이전 글에서는 기업의 에이전트 사용에 대해 알아보았습니다. 이제 우리는 AI 에이전트의 중요한 발전 방향 중 하나인 '계약(Contract)' 개념을 도입한 '계약 이행 에이전트(Contract adhering agents)'에 대해 살펴보겠습니다.
이 블로그 글 시리즈의 첫 글에 작성한 것처럼, 현재 다양한 도구 및 플랫폼에서 AI 에이전트를 정의하는 일반적인 인터페이스는 목표, 텍스트 지침, 사용할 수 있는 도구, 예제 등으로 매우 단순합니다. 이러한 단순한 정의는 시제품(prototype) 데모에는 충분할 수 있지만, 정의가 불충분하여 AI 에이전트가 시제품 단계에서 실제 운영(production) 단계로 나아가는 데 어려움을 겪는 주요 원인 중 하나가 될 수 있습니다.
이런 제품화 과정을 위해서 해당 문서에서는 복잡하고 중요한 작업(high-stakes)을 AI 에이전트를 사용하여 해결하는 맥락에서, 에이전트 인터페이스를 "계약 이행 에이전트"로 발전시킬 것을 제안하고 있습니다.
'계약자(Contractors)'의 핵심 아이디어는 요청자와 에이전트 간의 '계약'을 명시하고 표준화하는 것입니다. 이는 다음과 같은 가능성을 제공합니다:
이것만 봐서는 기존의 프롬프트를 자세히 쓰는거랑 뭐가 다르지 싶다. 프롬프트 엔지니어링..? 예제 코드가 없어서 꽤나 헷갈린다..
계약 정의(Defining), 협상(Negotiating), 실행(Executing)의 라이프사이클은 다음과 같습니다:
계약의 초기 정의에는 다음과 같은 필드가 포함될 수 있습니다:
계약이 진행되는 동안 피드백 및 협상을 위한 필드는 다음과 같습니다:
이 단계는 계약자 런타임이 정의된 명세에 따라 계약을 이행하고 작업을 해결하는 능력을 요구합니다. 낮은 지연 시간(latency)보다 품질과 완전성(quality and completeness)을 우선시하여 LLM의 기능을 최대한 활용할 수 있습니다. 예를 들어, 다양한 솔루션을 생성하고 이를 검토, 평가 및 발전시키는 방식입니다. 엔진은 제공된 기대를 기반으로 결과물에 대해 반복하고 자체적으로 검증하며, 검증 조건이 충족될 때까지 개선하고 자체 수정할 수 있습니다. 객관적인 기준에 대해 솔루션을 구체적으로 검증하는 능력은 AI 맥락에서 매우 효과적임이 입증되어있다고 합니다. (-> 흠..)
자동화 에이전트 맥락에서 계약의 핵심 가설 중 하나는 엔터프라이즈 세계의 많은 작업이 지연 시간 및 비용 제약이 덜한 방식으로 LLM의 힘을 활용할 때 상당한 이점을 얻을 수 있다는 것입니다. 점점 더 복잡한 작업을 해결하고 고객이 계약자의 결과를 신뢰할 수 있도록 하는 것은 기업에 진정한 가치를 제공할 것입니다. 그렇더라도 작업이 적절하게 우선순위가 지정되고 리소스가 공정하게 할당되도록 하기 위해 상대적 우선순위에 대한 개념이 필요합니다. 따라서 계약 개시자와 계약자 간에 논의 및 협상될 수 있는 비용(일반적으로 고객 또는 계약 개시자별 상대적) 개념을 도입하여, 계약이 계약 개시자가 시작한 다른 계약에 비해 적절한 리소스를 받을 수 있도록 합니다. 계약자는 명세 및 결과물과 같은 계약의 다른 측면도 협상할 수 있습니다.
계약은 피드백을 제공하고 특히 모호성을 해결하기 위한 수단을 제공합니다. 작업이 점점 더 복잡해짐에 따라, 작업 명세와 관련된 모호성이나 기타 문제를 가능한 한 조기에 제기하는 것이 중요합니다. 계약자는 계약을 받은 직후(초기 계약 평가) 및 계약에 미리 정의된 빈도로 피드백을 제공할 수 있습니다. 이 피드백에는 명확화 요청 또는 작업의 불충분한 정의 또는 잘못된 정의(불일치, 충돌하는 명세, 명확화 등)에 대한 다른 유형의 피드백이 포함됩니다.
계약 정의 및 명세의 직접적인 부분은 아니지만, 작업을 하위 작업으로 분해하여 하위 계약을 생성하는 능력은 계약자 엔진을 구동하는 핵심 개념이 될 것입니다. 직접 다루기에는 너무 복잡하다고 간주되는 작업이 있을 때, 계약자는 해당 작업을 더 작고 쉬운 작업으로 분해하기로 결정할 수 있으며, 이 작업은 해결을 위한 실행 대기열에 추가됩니다. 이는 위에 설명된 계약 공식화를 통해서만 가능하며, 이를 통해 계약자는 다른 계약을 균일하고 표준화된 방식으로 생성, 처리 및 조작할 수 있습니다.
(-> 결국 복잡하고 중요한 작업을 에이전트에게 맡기려면, 단순히 명령하는 것을 넘어 더 구조화되고 협상 가능한 '계약' 형태의 인터페이스가 필요하다는 이야기인 것 같다. 현실에서 외주를 맡기면서 계약서를 작성하는 것과 유사한 것 같다. 하지만 예제 인터페이스는..?)
이번 편에서는 에이전트의 신뢰성과 유용성을 한 단계 높이기 위한 계약 이행 에이전트의 개념과 그 구성 요소, 라이프사이클에 대해 알아보았습니다. 다음편에서는 자동차 AI 예제를 바탕으로 Multi Agent 구성에 대해 알아보는 Automotive AI 파트에 대해서 살펴보겠습니다.
https://davinci-ai.tistory.com/68
Agents Companion (7): Automotive AI, 멀티 에이전트 아키텍처 적용 사례
이전 글에서는 에이전트에 '계약' 개념을 도입한 '계약 이행 에이전트'에 대해 살펴보았습니다. 이번 글에서는 이러한 AI 에이전트 기술이 실제 기업 환경에서 어떻게 활용될 수 있는지, 특히 자
davinci-ai.tistory.com
(해당 글은 구글의 Agents Companion White Paper 내용을 정리한 문서이며, 일부 필요에 따라 내용을 재배치하였습니다.)
Agents Companion (8): 구글의 Agent Builder & Summary (0) | 2025.05.09 |
---|---|
Agents Companion (7): Automotive AI, 멀티 에이전트 아키텍처 적용 사례 (0) | 2025.05.09 |
Agents Companion (5): 기업을 위한 에이전트?, Agents in the enterprise (3) | 2025.05.08 |
Agents Companion (4): Agentic RAG: RAG의 결정적 진화 (1) | 2025.05.08 |
Agents Companion (3): 다중 에이전트 시스템과 평가 (Multiple Agents & Their Evaluation) (0) | 2025.05.07 |