ai-agents-for-beginners
(위 이미지를 클릭하여 이 수업의 동영상을 시청하세요)
AI 에이전트 소개 및 에이전트 활용 사례
“AI 에이전트 초보자용” 과정에 오신 것을 환영합니다! 이 과정은 AI 에이전트를 구축하기 위한 기본 지식과 적용 사례를 제공합니다.
다른 학습자 및 AI 에이전트 빌더와 만나 이 과정에 대해 궁금한 점을 물어보려면 Azure AI Discord 커뮤니티에 참여하세요.
이 과정을 시작하기 위해 AI 에이전트가 무엇인지 그리고 우리가 구축하는 애플리케이션 및 워크플로우에서 어떻게 사용할 수 있는지 더 잘 이해하는 것부터 시작합니다.
소개
이 수업에서는 다음 내용을 다룹니다:
- AI 에이전트란 무엇이며 다양한 에이전트 유형은 무엇인가?
- AI 에이전트에 가장 적합한 활용 사례는 무엇이며 어떻게 도움이 되는가?
- 에이전트 솔루션 설계 시 기본 빌딩 블록은 무엇인가?
학습 목표
이 수업을 완료한 후, 당신은 다음을 할 수 있어야 합니다:
- AI 에이전트 개념을 이해하고 다른 AI 솔루션과 어떻게 다른지 이해한다.
- AI 에이전트를 가장 효율적으로 적용한다.
- 사용자와 고객 모두를 위한 에이전트 솔루션을 생산적으로 설계한다.
AI 에이전트 정의 및 AI 에이전트 유형
AI 에이전트란 무엇인가?
AI 에이전트는 대규모 언어 모델(LLM)이 도구에 접근하고 지식을 활용함으로써 작업을 수행할 수 있도록 하는 시스템입니다.
이 정의를 더 작은 부분으로 나누어 살펴보겠습니다:
- 시스템 - 에이전트를 단일 구성 요소가 아닌 여러 구성 요소의 시스템으로 생각하는 것이 중요합니다. 기본적으로 AI 에이전트의 구성 요소는 다음과 같습니다:
- 환경 - AI 에이전트가 작동하는 정의된 공간입니다. 예를 들어, 여행 예약 AI 에이전트가 있다고 하면, 환경은 AI 에이전트가 작업을 완료하는 데 사용하는 여행 예약 시스템일 수 있습니다.
- 센서 - 환경은 정보를 가지고 있고 피드백을 제공합니다. AI 에이전트는 센서를 사용해 환경의 현재 상태에 대한 정보를 수집하고 해석합니다. 여행 예약 에이전트 예시에서는 호텔 이용 가능 여부나 항공권 가격과 같은 정보를 여행 예약 시스템에서 받을 수 있습니다.
- 작동기(actuators) - AI 에이전트가 환경의 현재 상태를 받으면, 에이전트는 현재 작업을 위해 환경을 변경하기 위해 어떤 행동을 할지 결정합니다. 여행 예약 에이전트의 경우, 사용자를 위해 이용 가능한 객실을 예약하는 행동일 수 있습니다.
대규모 언어 모델(LLM) - 에이전트 개념은 LLM이 나오기 전부터 존재했습니다. LLM을 사용하여 AI 에이전트를 구축하는 장점은 인간 언어와 데이터를 해석하는 능력에 있습니다. 이 능력은 LLM이 환경 정보를 해석하고 환경을 변화시키기 위한 계획을 정의할 수 있도록 합니다.
작업 수행 - AI 에이전트 시스템 외부에서 LLM은 사용자의 프롬프트에 기반해 콘텐츠나 정보를 생성하는 작업에 제한됩니다. AI 에이전트 시스템 내부에서는 LLM이 사용자의 요청을 해석하고 자신이 속한 환경에서 사용 가능한 도구를 활용해 작업을 수행할 수 있습니다.
도구 접근 - LLM이 접근할 수 있는 도구는 1) 작동하는 환경과 2) AI 에이전트 개발자가 정의합니다. 앞서 여행 에이전트 예시에서, 에이전트의 도구는 예약 시스템 내 사용 가능한 작업으로 제한되거나, 개발자가 비행기 예약에만 접근하도록 제한할 수 있습니다.
메모리+지식 - 메모리는 사용자와 에이전트 간의 대화 맥락에서 단기적일 수 있습니다. 장기적으로는 환경에서 제공하는 정보를 넘어 AI 에이전트가 다른 시스템, 서비스, 도구, 심지어 다른 에이전트로부터 지식을 조회할 수도 있습니다. 여행 에이전트 예시에서는 고객 데이터베이스에 있는 사용자의 여행 선호 정보가 될 수 있습니다.
다양한 에이전트 유형
이제 AI 에이전트에 대한 일반적인 정의를 알았으니, 특정 에이전트 유형들과 이들이 여행 예약 AI 에이전트에 어떻게 적용될 수 있는지 살펴보겠습니다.
| 에이전트 유형 | 설명 | 예시 |
|---|---|---|
| 단순 반사 에이전트(Simple Reflex Agents) | 미리 정의된 규칙에 따라 즉각적인 작업을 수행합니다. | 여행 에이전트가 이메일 내용을 해석하여 여행 불만 사항을 고객 서비스 팀에 전달합니다. |
| 모델 기반 반사 에이전트(Model-Based Reflex Agents) | 세계 모델과 그 모델의 변화를 바탕으로 작업을 수행합니다. | 여행 에이전트가 과거 가격 데이터에 접근하여 크게 변동된 가격이 있는 경로를 우선순위로 둡니다. |
| 목표 기반 에이전트(Goal-Based Agents) | 목표를 해석하고 목표를 달성할 행동을 결정하여 계획을 만듭니다. | 여행 에이전트가 현재 위치에서 목적지까지 필요한 여행 계획(차량, 대중교통, 항공편 등)을 결정해 예약합니다. |
| 효용 기반 에이전트(Utility-Based Agents) | 선호도를 고려하고 수치적으로 절충을 판단하여 목표 달성 방안을 결정합니다. | 여행 에이전트가 예약 시 편리함과 비용 사이의 균형을 고려하여 최대 효용을 추구합니다. |
| 학습 에이전트(Learning Agents) | 피드백에 반응하며 행동을 조정하면서 시간이 지남에 따라 개선됩니다. | 여행 에이전트가 여행 후 설문조사에서 받은 고객 피드백을 활용해 미래 예약 방식을 개선합니다. |
| 계층적 에이전트(Hierarchical Agents) | 여러 계층의 에이전트로 구성되어 상위 에이전트가 작업을 하위 에이전트가 수행할 하위 작업으로 나눕니다. | 여행 에이전트가 여행 취소 작업을 여러 하위 작업(예: 특정 예약 취소)으로 나누어 하위 에이전트가 수행하고 상위 에이전트에 보고합니다. |
| 다중 에이전트 시스템(Multi-Agent Systems, MAS) | 에이전트들이 독립적으로 작업을 수행하며 협력하거나 경쟁합니다. | 협력: 여러 에이전트가 호텔, 항공편, 엔터테인먼트 같은 특정 여행 서비스를 예약합니다. 경쟁: 여러 에이전트가 공유 호텔 예약 일정표를 관리하고 경쟁하며 고객 예약을 처리합니다. |
AI 에이전트를 사용할 때
이전 섹션에서 여행 에이전트 활용 사례를 사용하여 다양한 에이전트 유형들이 여행 예약의 여러 시나리오에 어떻게 사용될 수 있는지 설명했습니다. 이 애플리케이션을 과정 전반에서 계속 사용할 것입니다.
AI 에이전트가 가장 적합한 활용 사례 유형을 살펴보겠습니다:
- 개방형 문제(Open-Ended Problems) - 작업을 완료하는 데 필요한 단계를 LLM이 결정하도록 허용합니다. 작업이 항상 워크플로우 안에 하드코딩될 수 없기 때문입니다.
- 다단계 프로세스(Multi-Step Processes) - AI 에이전트가 단일 조회가 아닌 여러 단계에 걸쳐 도구나 정보를 사용해야 하는 복잡도가 필요한 작업입니다.
- 시간에 따른 개선(Improvement Over Time) - 에이전트가 환경 또는 사용자로부터 피드백을 받아 시간이 지나면서 개선될 수 있는 작업입니다.
신뢰할 수 있는 AI 에이전트 구축 수업에서 AI 에이전트를 사용할 때의 추가 고려사항을 다룹니다.
에이전트 솔루션 기본 사항
에이전트 개발
AI 에이전트 시스템 설계의 첫 번째 단계는 도구, 행동, 행동 양식을 정의하는 것입니다. 이 과정에서는 Azure AI Agent Service를 사용하여 에이전트를 정의하는 데 집중합니다. 이 서비스는 다음과 같은 기능을 제공합니다:
- OpenAI, Mistral, Llama와 같은 오픈 모델 선택 가능
- Tripadvisor 같은 제공자를 통한 라이선스 데이터 사용
- 표준화된 OpenAPI 3.0 도구 사용
에이전틱 패턴(Agentic Patterns)
LLM과의 통신은 프롬프트를 통해 이루어집니다. AI 에이전트의 반자율적 특성 때문에 환경 변화 후에 LLM을 수동으로 다시 프롬프트 하는 것이 항상 가능하거나 필요한 것은 아닙니다. 우리는 LLM에 여러 단계에 걸쳐 더 확장 가능하게 프롬프트할 수 있게 해주는 에이전틱 패턴을 사용합니다.
이 과정은 현재 인기 있는 몇 가지 에이전틱 패턴으로 나눠집니다.
에이전틱 프레임워크(Agentic Frameworks)
에이전틱 프레임워크는 개발자가 코드로 에이전틱 패턴을 구현할 수 있도록 해줍니다. 이 프레임워크는 더 나은 AI 에이전트 협업을 위한 템플릿, 플러그인, 도구를 제공합니다. 이 장점들은 AI 에이전트 시스템의 가시성과 문제 해결 능력을 향상시킵니다.
이 과정에서는 Microsoft Agent Framework(MAF)를 탐색하여 생산 준비가 된 AI 에이전트를 구축합니다.
샘플 코드
- Python: Agent Framework
- .NET: Agent Framework
AI 에이전트에 대해 질문이 더 있나요?
다른 학습자를 만나고, 오피스 아워에 참석하며 AI 에이전트 질문에 답변을 받고 싶다면 Microsoft Foundry Discord에 참여하세요.
이전 수업
다음 수업
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원문 문서는 해당 언어의 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.