ㅁ 구성/활용법

1. Agentic AI

ㅇ 정의:
– 스스로 목표를 설정하고, 계획을 수립하며, 환경과 상호작용하여 문제를 해결하는 AI 형태.
– 단순 응답형이 아닌 능동적 의사결정과 행동을 수행.

ㅇ 특징:
– 환경 인식, 계획 수립, 실행, 피드백 루프 포함.
– 외부 도구/API 호출 가능.
– 장기 목표를 세우고 중간 단계를 관리.

ㅇ 적합한 경우:
– 복잡한 업무 자동화.
– 다단계 의사결정이 필요한 프로젝트.

ㅇ 시험 함정:
– 단순 챗봇과 구분 못하게 하는 문제.
– ‘Agentic’을 단순히 ‘대화형’으로 오해.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Agentic AI는 스스로 계획을 세우고 실행할 수 있다.”
– X: “Agentic AI는 사용자가 지시한 단일 작업만 수행한다.”

2. Multi-Agent System

ㅇ 정의:
– 여러 개의 에이전트가 상호작용하며 공동 목표를 수행하는 시스템.

ㅇ 특징:
– 분산 처리, 역할 분담, 협력/경쟁 가능.
– 개별 에이전트는 자율성을 가짐.

ㅇ 적합한 경우:
– 대규모 시뮬레이션.
– 복잡한 문제를 병렬로 처리.

ㅇ 시험 함정:
– 단일 에이전트의 고급화와 혼동.
– MAS를 단순히 서버 클러스터로 착각.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Multi-Agent System은 자율적인 에이전트들이 협력하여 문제를 해결한다.”
– X: “Multi-Agent System은 항상 동일한 역할의 에이전트로 구성된다.”

3. Agentic RAG

ㅇ 정의:
– Retrieval-Augmented Generation(RAG)에 에이전트적 의사결정 및 계획 기능을 결합한 방식.

ㅇ 특징:
– 검색-생성 과정에 계획 및 피드백 루프 포함.
– 필요시 반복 검색 및 재생성.

ㅇ 적합한 경우:
– 정보 검색과 생성이 결합된 복잡 질의 응답.

ㅇ 시험 함정:
– 단순 RAG와 차이를 묻는 문제.
– Agentic RAG를 단순 검색엔진으로 오해.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Agentic RAG는 검색과 생성 과정에서 계획과 반복을 수행한다.”
– X: “Agentic RAG는 검색 단계 없이 생성만 수행한다.”

4. 에이전트 오케스트레이션

ㅇ 정의:
– 여러 에이전트의 실행 순서, 데이터 흐름, 협업을 관리하는 기술.

ㅇ 특징:
– 워크플로우 설계, 에이전트 간 메시징, 충돌 해결.
– 중앙집중형 또는 분산형 조율 가능.

ㅇ 적합한 경우:
– 다수 에이전트가 협력하는 복합 작업.

ㅇ 시험 함정:
– 오케스트레이션과 단순 스케줄링 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “에이전트 오케스트레이션은 에이전트 간 작업 흐름을 조율한다.”
– X: “에이전트 오케스트레이션은 단일 에이전트 내부 로직만 제어한다.”

ㅁ 추가 학습 내용

학습 정리

1. Agentic AI의 구성 요소와 구현 예시
– Perception(지각): 외부 환경에서 데이터 수집 및 해석. 예: 센서 데이터 분석, 텍스트 입력 분석.
– Planning(계획): 목표 달성을 위한 전략 수립. 예: 경로 계획 알고리즘, 작업 순서 결정.
– Action(행동): 계획에 따른 실행. 예: 로봇 팔 제어, API 호출.
– Reflection(반성/피드백): 실행 결과 평가 및 개선. 예: 오류 분석 후 전략 수정, 성능 로그 기반 학습.

2. Multi-Agent System(MAS)의 통신 프로토콜과 협력 전략
– 통신 프로토콜: FIPA-ACL(Foundation for Intelligent Physical Agents – Agent Communication Language) 등 표준 메시지 형식과 의미 체계.
– 협력 전략: 계약망(Contract Net Protocol), 경매(Auction-based coordination) 등 역할 분담 및 자원 배분 방식.

3. Agentic RAG(Retrieval-Augmented Generation) 성능 평가 지표와 비교
– 평가 지표: 정확도(Accuracy), 회수율(Recall), 응답 관련성(Relevance).
– 기존 RAG 대비 장점: 동적 계획 및 실행, 상황 적응성 향상.
– 단점: 복잡성 증가, 처리 지연 가능성, 구현 비용 상승.

4. 에이전트 오케스트레이션 도구와 워크플로우 설계 패턴
– 도구 예시: LangChain, Haystack, CrewAI.
– 워크플로우 패턴: 체인(순차 처리), 병렬 처리, 조건 분기, 피드백 루프 포함 설계.

5. 보안 및 신뢰성 이슈
– 권한 관리: 에이전트별 접근 권한 제한, 인증 체계.
– 데이터 무결성 검증: 암호화, 해시 검증, 서명 기반 전송.

6. 산업 적용 사례 및 비교 포인트
– 산업 적용: 고객 상담 자동화, 공급망 관리, 스마트 팩토리, 자율주행 차량.
– 비교 포인트:
Agentic AI vs 전통적 자동화 시스템 → 자율성, 적응성, 학습 능력 차이.
MAS vs 분산 컴퓨팅 → 에이전트의 독립성, 목표 지향성, 상호작용 방식의 차이.

시험 대비 체크리스트

[ ] Agentic AI의 4대 구성 요소 정의와 예시를 설명할 수 있는가?
[ ] Perception, Planning, Action, Reflection의 순서와 상호작용을 이해하고 있는가?
[ ] MAS의 표준 통신 프로토콜(FIPA-ACL) 구조와 특징을 알고 있는가?
[ ] 계약망, 경매 기반 협력 전략의 절차와 장단점을 설명할 수 있는가?
[ ] Agentic RAG의 성능 평가 지표(정확도, 회수율, 응답 관련성)를 정의할 수 있는가?
[ ] 기존 RAG 대비 Agentic RAG의 장점과 단점을 비교할 수 있는가?
[ ] LangChain, Haystack, CrewAI의 특징과 사용 사례를 알고 있는가?
[ ] 워크플로우 설계 패턴(체인, 병렬, 조건 분기, 피드백 루프)을 설명할 수 있는가?
[ ] 에이전트 간 권한 관리 방법과 데이터 무결성 검증 기법을 알고 있는가?
[ ] Agentic AI와 전통적 자동화 시스템의 차이를 설명할 수 있는가?
[ ] MAS와 분산 컴퓨팅의 개념적 차이를 예시와 함께 설명할 수 있는가?