[LLM] LLM Agent

1. AI 에이전트가 왜 필요한가?

Agent(에이전트)는 LangChain 및 기타 LLM(Large Language Model) 애플리케이션에서 중요한 개념으로, 인공지능 시스템이 더욱 자율적이고 목표 지향적으로 작업을 수행할 수 있게 해주는 컴포넌트입니다. 에이전트는 주어진 목표를 달성하기 위해 환경과 상호작용하며 의사 결정을 내리고 행동을 취하는 지능형 개체로 볼 수 있습니다.

 

2. AI 에이전트의 구조

추론 엔진(AI) : 어떤 행동을 취할지 정하기 위해 고지능 필요, 잦은 AI 구동으로 경량화 필요
- 기억 : 사용자의 대화, 입력 받은 이미지 등.. 은 장/단기 기억으로 저장
- 계획(AI) : 내가 했던 행동 확인, self-critics, 스스로 예시를 생성, 목표 수행을 위해 일을 작은 단위로 나누기
- 도구 : LLM이 잘 해결하기 힘든 일은 도구를 호출 (계산, 검색 등)
- 행동 : 결과물

 

LangChain에서 에이전트는 다음과 같은 구성요소로 이루어져 있습니다:

1. Agent: 의사 결정을 담당하는 핵심 컴포넌트입니다.
2. Tools: 에이전트가 사용할 수 있는 기능들의 집합입니다.
3. Toolkits: 관련된 도구들의 그룹입니다.
4. AgentExecutor: 에이전트의 실행을 관리하는 컴포넌트입니다.

 

 

 

3. AI 에이전트 작동 방식

1. 입력 수신: 사용자로부터 작업이나 질문을 받습니다.
2. 계획 수립: 주어진 작업을 완료하기 위한 단계별 계획을 세웁니다.
3. 도구 선택: 각 단계에 적합한 도구를 선택합니다.
4. 실행: 선택한 도구를 사용하여 작업을 수행합니다.
5. 결과 평가: 수행 결과를 평가하고 필요시 계획을 조정합니다.
6. 출력 생성: 최종 결과나 답변을 사용자에게 제공합니다.

단일 에이전트 vs. 멀티 에이전트

멀티 에이전트

 

 

- perplexity : AI + 검색(도구)
- 미래에셋증권 리서치 AI : AI + 검색(도구) + 내부정보 API 호출 (정확한 값)


- Reasoning +Actioning

참고논문 : ReAct: Synergizing Reasoning and Acting in Language Models
https://arxiv.org/abs/2210.03629