ㅁ 생성형 에이전트

ㅇ 정의:
생성형 AI 모델이 자율적으로 목표를 설정하고, 외부 도구나 API를 호출하며, 복잡한 작업을 순차적으로 수행하는 지능형 시스템.

ㅇ 특징:
– 프롬프트 기반이 아닌 목표 지향적 실행
– 메모리와 계획 기능을 통해 장기 작업 수행 가능
– 외부 환경과 상호작용하여 데이터 수집 및 의사결정 수행

ㅇ 적합한 경우:
– 반복적이고 다단계의 복잡한 업무 자동화
– 실시간 데이터 분석 및 의사결정 지원

ㅇ 시험 함정:
– 단순 LLM 챗봇과 혼동
– 에이전트의 자율성 범위를 과대평가

ㅇ 시험 대비 “패턴 보기” 예시:
O: “장기적 목표를 위해 스스로 계획을 수립하고 실행하는 AI 시스템”
X: “사용자가 매번 모든 단계를 지시해야 하는 AI”

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

1. AutoGPT

ㅇ 정의:
GPT-계열 LLM을 기반으로, 사용자가 제시한 목표를 달성하기 위해 스스로 세부 작업을 생성·수행하는 오픈소스 프로젝트.

ㅇ 특징:
– 인터넷 검색, 파일 작성, 코드 실행 등 다양한 기능 수행
– 메모리 기능을 통해 이전 작업 상태를 기억
– 플러그인 형태로 확장 가능

ㅇ 적합한 경우:
– 시장 조사, 콘텐츠 제작, 데이터 수집 자동화

ㅇ 시험 함정:
– 단순 질의응답 시스템과 동일시
– 인터넷 연결 없이도 동일하게 동작한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “목표 달성을 위해 스스로 세부 작업을 정의하고 실행하는 GPT 기반 에이전트”
X: “사용자의 질문에만 응답하는 대화형 챗봇”

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

2. BabyAGI

ㅇ 정의:
AI가 목표를 기반으로 작업 목록을 생성, 우선순위화, 실행하며 지속적으로 목록을 갱신하는 경량형 자율 에이전트.

ㅇ 특징:
– 단순한 구조와 적은 리소스 사용
– 작업 생성, 실행, 평가의 반복 루프
– 빠른 프로토타이핑 가능

ㅇ 적합한 경우:
– 소규모 프로젝트 자동화
– 테스트 환경에서의 에이전트 실험

ㅇ 시험 함정:
– AutoGPT와 기능적 차이를 구분하지 못함
– 대규모 데이터 처리에 적합하다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “목표 기반 작업 리스트를 반복적으로 생성·수행하는 경량형 에이전트”
X: “대규모 병렬 연산을 수행하는 고성능 AI 시스템”

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

3. Agentic RAG

ㅇ 정의:
Retrieval-Augmented Generation(RAG)에 에이전트 기능을 결합하여, 검색·생성·후속 작업을 자율적으로 수행하는 방식.

ㅇ 특징:
– 검색 결과를 기반으로 추가 질의 생성 가능
– 검색-생성-평가의 루프를 통해 품질 향상
– 동적 정보 수집 및 활용

ㅇ 적합한 경우:
– 최신 정보 기반의 보고서 작성
– 실시간 데이터 분석

ㅇ 시험 함정:
– 단순 RAG와 동일시
– 검색 결과를 그대로 출력한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “검색과 생성을 반복하며 스스로 질의를 조정하는 AI 에이전트”
X: “한 번 검색한 결과만으로 답변하는 RAG 시스템”

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

4. Multi-Agent System

ㅇ 정의:
여러 개의 자율 에이전트가 협력·경쟁하며 복잡한 문제를 해결하는 시스템.

ㅇ 특징:
– 분산 처리와 병렬 작업 가능
– 에이전트 간 메시지 기반 통신
– 역할 분담 및 협력 전략

ㅇ 적합한 경우:
– 대규모 시뮬레이션, 분산 문제 해결
– 다양한 전문성을 가진 에이전트 협업

ㅇ 시험 함정:
– 단일 에이전트 시스템과 혼동
– 모든 에이전트가 동일한 역할을 수행한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “여러 자율 에이전트가 협력하여 목표를 달성하는 분산형 시스템”
X: “한 개의 AI가 모든 작업을 순차적으로 수행하는 구조”

ㅁ 추가 학습 내용

정리 내용

1. AutoGPT vs BabyAGI
– AutoGPT: 복잡한 워크플로우 처리, 다양한 플러그인 통한 확장성, 장기적 과업 수행에 적합
– BabyAGI: 단순 반복 구조, 경량 설계, 빠른 실행과 간단한 작업에 적합
– 사용 시나리오: AutoGPT는 다단계 의사결정·외부 연동이 필요한 프로젝트, BabyAGI는 단일 목적·단기 작업

2. Agentic RAG 내부 동작 흐름
– 검색 질의 생성
– 문서 필터링
– 생성 모델 호출
– 후속 질의 재생성
– 위 과정을 반복하며 응답 품질 개선

3. Multi-Agent System의 협상·경쟁 알고리즘 및 메시지 전달 프로토콜
– 협상 알고리즘: 제안·반제안 방식, 입찰 기반 자원 분배
– 경쟁 알고리즘: 우선순위 경쟁, 경매 모델
– 메시지 전달 프로토콜 예시: 동기식·비동기식 메시징, 브로드캐스트·유니캐스트 방식

4. 생성형 에이전트의 한계
– 잘못된 정보 생성(Hallucination)
– 외부 API 의존성
– 보안 및 프라이버시 위험

5. 생성형 에이전트 vs 단순 자동화 스크립트 vs 전통적 RPA
– 생성형 에이전트: AI 기반, 상황 적응형, 비정형 데이터 처리 가능
– 단순 자동화 스크립트: 사전에 정의된 절차만 수행, 유연성 낮음
– 전통적 RPA: GUI 기반 자동화, 규칙 기반 업무 처리, 비정형 데이터 처리 한계

6. 최신 동향
– LangChain, LlamaIndex 등 프레임워크 기반 구현 패턴
– 오픈소스 생태계의 빠른 변화와 다양한 커뮤니티 기여

시험 대비 체크리스트

[ ] AutoGPT와 BabyAGI의 설계 철학과 차이, 각각의 사용 시나리오 설명 가능
[ ] Agentic RAG의 단계별 동작 흐름 암기
[ ] Multi-Agent System에서의 협상·경쟁 알고리즘 종류와 메시지 전달 방식 이해
[ ] 생성형 에이전트의 한계점과 그 원인 설명 가능
[ ] 생성형 에이전트, 자동화 스크립트, 전통적 RPA의 특징 비교 가능
[ ] LangChain, LlamaIndex 등 주요 프레임워크와 오픈소스 동향 숙지