에이전트 AI 시스템 설계 패턴 정리

최근 AI 에이전트를 어떻게 활용하고, 어떤 구조로 설계할지에 관심이 많아 Google Cloud Tech의 에이전트 디자인 패턴 문서를 바탕으로 핵심 내용을 정리해봤다.

---

0. 전체 패턴 구조

에이전트 AI 설계 패턴은 크게 다음과 같이 나눌 수 있다.

• 단일 에이전트
• 멀티 에이전트
  • 순차
  • 병렬
  • 루프
  • 검토 및 비평
  • 반복적 개선
  • 코디네이터
  • 계층적 작업 분해
  • 스웜
• 추론 패턴
  • ReAct
• 특수 제어 패턴
  • Human-in-the-Loop
  • 맞춤 로직

---

1. 단일 에이전트 패턴

• 정의: 하나의 에이전트가 AI 모델, 도구, 시스템 프롬프트를 사용해 사용자 요청을 자율적으로 처리하는 패턴
• 장점
  • 에이전트 개발 초기에 적합하다
  • 여러 단계와 외부 데이터 접근이 필요한 작업을 하나의 구조로 빠르게 구현할 수 있다
  • 구조가 단순해서 프롬프트와 도구 정의를 먼저 다듬기 좋다
• 단점
  • 도구 수와 책임이 많아질수록 성능이 떨어질 수 있다
  • 지연 시간이 증가할 수 있다
  • 잘못된 도구 선택이나 작업 실패 가능성이 커질 수 있다
• 원문 사례
  • 고객 지원 상담사가 DB를 조회해 주문 상태를 찾음
  • 연구 보조원이 API를 호출해 최근 뉴스를 요약함

흐름

• 사용자 요청
• 단일 에이전트
  • 모델 추론
  • 도구 사용
    • DB / API / 외부 데이터
• 응답 생성
• 사용자 응답

한 줄 요약
하나의 에이전트가 처음부터 끝까지 처리하는 가장 기본적인 구조다.

---

2. 순차 패턴 (Sequential)

• 정의: 전문 에이전트를 미리 정해진 선형 순서대로 실행하고, 앞 단계의 출력이 다음 단계의 입력이 되는 패턴
• 장점
  • 작업 순서가 명확해서 구조를 이해하기 쉽다
  • AI 모델 기반 동적 오케스트레이션보다 운영 비용과 지연 시간을 줄일 수 있다
  • 고정된 워크플로에 적합하다
• 단점
  • 유연성이 낮다
  • 동적인 조건 변화에 대응하거나 불필요한 단계를 건너뛰기 어렵다
  • 느린 단계가 있으면 전체 지연 시간이 누적될 수 있다
• 원문 사례
  • 데이터 추출 → 데이터 정리 → 데이터베이스 적재

흐름

• 사용자
• Sequential Agent
• Task A Subagent
• Task B Subagent
• Task C Subagent
• Sequential Agent
• 사용자 응답

한 줄 요약
정해진 순서대로 처리해야 하는 파이프라인형 작업에 적합하다.

---

3. 병렬 패턴 (Parallel)

• 정의: 여러 전문 하위 에이전트가 동시에 독립적으로 작업하고, 마지막에 결과를 종합하는 패턴
• 장점
  • 여러 작업을 동시에 실행해 전체 지연 시간을 줄일 수 있다
  • 서로 다른 관점이나 정보를 한 번에 수집할 수 있다
  • 독립적인 작업을 빠르게 처리하기 좋다
• 단점
  • 동시에 여러 에이전트를 실행하므로 비용이 증가할 수 있다
  • 토큰 사용량과 리소스 사용량이 커질 수 있다
  • 결과를 종합하는 로직이 복잡해질 수 있다
• 원문 사례
  • 고객 의견 분석에서 감정 분석, 키워드 추출, 분류, 긴급성 감지를 동시에 수행

흐름

• 사용자
• Parallel Agent
  • Sentiment Subagent
  • Keyword Subagent
  • Classification Subagent
  • Urgency Subagent
• Result Aggregation
• Parallel Agent
• 사용자 응답

한 줄 요약
서로 독립적인 작업을 동시에 돌려 속도를 높이는 구조다.

---

4. 루프 패턴 (Loop)

• 정의: 특정 종료 조건이 충족될 때까지 하위 에이전트 시퀀스를 반복 실행하는 패턴
• 장점
  • 반복 개선, 재시도, 상태 확인 같은 작업에 적합하다
  • 종료 조건이 충족될 때까지 자동으로 계속 수행할 수 있다
  • 자기 수정형 워크플로를 구현하기 좋다
• 단점
  • 종료 조건이 잘못 설계되면 무한 루프 위험이 있다
  • 반복 횟수가 많아질수록 비용과 리소스 사용량이 증가한다
  • 실행 시간이 길어질 수 있다
• 원문 사례
  • 품질 기준을 충족할 때까지 콘텐츠 생성과 검토를 반복

흐름

• 사용자
• Loop Agent
• Subagent Sequence
• 종료 조건 확인
  • 아니오 → Subagent Sequence 다시 실행
  • 예 → Final Result
• 사용자 응답

한 줄 요약
조건이 만족될 때까지 같은 흐름을 반복하는 구조다.

---

5. 검토 및 비평 패턴 (Review and Critique)

• 정의: 생성기 에이전트가 초안을 만들고, 비평가 에이전트가 기준에 따라 검토하여 품질과 신뢰성을 높이는 패턴
• 장점
  • 출력 품질, 정확성, 신뢰성을 높일 수 있다
  • 별도의 검증 단계를 통해 오류를 줄일 수 있다
  • 코드, 요약문, 정책 문서처럼 품질 기준이 중요한 작업에 유리하다
• 단점
  • 검토 단계가 추가되어 지연 시간이 증가한다
  • 추가 모델 호출이 필요해 운영 비용이 늘어난다
  • 수정 루프가 포함되면 비용과 시간이 더 누적된다
• 원문 사례
  • 코드 생성 후 보안 취약점 점검
  • 코드가 단위 테스트를 통과하는지 확인

흐름

• 사용자
• Generator Agent
• Draft Output
• Critic Agent
• 기준 충족 여부 확인
  • 아니오 → Revision Feedback → Generator Agent
  • 예 → Approved Output
• 사용자 응답

한 줄 요약
생성 후 검토 단계를 추가해 품질을 높이는 구조다.

---

6. 반복적 개선 패턴 (Iterative Refinement)

• 정의: 여러 사이클에 걸쳐 결과를 점진적으로 개선하는 패턴
• 장점
  • 한 번에 만들기 어려운 결과를 점진적으로 다듬을 수 있다
  • 더 정교하고 완성도 높은 결과를 만들기 좋다
  • 긴 문서, 초안, 코드 개선 작업에 적합하다
• 단점
  • 반복할수록 지연 시간이 길어진다
  • 모델 호출 수가 늘어 운영 비용이 증가한다
  • 종료 기준을 명확히 잡지 않으면 과도하게 반복될 수 있다
• 원문 사례
  • 블로그 초안 작성 → 흐름과 어조 비평 → 비평 기반 재작성 → 반복 개선

흐름

• 사용자
• Refinement Agent
• Draft
• Feedback
• Revised Draft
• 품질 기준 확인
  • 아니오 → Feedback 단계로 돌아감
  • 예 → Final Output
• 사용자 응답

한 줄 요약
초안을 여러 번 다듬으며 완성도를 높이는 구조다.

---

7. 코디네이터 패턴 (Coordinator)

• 정의: 중앙 코디네이터 에이전트가 요청을 분석하고 하위 작업으로 분해한 뒤, 적절한 전문 에이전트로 동적으로 라우팅하는 패턴
• 장점
  • 다양한 입력을 유연하게 처리할 수 있다
  • 상황에 따라 런타임에 적절한 에이전트로 라우팅할 수 있다
  • 구조화된 비즈니스 프로세스 자동화에 적합하다
• 단점
  • 코디네이터와 전문 에이전트 모두 모델 추론을 사용하면 호출 수가 많아진다
  • 단일 에이전트보다 비용과 지연 시간이 증가할 수 있다
  • 라우팅 정확도가 시스템 품질에 큰 영향을 준다
• 원문 사례
  • 고객 서비스에서 주문 상태, 반품, 환불 요청을 구분해 각 전문 에이전트로 전달

흐름

• 사용자
• Coordinator Agent
  • Order Status Agent
  • Return Agent
  • Refund Agent
• Response Assembly
• Coordinator Agent
• 사용자 응답

한 줄 요약
중앙 조정자가 요청을 보고 적절한 전문가에게 분배하는 구조다.

---

8. 계층적 작업 분해 패턴 (Hierarchical Task Decomposition)

• 정의: 상위 에이전트가 큰 문제를 작은 하위 작업으로 나누고, 필요하면 여러 단계에 걸쳐 계속 분해하는 패턴
• 장점
  • 매우 복잡하고 모호한 문제를 체계적으로 나눠 처리할 수 있다
  • 역할 분담이 명확해져 관리 가능한 단위로 작업을 분해할 수 있다
  • 더 포괄적이고 높은 품질의 결과를 기대할 수 있다
• 단점
  • 아키텍처가 복잡해져 설계와 디버깅이 어렵다
  • 계층이 많아질수록 모델 호출 수가 늘어난다
  • 전체 지연 시간과 운영 비용이 커질 수 있다
• 원문 사례
  • 복잡한 연구 프로젝트를 정보 수집, 결과 분석, 최종 보고서 합성으로 나눔

흐름

• 사용자
• Root Agent
  • Research Planning → Research Worker
  • Analysis Planning → Analysis Worker
  • Report Planning → Writer Worker
• Result Synthesis
• Root Agent
• 사용자 응답

한 줄 요약
큰 문제를 상위에서 하위로 계속 잘게 나누며 해결하는 구조다.

---

9. 스웜 패턴 (Swarm)

• 정의: 여러 전문 에이전트가 서로 직접 소통하며 해결안을 반복적으로 개선하는 협업형 패턴
• 장점
  • 여러 전문가의 관점을 함께 반영할 수 있다
  • 창의적이고 복합적인 문제 해결에 유리하다
  • 고품질의 아이디어 수렴이 가능하다
• 단점
  • 가장 복잡하고 비용이 큰 패턴 중 하나다
  • 중앙 오케스트레이터가 없으면 비생산적인 루프에 빠질 수 있다
  • 명확한 종료 조건과 통신 설계가 필요하다
• 원문 사례
  • 신제품 설계에서 시장 조사, 엔지니어링, 재무 모델링 에이전트가 함께 토론하며 설계안을 발전시킴

흐름

• 사용자
• Dispatcher Agent
  • Market Research
  • Engineering
  • Financial Modeling
• 각 에이전트가 서로 직접 소통
• Shared Solution
• 최종 결과

한 줄 요약
여러 전문 에이전트가 서로 협업하며 해답을 공동으로 발전시키는 구조다.

---

10. ReAct 패턴

• 정의: 생각(Thought) → 행동(Action) → 관찰(Observation)을 반복하며 문제를 해결하는 패턴
• 장점
  • 복잡한 동적 작업에 유연하게 대응할 수 있다
  • 사고 과정이 드러나 디버깅과 분석에 도움이 된다
  • 복잡한 멀티 에이전트 구조보다 단순하게 구현할 수 있는 경우가 있다
• 단점
  • 반복 루프 특성상 단일 질의보다 응답 시간이 길어질 수 있다
  • 모델의 추론 품질에 크게 의존한다
  • 한 번의 잘못된 관찰이나 도구 오류가 이후 단계에 전파될 수 있다
• 원문 사례
  • 로봇 에이전트가 최적 경로를 추론하고, 이동하고, 새로운 환경 상태를 관찰하며 계획을 조정

흐름

• User / Goal
• Thought
• Action
• Tool / Environment
• Observation
• 완료 여부 확인
  • 아니오 → Thought로 돌아감
  • 예 → Final Response

한 줄 요약
생각하고, 실행하고, 관찰하고, 다시 판단하는 반복형 추론 구조다.

---

11. Human-in-the-Loop 패턴

• 정의: 중요한 체크포인트에서 사람이 직접 검토, 승인, 수정에 참여하도록 워크플로에 개입 지점을 두는 패턴
• 장점
  • 안전성, 신뢰성, 규정 준수를 강화할 수 있다
  • 중요한 결정에 인간 판단을 반영할 수 있다
  • 자동화의 위험을 줄일 수 있다
• 단점
  • 사람 개입이 들어가므로 처리 시간이 길어질 수 있다
  • 별도의 승인/검토 시스템이 필요할 수 있다
  • 전체 구조가 복잡해질 수 있다
• 원문 사례
  • 환자 데이터셋 익명화 후, 사람이 최종 검증하고 승인

흐름

• 사용자
• Agent Workflow
• Review Checkpoint
• Human Review
• 승인 여부 확인
  • 아니오 → Agent Workflow로 돌아감
  • 예 → Release / Final Response

한 줄 요약
중요한 시점마다 사람이 개입해 승인과 검토를 수행하는 구조다.

---

12. 맞춤 로직 패턴 (Custom Logic)

• 정의: 조건문, 분기, 병렬/순차 조합 등을 코드로 직접 구현하여 복잡한 워크플로를 제어하는 패턴
• 장점
  • 가장 높은 수준의 유연성과 제어권을 제공한다
  • 비즈니스 규칙이 복잡한 실제 업무 흐름에 잘 맞는다
  • 여러 패턴을 혼합한 하이브리드 구조를 만들 수 있다
• 단점
  • 개발, 디버깅, 유지보수 난이도가 높다
  • 사전 정의된 패턴보다 오류가 발생하기 쉽다
  • 로직이 커질수록 시스템 복잡도가 빠르게 증가한다
• 원문 사례
  • 고객 환불 프로세스에서 구매자 검증과 환불 자격 확인을 병렬 수행한 뒤, 환불 또는 스토어 크레딧 흐름으로 분기

흐름

• 사용자
• Refund Coordinator
• Parallel Validation
  • Buyer Verification
  • Refund Eligibility
• 자격 여부 확인
  • 예 → Refund Flow
  • 아니오 → Store Credit Flow
• Final Response Agent
• 사용자 응답

한 줄 요약
표준 패턴으로 풀기 어려운 복잡한 업무 흐름을 코드로 직접 제어하는 구조다.

---

13. 한눈에 보는 선택 기준

패턴	핵심 특징	장점 요약	단점 요약	원문 기준 대표 사례
단일 에이전트	하나가 도구와 추론으로 전체 처리	시작이 쉽고 구조가 단순함	복잡해질수록 실패 확률 증가	주문 상태 조회, 뉴스 요약
순차	고정 순서 처리	예측 가능하고 비용 효율적	유연성이 낮음	데이터 추출 → 정리 → 적재
병렬	동시에 여러 분석 수행	빠르고 다양한 정보 수집 가능	비용과 통합 복잡도 증가	감정/키워드/분류/긴급성 동시 분석
루프	종료 조건까지 반복	반복 개선과 재시도에 적합	무한 루프 위험	품질 충족까지 반복 실행
검토 및 비평	생성 후 평가/승인	품질과 신뢰성 향상	지연 시간과 비용 증가	코드 생성 후 보안·테스트 검증
반복적 개선	여러 차례 다듬기	더 정교한 결과 가능	반복할수록 느리고 비쌈	블로그 초안 재작성
코디네이터	중앙 라우팅	다양한 입력 처리 가능	모델 호출 증가	주문/반품/환불 분기
계층적 작업 분해	큰 문제를 다단계 분해	복잡한 문제를 체계적으로 분할	설계와 운영이 복잡함	연구 프로젝트 분해
스웜	에이전트 간 자유 협업	창의적·고품질 결과 가능	가장 복잡하고 비용 큼	신제품 설계
ReAct	생각-행동-관찰 반복	유연하고 디버깅에 도움	오류 전파와 긴 응답 시간	로봇 경로 탐색
Human-in-the-Loop	인간 승인 포함	안전성과 신뢰성 강화	자동화 속도 저하	환자 데이터 익명화 검증
맞춤 로직	비즈니스 규칙 기반 복합 제어	가장 유연함	구현과 유지보수 난이도 높음	환불 / 스토어 크레딧 분기

---

정리

에이전트 패턴을 고를 때는 무조건 복잡한 구조를 택하기보다, 문제의 복잡도 / 지연 시간 / 비용 / 안전성 / 사람 개입 필요성을 먼저 보고 가장 단순한 패턴부터 선택하는 게 중요하다.

• 빠르게 시작하고 싶으면 단일 에이전트
• 순서가 고정되어 있으면 순차
• 동시에 처리할 수 있으면 병렬
• 반복 개선이 필요하면 루프 / 검토 및 비평 / 반복적 개선
• 동적 라우팅이 필요하면 코디네이터
• 문제 자체가 크고 모호하면 계층적 작업 분해 / 스웜
• 안전성과 승인 절차가 중요하면 Human-in-the-Loop
• 표준 패턴으로 안 풀리면 맞춤 로직

결국 핵심은 가장 멋진 패턴을 고르는 것이 아니라, 문제에 맞는 가장 적절한 패턴을 고르는 것이다.

---

회고

• 여러가지 디자인 패턴으로 AI 에이전트들을 설계하는 방법을 정리해보았다. 나중에 이러한 디자인 패턴 설계로 구글에서 직접 제공하는 실습 예제를 사용하여 코드를 작성해보고 익혀 볼 예정이다.

참고자료

https://docs.cloud.google.com/architecture/choose-design-pattern-agentic-ai-system?hl=ko
https://www.youtube.com/watch?v=GDm_uH6VxPY&t=39s