%, #0f0c29 50%, #03001e 100%);
|
|
}
|
|
h1 {
|
|
color: #818cf8;
|
|
background: linear-gradient(to right, #ffffff, #818cf8);
|
|
-webkit-background-clip: text;
|
|
-webkit-text-fill-color: transparent;
|
|
}
|
|
h2 {
|
|
color: #818cf8;
|
|
border-bottom: 2px solid rgba(129, 140, 248, 0.2);
|
|
padding-bottom: 8px;
|
|
}
|
|
footer {
|
|
color: #64748b;
|
|
}
|
|
a {
|
|
color: #a78bfa;
|
|
}
|
|
code {
|
|
background: #0d0e15;
|
|
color: #a78bfa;
|
|
}
|
|
blockquote {
|
|
background: rgba(129, 140, 248, 0.08);
|
|
border-left: 4px solid #818cf8;
|
|
padding: 12px 20px;
|
|
margin: 10px 0;
|
|
font-style: italic;
|
|
color: #e2e8f0;
|
|
}
|
|
blockquote cite {
|
|
display: block;
|
|
font-size: 0.8rem;
|
|
color: #94a3b8;
|
|
margin-top: 5px;
|
|
font-style: normal;
|
|
}
|
|
.grid-2 {
|
|
display: grid;
|
|
grid-template-columns: 1.2fr 1fr;
|
|
gap: 30px;
|
|
align-items: center;
|
|
}
|
|
.grid-equal {
|
|
display: grid;
|
|
grid-template-columns: 1fr 1fr;
|
|
gap: 20px;
|
|
align-items: center;
|
|
}
|
|
.badge {
|
|
display: inline-block;
|
|
padding: 4px 12px;
|
|
background: #818cf8;
|
|
color: #0f0c29;
|
|
font-weight: 800;
|
|
border-radius: 50px;
|
|
font-size: 0.8rem;
|
|
margin-bottom: 15px;
|
|
}
|
|
---
|
|
|
|
<!-- _class: lead -->
|
|
<!-- _paginate: false -->
|
|
<div class="badge">세미나 발표자료</div>
|
|
|
|
# 멀티 에이전트란
|
|
### 개념 설명, 장점, 실제 구축 경험 공유
|
|
|
|
발표 스크립트 및 발표자료 (Marp 버전)
|
|
|
|
---
|
|
|
|
## 1. AI Agent 란?
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **자율 LLM 시스템**: 사용자의 단순 응답을 넘어 스스로 계획하고 도구를 사용해 목표를 완수합니다.
|
|
- **Planning (계획)**: 작업 분해(Decomposition) 및 자기 성찰(Self-Reflection).
|
|
- **Memory (기억)**: 컨텍스트 내 단기 기억과 벡터 DB 기반 장기 기억(RAG).
|
|
- **Tool Use (도구)**: 코드 샌드박스, 브라우저, 외부 API 호출.
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 2. AI 에이전트를 확장하는 Skills
|
|
|
|
- **Skills (기술 모듈)**: 에이전트가 외부 환경과 동적으로 상호작용하도록 결합하는 기능 패키지.
|
|
- **프롬프트 그 이상**: 단순 텍스트 프롬프트를 넘어 실행용 코드, 스키마 명세, 예시(Few-shot)를 결합한 모듈입니다.
|
|
- **동적 모듈화**: 필요한 상황에 기술을 실시간 로드 및 해제.
|
|
- **한계 돌파**: 언어 모델의 한계를 넘어 서버 배포, 파일 제어, 데이터 수집 등의 실무 대행력을 부여합니다.
|
|
|
|
---
|
|
|
|
## 3. Claude Cowork vs Claude Code
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **인프라와 목적의 차이**: 최상위 모델을 공유하지만 작동 방식이 상이함.
|
|
- **Claude Cowork**:
|
|
- 클라우드 샌드박스 구동
|
|
- PPT, Excel, PDF 등 범용 사무 업무 대행
|
|
- **Claude Code**:
|
|
- 로컬 기기에 직접 모듈을 설치해 구동
|
|
- 터미널 개발 코딩 작업에 최적화
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 4. 대표적인 Skills 활용 사례
|
|
|
|
<div class="grid-equal">
|
|
<div>
|
|
|
|
### 💻 개발 및 분석 (Dev Skill)
|
|
- Grep 탐색 및 File replace
|
|
- Linting 및 에러 자동 검증
|
|
- Git Auto Commit & Push
|
|
|
|
### 🌐 브라우저 자동화 (QA Skill)
|
|
- Playwright/Puppeteer 연동
|
|
- 실시간 웹 데이터 크롤링
|
|
- 웹 UI 자동 QA 시나리오 기동
|
|
|
|
</div>
|
|
<div>
|
|
|
|
### ⚙️ DevOps 및 인프라 (DevOps)
|
|
- Firebase Hosting 정적 파일 배포
|
|
- Cloud DB 보안 규칙 수정
|
|
- 클라우드 자원 모니터링 및 라우팅
|
|
|
|
### 🧪 학술 및 도메인 특화 (Research)
|
|
- ChEMBL 화학물 정보 탐색
|
|
- PubMed / arXiv 학술 조사
|
|
- dbSNP 유전체 데이터 체크
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 5. Github 트렌드 & Understand Skill
|
|
|
|
- **Understand Skill**: 코드베이스나 문서를 인터랙티브 지식 그래프로 변환해 자율 분석합니다.
|
|
|
|
<div class="grid-equal">
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 6. 개발 사례: multi-agent-mux 스킬
|
|
|
|
- **multi-agent-mux**: 다양한 에이전트 프레임워크와 이종 모델을 통합해 다중화 연산 처리를 수행하는 스킬.
|
|
|
|
<div class="grid-equal">
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
<div>
|
|
|
|
<video src="assets/images/Recording%20Jun%2025,%202026%20-%2011_56%20AM.mp4" controls autoplay muted loop width="400"></video>
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 7. Multi-Agent 란?
|
|
|
|
- **협력 네트워크**: 단일 모델의 정보 누락과 대형 태스크 시의 환각율 한계를 극복하기 위해 에이전트들이 조율(Orchestration)하고 분업하는 구조.
|
|
- **분할 정복 (Divide and Conquer)**: 설계, 구현, 검증 등 독립적인 태스크로 쪼개 병렬 정밀 처리 지원.
|
|
- **역할 정의 (Role Specialization)**: 전담 역할과 도구만 쥐여주어 입력 프롬프트 노이즈를 극소화.
|
|
- **이종 모델 융합**: 역할별 최적 모델 매치 및 교차 피드백으로 결과 신뢰도 극대화.
|
|
|
|
---
|
|
|
|
## 8. Multi Agent 예시: Subagent
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **하위 작업 동적 위임**: 부모 에이전트의 오더를 받아 임시 기동, 과업 대행 후 소멸.
|
|
- **컨텍스트 격리 (Context Isolation)**:
|
|
- 상위 맥락 오염을 방지하기 위해 하위 리팩토링/검색 작업만 독립 분기(Branch) 처리.
|
|
- 토큰 소모량을 파격적으로 최적화하고 병렬 속도를 개선.
|
|
|
|
</div>
|
|
<div>
|
|
|
|
<div style="display: flex; flex-direction: column; gap: 10px;">
|
|
<img src="assets/images/Pasted%20image%2020260625224821.png" width="80%" />
|
|
<img src="assets/images/Pasted%20image%2020260625224849.png" width="80%" />
|
|
</div>
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 9. Multi Agent 예시: Team Agent
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **수평적 대화 조율 (Debate)**: 수직 계층을 넘어 독립적인 에이전트들이 의결하고 협상하는 토론형 구조.
|
|
- **의견 충돌 및 타협 시뮬레이션**:
|
|
- 아키텍트와 보안 에이전트가 충돌하며 최적의 절충안을 도출하는 워크플로우.
|
|
- **비선형적 점진 고도화**: 피드백 루프를 반복해 고품질 산출물 확보.
|
|
|
|
</div>
|
|
<div>
|
|
|
|
<div style="display: flex; flex-direction: column; gap: 10px;">
|
|
<img src="assets/images/Pasted%20image%2020260625230135.png" width="80%" />
|
|
<img src="assets/images/Pasted%20image%2020260625224919.png" width="80%" />
|
|
</div>
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 10. Context Engineering & LangGraph
|
|
|
|
- **Context Engineering**: 에이전트 간의 흐름, 중앙 공유 상태(State), 조건부 루프를 설계하는 방법론.
|
|
- **상태 보존 및 순환 제어 (Cyclic Control)**:
|
|
- 반복 루프(반복 검증), 실패 시 롤백 등을 순환형 그래프(Cyclic Graph) 구조로 설계 관리.
|
|
- **영속적 상태 관리**:
|
|
- 중앙 저장소에서 상태 변화를 추적하므로 오케스트레이션 도중 실패 시 안전한 재시작 지원.
|
|
|
|
---
|
|
|
|
## 11. 오케스트레이션 소프트웨어
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **CrewAI**: 역할(Role), 목표(Goal), 백스토리(Backstory) 기반의 크루(Crew) 단위 순차/계층 조율.
|
|
- **MS AutoGen**: 에이전트 간 자율 대화(Conversational Design) 및 코드 피드백, 인간의 개입에 최적화.
|
|
- **BeeAI**: 오픈소스 분산 에이전트 공유 배포 플랫폼.
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 12. 에이전트 통신 프로토콜 표준
|
|
|
|
- **MCP (Model Context Protocol)**:
|
|
- Anthropic 제안. AI 호스트와 클라이언트 간의 로컬/원격 도구 및 리소스 연결 공통 인터페이스.
|
|
- **ACP (Agent Communication Protocol)**:
|
|
- IBM 제안. 서비스 발견, 태스크 위임 규격 표준 (A2A로 공식 통합).
|
|
- **A2A (Agent-to-Agent)**:
|
|
- Google 및 50여 파트너사 공동 제안. 이종 에이전트 간 결합 코드(Glue code) 없는 통합 통신 오픈 표준.
|
|
- **Agent Card (에이전트 카드)**:
|
|
- 에이전트 기능 명세서 JSON 사양 (`/.well-known/agent-card.json`).
|
|
|
|
---
|
|
|
|
## 13. 실제 오케스트레이션 구현 시 문제점들
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **세션 및 생명주기 관리**: 동적 subagent들의 UUID 동기화 및 세션 상태 영속성 관리의 어려움.
|
|
- **상호 탐색과 SPOF**: 마스터-슬레이브(SPOF 위협) vs P2P(네트워크 자원 비용 급증).
|
|
- **메시지 유실 및 Silent Death**:
|
|
- 송/수신 주체 다운 시 비동기 알림 유실.
|
|
- subagent 무통보 고사(Silent Death)로 인한 교착 상태(Deadlock) 및 리소스 누수.
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 14. 멀티 에이전트 구축의 장점
|
|
|
|
- **제어 루프 아키텍처의 진화**:
|
|
> "코딩 에이전트에 프롬프트를 더 욱여넣지 마세요. 에이전트를 자율 제어하는 루프 아키텍처를 설계하십시오."
|
|
> <cite>- 페터 슈타인베르거 (OpenClaw 크리에이터, OpenAI)</cite>
|
|
- **컨텍스트 설명 불필요**: 공유 작업 공간(Shared Workspaces)과 Git 공유로 불필요한 맥락 분석 토큰 소모 최소화.
|
|
- **이종 가중치 피드백**: 상호 맹점 보완 및 Gemini Flash 등 저비용 모델 위주 분산 라우팅을 통한 비용 최적화.
|
|
|
|
---
|
|
|
|
## 15. 신뢰도 확보를 위한 기본 필수 요소
|
|
|
|
<div class="grid-2">
|
|
<div>
|
|
|
|
- **A2A Agent Card 기반 작업 환경 공유**: 신뢰성 있는 역할/보안인증 규격 동기화.
|
|
- **동적 작동 인프라**: 서비스 발견(Discovery)과 가상 포트 맵 라우팅 내재.
|
|
- **이슈 & 워크플로우 트래커**: 일관성 있는 재현 및 장애 롤백 인터페이스.
|
|
- **고성능 양방향 메시징**: 대용량 멀티모달 푸시/스트리밍 지원 (HTTP/3).
|
|
|
|
</div>
|
|
<div>
|
|
|
|
|
|
|
|
</div>
|
|
</div>
|
|
|
|
---
|
|
|
|
## 16. 왜 gRPC가 해답인가?
|
|
|
|
- **A2A 호환성 및 스마트 팩토리/팜 최적화**: 디바이스 계층(MQTT)과 게이트웨이/엣지 노드(gRPC)의 하이브리드 설계에 적합.
|
|
- **멀티모달 바이너리 스트리밍**: HTTP/2, HTTP/3 백본 기반 양방향 스트리밍 단일 포트 통합.
|
|
- **Protobuf 직렬화 및 감시 체계**: JSON 문자열 파싱 대비 수배 빠르며, Envoy 및 Kubernetes 생명주기 검증 도구(liveness probe) 재활용 용이.
|
|
|
|
---
|
|
|
|
<!-- _class: lead -->
|
|
<!-- _paginate: false -->
|
|
|
|
# 감사합니다
|
|
### Q&A 및 토론
|