ai-agents-for-beginners

AI 에이전트 프레임워크 탐색

(위 이미지를 클릭하면 이 수업의 비디오를 볼 수 있습니다)

AI 에이전트 프레임워크 탐색하기

AI 에이전트 프레임워크는 AI 에이전트의 생성, 배포 및 관리를 단순화하도록 설계된 소프트웨어 플랫폼입니다. 이러한 프레임워크는 개발자에게 복잡한 AI 시스템 개발을 간소화하는 미리 구축된 구성 요소, 추상화 및 도구를 제공합니다.

이 프레임워크들은 AI 에이전트 개발에서 흔히 발생하는 문제에 대해 표준화된 접근 방식을 제공하여 개발자가 애플리케이션의 고유한 측면에 집중할 수 있게 돕습니다. 또한 AI 시스템 구축 시 확장성, 접근성 및 효율성을 향상시킵니다.

소개

이 수업에서 다룰 내용:

학습 목표

이 수업의 목표는 다음을 이해하는 데 도움을 주는 것입니다:

AI 에이전트 프레임워크란 무엇이며 개발자가 이를 통해 무엇을 할 수 있는가?

기존 AI 프레임워크는 다음과 같은 방식으로 앱에 AI를 통합하고 앱을 향상시키는 데 도움을 줄 수 있습니다:

이 모든 게 좋게 들리지만, 왜 AI 에이전트 프레임워크가 필요한가요?

AI 에이전트 프레임워크는 단순한 AI 프레임워크 이상의 의미를 가집니다. 이들은 사용자, 다른 에이전트 및 환경과 상호작용하며 특정 목표를 달성할 수 있는 지능형 에이전트 생성에 중점을 둡니다. 이러한 에이전트는 자율적으로 행동하고, 의사결정을 하며, 변화하는 조건에 적응할 수 있습니다. AI 에이전트 프레임워크가 제공하는 몇 가지 주요 기능을 살펴보겠습니다:

요약하자면, 에이전트는 더 많은 작업을 수행하고 자동화를 한층 진화시키며, 환경에서 학습하고 적응할 수 있는 더 지능적인 시스템을 만들 수 있게 합니다.

에이전트의 기능을 빠르게 프로토타입하고 반복하며 개선하려면?

AI 에이전트 프레임워크 분야는 빠르게 변하는 환경이지만, 대부분의 AI 에이전트 프레임워크에서 공통적으로 볼 수 있는 몇 가지 요소가 있습니다. 모듈형 구성 요소, 협업 도구, 실시간 학습 등이 그것입니다. 이들을 자세히 살펴봅시다:

모듈형 구성 요소 사용하기

Microsoft Agent Framework 같은 SDK는 AI 커넥터, 도구 정의, 에이전트 관리와 같은 미리 만들어진 구성 요소를 제공합니다.

팀이 사용하는 방법: 팀은 이러한 구성 요소를 신속히 조립해 기능적인 프로토타입을 만들 수 있어, 처음부터 새로 구축하지 않고 빠르게 실험 및 반복할 수 있습니다.

실제 작동 방식: 사전 구축된 파서를 사용해 사용자 입력에서 정보를 추출하고, 메모리 모듈을 이용해 데이터를 저장 및 검색하며, 프롬프트 생성기를 통해 사용자와 상호작용할 수 있습니다. 모두 직접 구성 요소를 처음부터 만들 필요 없이 가능합니다.

예제 코드. Microsoft Agent Framework를 FoundryChatClient와 함께 사용해 도구 호출로 모델이 사용자 입력에 응답하는 예를 살펴보겠습니다:

# 마이크로소프트 에이전트 프레임워크 파이썬 예제

import asyncio
import os

from agent_framework import tool
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential


# 여행 예약을 위한 샘플 도구 함수 정의
@tool(approval_mode="never_require")
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = FoundryChatClient(
        project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
        model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
        credential=AzureCliCredential(),
    )
    agent = provider.as_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # 예시 출력: 2025년 1월 1일 뉴욕행 항공편이 성공적으로 예약되었습니다. 안전한 여행 되세요! ✈️🗽


if __name__ == "__main__":
    asyncio.run(main())

이 예제에서 볼 수 있듯이, 사전 구축된 파서를 활용해 비행기 예약 요청에서 출발지, 도착지, 날짜 등 주요 정보를 추출할 수 있습니다. 이러한 모듈식 접근은 고레벨 로직에 집중할 수 있도록 돕습니다.

협업 도구 활용하기

Microsoft Agent Framework 같은 프레임워크는 여러 에이전트가 협력할 수 있게 합니다.

팀이 사용하는 방법: 팀은 각기 역할과 작업을 지정한 에이전트를 설계해 협업 워크플로우를 테스트 및 개선하고 시스템 효율성을 높일 수 있습니다.

실제 작동 방식: 데이터 검색, 분석, 의사결정 등 각기 기능을 전문화한 에이전트들로 팀을 구성합니다. 이들은 소통하며 정보를 공유해 사용자 문의 답변이나 작업 완수 같은 공통 목표를 달성합니다.

예제 코드 (Microsoft Agent Framework):

# Microsoft Agent Framework를 사용하여 함께 작동하는 여러 에이전트 생성

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# 데이터 검색 에이전트
agent_retrieve = provider.as_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# 데이터 분석 에이전트
agent_analyze = provider.as_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# 작업에서 에이전트를 순차적으로 실행
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

이전 코드에서 여러 에이전트가 협력해 데이터를 분석하는 작업을 만드는 방법을 볼 수 있습니다. 각 에이전트는 특정 기능을 수행하며, 작업은 에이전트 간 조정을 통해 원하는 결과를 도출합니다. 역할이 특화된 전담 에이전트를 만들면 작업 효율과 성능을 향상시킬 수 있습니다.

실시간 학습하기

고급 프레임워크는 실시간 맥락 이해와 적응 기능을 제공합니다.

팀이 사용하는 방법: 팀은 에이전트가 상호작용에서 학습하고 동적으로 행동을 조정하는 피드백 루프를 구현해 능력을 지속적으로 개선하고 다듬을 수 있습니다.

실제 작동 방식: 에이전트는 사용자 피드백, 환경 데이터, 작업 결과를 분석해 지식 베이스를 갱신하고 의사결정 알고리즘을 조정하며 시간에 따라 성능을 향상시킵니다. 이러한 반복 학습 프로세스는 에이전트가 변화하는 상황과 사용자 선호에 적응하게 하여 시스템 전체 효율성을 높입니다.

Microsoft Agent Framework와 Microsoft Foundry Agent Service의 차이는 무엇인가?

다양한 비교 방법이 있지만, 설계, 기능 및 대상 사용 사례 측면에서 몇 가지 주요 차이점을 보겠습니다:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework는 FoundryChatClient를 사용해 AI 에이전트를 구축하기 위한 간결한 SDK를 제공합니다. Azure OpenAI 모델을 활용해 도구 호출, 대화 관리, Azure 아이덴티티를 통한 엔터프라이즈급 보안을 지원합니다.

사용 사례: 도구 사용, 다단계 워크플로우, 엔터프라이즈 통합 시나리오를 갖춘 프로덕션 준비 AI 에이전트 구축.

Microsoft Agent Framework의 주요 핵심 개념은 다음과 같습니다:

Microsoft Foundry Agent Service

Microsoft Foundry Agent Service는 Microsoft Ignite 2024에서 소개된 최신 서비스로서, Llama 3, Mistral, Cohere 같은 오픈 소스 LLM에 직접 호출할 수 있는 유연한 모델을 사용해 AI 에이전트를 개발 및 배포할 수 있습니다.

Microsoft Foundry Agent Service는 강력한 엔터프라이즈 보안 메커니즘과 데이터 저장 방식을 제공하여 기업용 애플리케이션에 적합합니다.

Microsoft Agent Framework와 즉시 연동되어 에이전트를 구축하고 배포할 수 있습니다.

현재 퍼블릭 프리뷰 단계이며 Python과 C#을 지원합니다.

Microsoft Foundry Agent Service Python SDK를 사용하면 사용자 정의 도구가 포함된 에이전트를 생성할 수 있습니다:

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# 도구 함수를 정의합니다
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-5-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

    user_inputs = [
        "Hello",
        "What is the special soup?",
        "How much does that cost?",
        "Thank you",
    ]

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


if __name__ == "__main__":
    asyncio.run(main())

핵심 개념

Microsoft Foundry Agent Service의 주요 핵심 개념은 다음과 같습니다:

사용 사례: Microsoft Foundry Agent Service는 보안성, 확장성, 유연성이 요구되는 엔터프라이즈 AI 에이전트 배포용으로 설계되었습니다.

이 두 접근법의 차이는 무엇인가?

겹치는 부분도 있지만 설계, 기능, 대상 사용 사례 면에서 몇 가지 주요 차이점이 있습니다:

아직 어떤 것을 선택해야 할지 고민되나요?

사용 사례

흔한 사용 사례를 함께 살펴봅시다:

Q: 프로덕션 AI 에이전트 애플리케이션을 빠르게 구축하고 싶어요.

A: Microsoft Agent Framework가 좋은 선택입니다. FoundryChatClient를 통한 간단하고 파이썬 친화적인 API로 몇 줄 코드만으로 에이전트에 도구와 지침을 정의할 수 있습니다.

Q: Azure 통합(Search, 코드 실행 등)을 포함한 엔터프라이즈급 배포가 필요해요.

A: Microsoft Foundry Agent Service가 최적입니다. 여러 모델, Azure AI Search, Bing Search, Azure 함수와 내장 연동 기능을 제공하는 플랫폼 서비스로 Foundry 포털에서 쉽게 에이전트를 구축하고 대규모 배포할 수 있습니다.

Q: 아직도 헷갈리는데, 그냥 하나만 추천해 주세요.

A: 우선 Microsoft Agent Framework로 에이전트를 구축하고, 필요할 때 Microsoft Foundry Agent Service를 통해 프로덕션에서 배포 및 확장하는 방식을 권장합니다. 이렇게 하면 에이전트 로직을 빠르게 반복하면서도 엔터프라이즈 배포 경로를 확보할 수 있습니다.

주요 차이를 표로 정리해 보겠습니다:

프레임워크 초점 핵심 개념 사용 사례
Microsoft Agent Framework 도구 호출을 갖춘 간결한 에이전트 SDK 에이전트, 도구, Azure 아이덴티티 AI 에이전트 구축, 도구 활용, 다단계 워크플로우
Microsoft Foundry Agent Service 유연한 모델, 엔터프라이즈 보안, 코드 생성, 도구 호출 모듈성, 협업, 프로세스 오케스트레이션 안전하고 확장 가능하며 유연한 AI 에이전트 배포

기존 Azure 생태계 도구를 직접 통합할 수 있나요, 아니면 독립 실행형 솔루션이 필요한가요?

답변은 예입니다. 기존 Azure 생태계 도구를 Microsoft Foundry Agent Service와 직접 통합할 수 있습니다. 특히 이 서비스는 다른 Azure 서비스와 원활하게 작동하도록 구축되었습니다. 예를 들어 Bing, Azure AI Search 및 Azure Functions를 통합할 수 있습니다. Microsoft Foundry와의 깊은 통합도 지원됩니다.

Microsoft Agent Framework는 FoundryChatClient와 Azure ID를 통해 Azure 서비스와도 통합되어 에이전트 도구에서 직접 Azure 서비스를 호출할 수 있습니다.

샘플 코드

AI 에이전트 프레임워크에 대해 더 궁금하신가요?

Microsoft Foundry Discord에 가입하여 다른 학습자와 만나고, 오피스 아워에 참석하며 AI 에이전트 관련 질문에 대한 답변을 받아보세요.

참고 자료

이전 강의

Introduction to AI Agents and Agent Use Cases

다음 강의

Understanding Agentic Design Patterns

면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서의 원어본이 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문가의 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.

This site is open source. Improve this page.