✅ 1. AI Agent란 무엇인가요?
LLM (Large Language Model)은 단순히 질문에 대한 정답을 제공하는 데 비해,
AI Agent는 문제 해결을 위해 생각(thinking) → 행동(acting) → 평가(reflecting)의 사이클을 반복하며 자율적으로 작업을 수행합니다.
예: 등산 날짜 추천을 위해 날씨 예보 사이트에 접속하고, 적절한 날을 추천
✅ 2. AI Agent의 구성 요소
기반 능력:
- LLM의 추론/사고 능력 필요
- 프롬프트 엔지니어링으로 능력 강화
도구 선택 (Tooling for action):
- Agent는 외부 작업을 위해 적절한 도구를 선택
- 예: 인터넷 검색, RAG(Retrieval-Augmented Generation), 외부 API 호출 등
✅ 3. 사용 사례: Text-to-SQL QA
사용자가 자연어로 질문 → Agent가 SQL로 변환하여 DB 질의 → 결과 제공
예시 흐름:
- “한국의 평균 급여는 얼마인가요?”
- SQL 생성 (SELECT AVG(salary) ...)
- 오류 발생 ("salary" 칼럼 없음)
- Agent가 오류를 인식하고 칼럼명을 "income"으로 수정
- 다시 질의 후 응답 제공 ("4000만원입니다.")
✅ 4. Single AI Agent의 한계
- 작업이 복잡해질수록 한 Agent가 모든 도구와 작업을 감당하기 어려움:
- 너무 많은 도구 → 도구 선택 어려움
- 많은 하위 작업 → 워크플로우 관리 어려움
- 단일 고성능 LLM 사용 → 비효율적 자원 사용
🧩 결론
- AI Agent는 단순 응답을 넘어 자율적 작업 수행이 가능한 시스템
- 다양한 도구와 워크플로우를 조합하여 복잡한 문제도 해결 가능
- 하지만 단일 Agent의 한계로 인해 Multi-Agent 시스템 필요성이 대두됨
AI/ML Engineer