ㅁ 멀티에이전트 협업

ㅇ 정의:
다수의 AI 에이전트가 서로 다른 역할을 분담하여 공동의 목표를 달성하는 구조.

ㅇ 특징:
– 각 에이전트는 독립적으로 동작하면서도 메시지나 공유 메모리를 통해 협력
– 병렬 처리와 역할 분담으로 효율성 향상
– Orchestrator 또는 리더 역할의 에이전트가 전체 흐름을 조율할 수 있음

ㅇ 적합한 경우:
– 복잡한 문제를 여러 영역으로 나누어 해결해야 하는 경우
– 실시간 의사결정과 다양한 데이터 소스 연계가 필요한 경우

ㅇ 시험 함정:
– 단일 에이전트 시스템과 혼동하여 정의를 잘못 선택하는 경우
– 협업 구조임에도 불구하고 중앙집중형 제어로 오해하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
O: “여러 AI가 역할을 나누어 공동 목표를 달성한다.”
X: “하나의 AI가 모든 역할을 순차적으로 처리한다.”

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

1. AI Crew

ㅇ 정의:
특정 프로젝트나 업무를 위해 구성된 다수의 AI 에이전트 집합.

ㅇ 특징:
– 각 에이전트는 전문화된 기능을 수행
– 협업을 통해 전체 성능 최적화
– 유연하게 구성 변경 가능

ㅇ 적합한 경우:
– 다양한 분석, 생성, 검증 작업이 동시에 필요한 프로젝트
– 팀 단위의 AI 운영이 필요한 경우

ㅇ 시험 함정:
– AI Crew를 단일 AI 모델로 오인
– Crew 내 에이전트 간 독립성 간과

ㅇ 시험 대비 “패턴 보기” 예시:
O: “여러 AI가 프로젝트 팀처럼 협력한다.”
X: “AI Crew는 하나의 거대 AI 모델이다.”

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

2. Orchestrator Agent

ㅇ 정의:
다수의 에이전트를 조율하며 작업 순서, 데이터 흐름, 역할 할당을 관리하는 중심 AI.

ㅇ 특징:
– 전체 목표와 진행상황 파악
– 에이전트 간 충돌 방지
– 우선순위와 리소스 배분 결정

ㅇ 적합한 경우:
– 에이전트 수가 많아 조율이 필요한 경우
– 복잡한 워크플로우 관리가 필요한 경우

ㅇ 시험 함정:
– Orchestrator를 단순 데이터 전달자라고 오인
– 중앙집중형 제어와 분산형 협업의 차이를 혼동

ㅇ 시험 대비 “패턴 보기” 예시:
O: “작업 순서와 협업을 총괄하는 에이전트”
X: “모든 작업을 직접 처리하는 에이전트”

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

3. Multi-Agent Swarm

ㅇ 정의:
다수의 단순한 에이전트가 집단 지성을 발휘하여 복잡한 문제를 해결하는 방식.

ㅇ 특징:
– 개별 에이전트는 단순 규칙에 따라 행동
– 전체적으로는 자율적이고 적응적인 행동 패턴 형성
– 중앙 통제 없이 분산형으로 작동

ㅇ 적합한 경우:
– 환경 변화에 빠르게 적응해야 하는 경우
– 경로 탐색, 자원 분배, 패턴 인식 등에서 효과적

ㅇ 시험 함정:
– Swarm을 고도로 복잡한 개별 AI로 오해
– 중앙 조율이 있다고 착각

ㅇ 시험 대비 “패턴 보기” 예시:
O: “단순 규칙의 다수 에이전트가 집단 지성을 형성한다.”
X: “모든 에이전트가 복잡한 개별 계획을 세운다.”

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

4. Co-Working AI

ㅇ 정의:
인간과 AI, 또는 AI 간이 동시에 협력하여 과업을 수행하는 방식.

ㅇ 특징:
– 실시간 상호작용과 피드백
– 역할 분담과 상호 보완
– 사용자 친화적 인터페이스 필요

ㅇ 적합한 경우:
– 창의적 작업, 의사결정 지원, 교육 등
– 인간의 직관과 AI의 계산 능력을 결합할 때

ㅇ 시험 함정:
– Co-Working AI를 자동화와 동일시
– AI 간 협력만 포함한다고 오해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “인간과 AI가 동시에 협력한다.”
X: “AI만으로 모든 업무를 자동 처리한다.”

ㅁ 추가 학습 내용

멀티에이전트 협업 학습 정리

1. 메시지 프로토콜
– JSON-RPC: 경량, 텍스트 기반, 요청-응답 구조
– gRPC: 이진 프로토콜, 고성능, 스트리밍 지원
– 프로토콜 선택 시 성능, 확장성, 구현 난이도 고려

2. 상태 공유 방식
– 중앙 데이터 저장소: 모든 에이전트가 동일한 중앙 저장소를 통해 상태 공유, 관리 용이하지만 단일 장애점(SPOF) 위험
– 분산 블랙보드 모델: 각 에이전트가 블랙보드에 정보 게시, 분산성 및 유연성 높음, 동기화 복잡성 존재

3. Orchestrator Agent vs Leader Agent
– Orchestrator: 전체 작업 흐름 조율, 에이전트 간 역할 분배와 순서 관리
– Leader: 의사결정 권한과 방향성 제시, 목표 설정 및 전략 결정

4. Swarm 모델과 Emergence
– 개별 에이전트는 단순 규칙에 따라 행동
– 단순 규칙의 상호작용으로 복잡하고 지능적인 집단 행동이 나타남(Emergence)

5. Co-Working AI vs Human-in-the-Loop(HITL)
– HITL: 중요한 의사결정 단계에서 인간 개입
– Co-Working: 인간과 AI가 실시간으로 협업하며 작업 수행

6. 멀티에이전트 시스템 장단점
– 장점: 병렬 처리 가능, 시스템 견고성 향상(한 에이전트 실패 시 전체 영향 최소화)
– 단점: 통신 오버헤드 증가, 조율 및 동기화 복잡성

시험 대비 체크리스트

[ ] JSON-RPC와 gRPC의 특징과 차이점 설명 가능
[ ] 중앙 데이터 저장소와 분산 블랙보드 모델의 장단점 비교 가능
[ ] Orchestrator Agent와 Leader Agent의 역할 차이 명확히 구분 가능
[ ] Swarm 모델에서 Emergence 개념 정의 가능
[ ] Co-Working AI와 HITL의 차이 설명 가능
[ ] 멀티에이전트 시스템의 장점과 단점 나열 가능
[ ] 각 개념의 실제 사례나 적용 예시를 제시할 수 있음