ㅁ 주요 예시

1. AutoGPT

ㅇ 정의:
– GPT 계열 모델을 기반으로 사용자의 고수준 목표를 스스로 세분화하고, 인터넷 검색·코드 실행·파일 작성 등의 작업을 자율적으로 수행하는 오픈소스 에이전트 프레임워크.

ㅇ 특징:
– 연속적 프롬프트 생성 및 실행
– 외부 API 호출과 데이터 저장 기능 지원
– 장기 메모리(벡터DB) 활용 가능

ㅇ 적합한 경우:
– 복잡한 다단계 작업을 자동화해야 하는 경우
– 최소한의 인적 개입으로 정보 수집, 분석, 실행까지 필요한 경우

ㅇ 시험 함정:
– 단순 챗봇과 혼동
– LLM 자체가 아니라 LLM을 활용한 에이전트 프레임워크라는 점 간과

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) AutoGPT는 사용자의 목표를 세부 작업으로 나누어 자율 실행한다.
– (X) AutoGPT는 단일 질문-응답만 처리한다.

================

2. BabyAGI

ㅇ 정의:
– OpenAI API와 벡터 데이터베이스를 활용하여 작업 우선순위 관리와 재귀적 작업 생성을 수행하는 경량 자율 에이전트.

ㅇ 특징:
– 작업 생성, 우선순위 조정, 실행 루프 구조
– 메모리 관리에 특화
– 구현이 단순하고 확장 용이

ㅇ 적합한 경우:
– 반복적 업무를 효율적으로 관리해야 하는 경우
– 실험적 자율 에이전트 프로토타입 개발

ㅇ 시험 함정:
– AGI(범용 인공지능)와 혼동
– 실제로는 제한된 영역에서만 자율성 발휘

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) BabyAGI는 작업 우선순위 조정 기능을 포함한다.
– (X) BabyAGI는 인간 수준의 범용 지능을 보유한다.

================

3. Agentic RAG

ㅇ 정의:
– Retrieval-Augmented Generation(RAG)에 에이전트 기능을 결합하여 검색-생성-추론 과정을 자율적으로 반복·조정하는 접근법.

ㅇ 특징:
– 질의에 따라 검색 전략 변경 가능
– 검색-응답 품질을 에이전트가 스스로 평가·개선
– 다중 데이터 소스 활용

ㅇ 적합한 경우:
– 대규모 비정형 데이터에서 고품질 답변 생성
– 지속적 질의 개선이 필요한 환경

ㅇ 시험 함정:
– 단순 RAG와 동일시
– 에이전트의 자율적 검색 전략 조정 기능 간과

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) Agentic RAG는 검색 전략을 동적으로 조정할 수 있다.
– (X) Agentic RAG는 검색 단계를 생략한다.

================

4. 메타에이전트

ㅇ 정의:
– 다수의 개별 에이전트를 관리·조율하여 복합 과제를 해결하는 상위 레벨 에이전트.

ㅇ 특징:
– 하위 에이전트 간 역할 분담 및 협업
– 작업 흐름 최적화 및 자원 배분
– 메타 의사결정 기능

ㅇ 적합한 경우:
– 복잡한 멀티모달·다단계 프로젝트 관리
– 다양한 전문 에이전트를 통합해야 하는 경우

ㅇ 시험 함정:
– 단일 에이전트와의 차이점 미인지
– 메타에이전트가 직접 모든 세부 작업을 수행한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) 메타에이전트는 여러 에이전트를 조율하여 목표를 달성한다.
– (X) 메타에이전트는 하나의 단일 작업만 처리한다.

ㅁ 추가 학습 내용

AutoGPT와 BabyAGI는 장기 메모리 관리에서 벡터DB 선택과 임베딩 품질이 성능에 큰 영향을 미친다. Agentic RAG는 검색 지연(latency)과 비용 최적화 전략이 필요하다. 메타에이전트는 하위 에이전트 간 통신 프로토콜과 오류 복구 메커니즘 설계가 중요하다. 시험에서는 이들 개념을 단순 정의로 묻기보다 기존 AI 개념(RAG, AGI, 멀티에이전트 시스템)과 비교하는 형태로 출제될 가능성이 높으므로 차이점과 시너지를 명확히 구분할 수 있도록 준비해야 한다.