복합 AI 시스템과 AI 에이전트란?
Mosaic AI Agent Framework를 사용하면 개발자가 AI 에이전트 및 복합 AI 시스템 개발의 고유한 과제를 극복할 수 있습니다. AI 응용 프로그램을 복합 AI 시스템 및 AI 에이전트로 만드는 방법을 알아봅니다.
복합 AI 시스템
복합 AI 시스템은 여러 상호 작용 구성 요소를 결합하여 AI 작업을 처리하는 시스템입니다. 이와 대조적으로 AI 모델은 단순한 통계적 모델입니다. 예를 들어, 텍스트에서 다음 토큰을 예측하는 변환기입니다. 복합 AI 시스템은 성능과 유연성 덕분에 AI 응용 프로그램에서 점점 더 자주 사용되고 있는 디자인 패턴입니다.
자세한 내용은 모델에서 복합 AI 시스템으로의 전환을 참조하세요.
AI 에이전트란?
업계는 여전히 AI 에이전트를 정의하고 있지만 일반적으로 모델이 하드 코드된 논리와 달리 계획의 일부 또는 전부를 결정하는 AI 시스템으로 이해됩니다. 이러한 에이전트는 LLM(대형 언어 모델)을 사용하여 결정을 내리고 목표를 달성합니다.
많은 AI 에이전트 응용 프로그램은 여러 시스템으로 구성되어 있어 복합 AI 시스템으로 분류됩니다.
에이전시는 Continuum이며, 시스템의 동작을 제어하는 모델을 더 자유롭게 제공할수록 에이전트와 유사한 응용 프로그램이 됩니다.
도구란?
AI 에이전트는 언어 생성 외에도 구조화된 데이터나 구조화되지 않은 데이터 검색, 코드 실행, 이메일이나 Slack 메시지 보내기 등 원격 서비스와 통신하는 등의 작업을 수행하기 위해 도구를 사용합니다.
Databricks에서 Unity 카탈로그 함수를 도구로 사용하여 도구의 간편한 검색, 거버넌스 및 공유를 가능하게 할 수 있습니다. LangChain과 같은 오픈 소스 에이전트 작성 라이브러리를 사용하여 도구를 정의할 수도 있습니다.
일반적인 에이전트 워크플로에서 에이전트 LLM은 도구에 대한 메타데이터를 받으며, 이를 사용하여 도구를 언제, 어떻게 사용할지 결정합니다. 따라서 도구를 정의할 때는 도구, 매개 변수, 반환 값이 잘 문서화되어 있는지 확인해야 합니다. 그래야 에이전트 LLM이 도구를 최상으로 활용할 수 있습니다.
LLM에서 AI 에이전트로
AI 에이전트를 이해하려면 AI 시스템의 진화 과정을 고려하는 것이 유용합니다.
- LLM: 처음에는 대형 언어 모델이 방대한 훈련 데이터 세트의 지식을 바탕으로 프롬프트에 단순히 응답했습니다.
- LLM + 도구 체인: 개발자는 LLM의 기능을 확장하기 위해 하드 코드된 도구를 추가했습니다. 예를 들어 RAG(검색 증강 생성)는 사용자 지정 문서 집합을 사용하여 LLM의 기술 기반을 확장했으며, API 도구는 LLM이 지원 티켓을 만들거나 이메일을 보내는 등의 작업을 수행할 수 있도록 했습니다.
- AI 에이전트: 이제 AI 에이전트는 문제에 대한 이해를 바탕으로 계획을 자율적으로 만들고 태스크를 실행합니다. AI 에이전트는 여전히 도구를 사용하지만 사용할 도구와 시기는 스스로 결정해야 합니다. 복합 AI 시스템과 비교했을 때 주요 차이점은 자율성과 의사 결정 능력의 수준에 있습니다.
개발 관점에서 AI 응용 프로그램은 개별 LLM이든, 툴체인이 있는 LLM이든, 전체 AI 에이전트이든 비슷한 문제에 직면해 있습니다. Mosaic AI Agent Framework를 사용하면 개발자가 모든 수준의 복잡성에서 빌드 및 AI 응용 프로그램의 고유한 과제를 관리할 수 있습니다.
AI 에이전트의 예
다음은 업계 전반에서 사용되는 AI 에이전트의 몇 가지 예입니다.
AI/BI: AI 기반 챗봇 및 대시보드는 자연어 프롬프트를 허용하여 기업의 데이터에 대한 분석을 수행하여 데이터의 전체 수명 주기에서 인사이트를 확보합니다. AI/BI 에이전트는 요청을 구문 분석하고, 어떤 데이터 원본을 활용할지, 그리고 결과를 어떻게 전달할지 결정합니다. AI/BI 에이전트는 시간 경과에 따라 사용자 피드백을 통해 개선될 수 있으며, 출력을 확인하고 구체화할 수 있는 도구를 제공합니다.
고객 서비스: 고객 서비스 플랫폼에서 사용하는 것과 같은 AI 기반 챗봇은 사용자와 상호 작용하고 자연어를 이해하며 관련 응답을 제공하거나 작업을 수행합니다. 기업은 쿼리에 답하고, 제품 정보를 제공하고, 문제 해결을 지원하는 고객 서비스를 위해 AI 챗봇을 활용합니다.
제조 예측 유지 관리: AI 에이전트는 단순히 장비 오류를 예측하는 데 국한되지 않고, 교체를 주문하거나, 유지 관리를 예약하여 가동 중지 시간을 줄이고 생산성을 높이는 등 자율적으로 작동할 수 있습니다.
다음 단계
AI 에이전트를 개발하고 평가하는 방법을 알아봅니다.
실습형 AI 에이전트 자습서: