수다스러운 LLM 에이전트에서 관리 가능한 시스템으로: 아키텍처 가이드

이 기사는 개발자들이 에이전트 시스템(agentic systems)을 이해하도록 돕는 가이드로, 에이전트와 일반적인 워크플로우의 차이, 그리고 언제 단일 에이전트를 사용해야 하고 언제 다중 에이전트를 사용해야 하는지를 명확히 설명한다. 기사는 에이전트를 '모델(model) + 작업 루프(work loop) + 도구(tools) + 상태(state) + 규칙 및 제약조건(rules and constraints)'으로 정의한다. 기사는 사고-행동-관찰(thought-action-observation) 순환을 도입한 2022년의 ReAct 접근법에서 시작하여, 2023년 AutoGen이 대중화한 대화형 아키텍처(conversational architecture)를 거쳐, 2024년의 LangGraph와 같은 그래프 기반 구조(graph-based structure)로 이어지는 발전 과정을 추적한다. 기사는 많은 애플리케이션에서 단일 에이전트만으로도 충분한 경우가 많으며, 다중 에이전트 구성은 역할이 맥락(context), 도구, 또는 권한 측면에서 실제로 다를 때에만 이점을 발휘한다고 강조한다. 또한 기사는 ReAct, Plan-and-Solve, ReWOO, Tree of Thoughts, RAP, LATS, Self-Refine, Reflexion, MRKL 등 다양한 전략을 논의하며, 단계가 미리 정해질수록 모델에 필요한 자유도가 줄어든다는 점을 지적한다. 기사는 동일한 대형 언어 모델(LLM, Large Language Model) 호출들이 마치 하나의 팀처럼 흉내 내는 '에이전트 시어터(agent theater)'라는 개념을 소개하며, 결정론적 로직(코드)과 확률적 로직(LLM의 판단)을 분리하는 것의 중요성을 강조한다. 마지막으로 기사는 Agent SDK, 그래프 런타임(graph runtime), 메모리, 샌드박싱(sandboxing), 관찰 가능성(observability) 등의 계층으로 구성된 현대적인 에이전트 스택(agent stack)을 제시하고, OpenAI Agents SDK, Google ADK, LangGraph, Mastra 등의 예시를 나열한다.