기술사 학습노트 | imt-log

기술사 학습노트› AI / 빅데이터› AI 에이전트 & 멀티에이전트

AI / Big Data · 한장정리

[기술사토픽] AI 에이전트 & 멀티에이전트 시스템 완벽 정리 - 한장정리

AI 에이전트 개념·유형·ReAct 패턴, LLM 기반 에이전트, 멀티에이전트 시스템·AutoGen·CrewAI까지 기술사 최신 주제를 완벽 정리합니다.

AI에이전트LLM에이전트ReAct멀티에이전트AutoGenTool사용정보관리기술사

Ⅰ.AI 에이전트 개요

개념: AI 에이전트(Agent)는 환경을 인식하고 목표 달성을 위해 자율적으로 행동을 선택·실행하는 AI 시스템입니다. LLM 기반 에이전트는 2023년부터 급부상한 차세대 AI 패러다임입니다.

에이전트 유형	설명	특징
단순 반사형	현재 상태→규칙→행동	메모리 없음. 가장 단순
모델 기반 반사형	내부 세계 모델 유지	부분 관찰 환경 처리
목표 기반	목표 달성 위해 탐색·계획	검색·경로 계획
유틸리티 기반	유틸리티 함수 최대화	최적 행동 선택
학습 에이전트	경험으로 성능 향상	강화학습·자기개선
LLM 기반 에이전트	LLM이 추론·계획·도구 사용	최신. 범용 목적

Ⅱ.LLM 에이전트 아키텍처

가. LLM 에이전트 핵심 구성요소

구성요소	역할	예시
LLM 코어	추론·계획·언어 이해	GPT-4·Claude·Gemini
메모리	맥락 유지 (단기·장기)	대화 히스토리·벡터DB
도구(Tools)	외부 기능 실행	웹검색·코드실행·API호출·DB조회
계획(Planning)	목표를 하위 작업으로 분해	Chain-of-Thought·Tree-of-Thought
행동(Action)	도구 호출 실행 및 결과 처리	Function Calling·Tool Use

나. ReAct 패턴

ReAct(Reasoning + Acting)는 LLM이 추론(Thought)→행동(Action)→관찰(Observation)을 반복하여 복잡한 문제를 해결하는 에이전트 패턴입니다.

ReAct 단계	설명
Thought (추론)	현재 상황 분석·다음 행동 계획 수립
Action (행동)	도구 호출 또는 외부 시스템 실행
Observation (관찰)	도구 실행 결과 수신·분석
반복	목표 달성까지 Thought-Action-Observation 반복

다. 멀티에이전트 시스템

프레임워크	특징	활용
AutoGen (Microsoft)	복수 에이전트 대화·코드 생성·실행	코딩 자동화·데이터 분석
CrewAI	역할 기반 에이전트 팀 구성	비즈니스 워크플로우 자동화
LangGraph	DAG 기반 에이전트 워크플로우	복잡한 상태 기반 작업
MetaGPT	소프트웨어 개발팀 역할 분담	자동화된 SW 개발

시험 포인트

LLM 에이전트 = LLM + 메모리 + 도구 + 계획. 단순 챗봇과의 차이: 자율 행동·도구 사용.
Function Calling: LLM이 언제 어떤 도구를 호출할지 스스로 결정하는 메커니즘.

Ⅲ.결론

결론

AI 에이전트는 LLM을 단순 텍스트 생성에서 자율 행동 시스템으로 진화시킵니다.
향후 에이전틱 AI(Agentic AI)가 기업 업무 자동화의 핵심 패러다임이 될 것입니다.

"에이전트는 AI가 도구를 쓰는 것을 배우는 것이 아니라 목표를 이해하는 것을 배우는 것이다."

블로그: 기술사 학습노트 · imt-log.tistory.com

← AI / 빅데이터 목록