📝 AI 에이전트 기초

정의와 구조

챗봇과의 차이에서 자율성 수준까지 — 에이전트를 모델이 아니라 시스템으로 보는 관점

챗봇 vs 에이전트

답변하는 AI에서 행동하는 AI로

에이전틱 루프

컨텍스트 → LLM → 도구를 목표 달성까지 반복

에이전트 구성요소

프로덕션 에이전트를 이루는 5가지 핵심 요소

자율성 4단계

에이전트에게 부여하는 권한의 폭 — 수동 보조부터 완전 자율까지

핵심 메커니즘

에이전트가 추론하고 행동하는 두 가지 패턴과 도구 호출 프로토콜의 조감

ReAct 패턴

Reasoning + Acting을 매 스텝 반복 — 에이전트의 기본 패턴

한 스텝의 구조

1. 1
   Thought

   지금까지의 대화·도구 결과를 보고 다음 행동을 추론 — "무엇이 더 필요한가"

2. 2
   Action

   추론이 고른 도구를 호출 — 도구 이름과 파라미터를 모델이 결정

3. 3
   Observation

   도구 결과가 messages[]에 쌓여 다음 Thought의 입력이 됨

4. 4
   반복 또는 종료

   정보가 충분해지면 도구 호출 대신 최종 답변 생성

실제 트레이스 — 한 요청이 두 스텝을 도는 과정

ReWoo 패턴

계획을 먼저 세우고 도구를 병렬 실행 — HotpotQA 벤치마크 기준 토큰 최대 5배 효율

3역할 분업 — Reasoning WithOut Observation

1. 1
   Planner — 설계도 작성 (LLM 1회)

   전체 도구 호출 계획을 한 번에 수립 — 아직 없는 결과는 #E1·#E2 플레이스홀더로 참조

2. 2
   Worker — 일괄 실행 (LLM 0회)

   계획의 도구를 모델 개입 없이 실행 — 의존성 없는 호출은 병렬 처리

3. 3
   Solver — 증거 종합 (LLM 1회)

   플레이스홀더 자리에 실제 결과를 채워 최종 답변 생성

같은 요청의 실행 계획서 — Planner 출력

Plan: 강남역 이탈리안 맛집을 찾는다
#E1 = search_restaurants(location="강남역",
                         cuisine="이탈리안")

Plan: 평점 1위 식당을 저녁으로 예약한다
#E2 = book_table(restaurant=#E1[0],
                 time="19:00")

ReAct vs ReWoo

작업 성격에 따라 패턴을 선택

Tool Use 6단계

LLM과 도구 사이의 메시지 프로토콜