lab/multi-agent-paper
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
403793cbb93a4cad908e4811d79b0254846a431d
multi-agent-paper/MARP_SLIDE.md
T

11 KiB
Raw Blame History

marp, theme, _class, paginate, backgroundColor, color, style
marp theme _class paginate backgroundColor color style
true gaia lead true 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; }
세미나 발표자료

멀티 에이전트란

개념 설명, 장점, 실제 구축 경험 공유

발표 스크립트 및 발표자료 (Marp 버전)

1. AI Agent 란?

  • 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.

w:450

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

  • 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

w:450

4. 대표적인 Skills 활용 사례

💻 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

⚙️ 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

5. Github 트렌드 & Understand Skill

  • Understand Skill: 코드베이스나 문서를 인터랙티브 지식 그래프로 변환해 자율 분석합니다.

w:450

w:450

6. 개발 사례: multi-agent-mux 스킬

  • multi-agent-mux: 다양한 에이전트 프레임워크와 이종 모델을 통합해 다중화 연산 처리를 수행하는 스킬.

w:450

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

  • 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.

9. Multi Agent 예시: Team Agent

  • 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.

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

  • 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.

w:450

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

  • 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.

w:450

14. 멀티 에이전트 구축의 장점

  • 제어 루프 아키텍처의 진화:

    "코딩 에이전트에 프롬프트를 더 욱여넣지 마세요. 에이전트를 자율 제어하는 루프 아키텍처를 설계하십시오." - 페터 슈타인베르거 (OpenClaw 크리에이터, OpenAI)

  • 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

  • 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).

w:450

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.

감사합니다

Q&A 및 토론

Reference in New Issue View Git Blame Copy Permalink