Lesson 1.2: 왜 AI 에이전트가 필요한가? (강의 내용 요약)
이 파트의 핵심은 "기존의 프롬프트 엔지니어링 방식만으로는 복잡한 문제를 해결하기 어려우며, AI 에이전트가 그 한계를 뛰어넘는 해결책이다" 라는 점입니다.
1. 프롬프트 엔지니어링에서 에이전트로의 발전
AI와 소통하는 방식은 다음과 같이 발전해왔습니다.
- 1단계: 프롬프트 엔지니어링 (Prompt Engineering)
- LLM이 원하는 답변을 하도록 질문(프롬프트)을 매우 정교하고 구체적으로 작성하는 기술입니다.
- "너는 A전문가야. B관점에서 C형식으로 답변해줘" 와 같이 지시사항을 상세하게 주는 방식이죠.
- 여기에는 LLM이 생각하는 과정을 따라가도록 유도하는 '사고의 연쇄(Chain-of-Thought)' 프롬프팅도 포함됩니다.
- 2단계: 체인 (Chains)
- 하나의 긴 프롬프트가 아니라 여러 개의 프롬프트와 LLM 호출, 도구 사용 등을 순서대로 엮어서(chaining) 하나의 작업을 처리하는 방식입니다.
- 예를 들어 (1) 웹에서 정보 검색 -> (2) 검색 내용 요약 -> (3) 요약본을 바탕으로 이메일 초안 작성. 이처럼 정해진 순서대로 작업을 진행합니다.
- 3단계: 에이전트 (Agents)
- 단순히 정해진 순서(Chain)를 따르는 것을 넘어 LLM이 스스로 계획하고, 행동하며, 여러 번의 시도를 통해 목표를 달성하는 시스템입니다.
- 프롬프트 엔지니어링과 체인의 능력을 기반으로 하지만, 훨씬 더 동적이고 자율적으로 움직입니다.
2. 프롬프트 엔지니어링을 넘어서야 하는 이유
- 프롬프트 엔지니어링의 한계:
- 작업이 복잡해지고, 여러 단계의 추론이 필요할수록 프롬프트가 너무 길어지고 복잡해집니다.
- 이렇게 되면 LLM이 지시를 제대로 이해하지 못해 답변의 정확도가 떨어지는 경향이 있습니다.
- AI 에이전트의 등장:
- AI 에이전트는 이런 한계를 뛰어넘습니다. 정해진 프롬프트를 벗어나 동적으로 문제를 해결하고, 스스로 추론하고 계획하며, 필요한 도구를 사용하는 복잡한 작업 흐름을 처리할 수 있습니다.
- 특히 '사고의 연쇄(CoT)' 방식보다 환각(hallucination, 틀린 정보를 사실처럼 말하는 현상)과 오류를 줄여 훨씬 신뢰도 높은 결과를 만들어냅니다. 어떻게 이게 가능할까요? 바로 아래 두 가지 강력한 기능 덕분입니다.
AI 에이전트의 강력함: ① 순환과 반복 (Cycles and Loops)
- 순차적인 '체인'과의 차이점:
- 체인은 A -> B -> C 순서로 한 번만 실행되고 끝나지만, 에이전트는 작업을 다시 방문(revisit)하거나 실패한 행동을 재시도(retry)하고, 결과를 개선하기 위해 반복(iterate)할 수 있습니다.
- 슬라이드 속 그림처럼 [추론(Reasoning) → 도구 사용(Tools) → 관찰(Observation)] 이라는 사이클을 계속 반복하며 목표에 다가갑니다. 이것이 에이전트에게 유연성과 적응성을 부여합니다.
- 예시: 여러 웹사이트에서 데이터를 수집(scraping)하라는 임무를 받았다고 가정해봅시다.
- 체인 방식: 첫 번째 웹사이트 수집에 실패하면, 작업이 그대로 멈출 수 있습니다.
- 에이전트 방식: 첫 번째 사이트에서 실패하면, "아, 이 방법은 안되는구나" 라고 관찰하고, "다른 방법으로 시도해보자"고 추론해서 성공할 때까지 반복합니다.
이해했는지 확인해볼까요?
- 질문: 단순히 프롬프트를 길고 정교하게 짜는 것(프롬프트 엔지니어링)과 AI 에이전트의 가장 큰 차이점은 무엇일까요?
- 답변: 가장 큰 차이는 '자율성'과 '유연성' 입니다. 프롬프트 엔지니어링은 정해진 지시를 한 번에 따르는 것이지만, AI 에이전트는 정해진 순서 없이 스스로 계획을 세우고, 실패하면 다른 방법을 시도하며(Cycles/Loops), 자신의 결과물을 평가하고 수정(Reflection)할 수 있습니다.
AI 에이전트의 강력함: ② 성찰 (Reflection)
- 성찰과 지속적인 개선:
- 에이전트는 자신이 만들어낸 결과물을 스스로 또는 다른 에이전트의 평가를 통해 수정하고 개선할 수 있습니다.
- 이것은 마치 사람이 초고를 쓴 뒤, 다시 읽어보며 퇴고하는 과정과 같습니다.
- 예시: "AI 에이전트"에 대한 블로그 글을 작성하는 상황
- 에이전트 A (작가): 블로그 글의 초안(Draft)을 작성합니다.
- 에이전트 B (비평가): 초안을 읽고 "이 부분 설명이 부족해", "예시를 더 넣어줘" 와 같은 피드백(Critique & Provide Feedback)을 줍니다.
- 에이전트 A (작가): 피드백을 바탕으로 글을 수정합니다.
- 이 과정은 블로그 글이 원하는 품질 기준을 충족할 때까지 계속 반복됩니다.
이해했는지 확인해볼까요?
- 질문: 에이전트가 '성찰(Reflection)'을 한다는 것은 구체적으로 어떤 의미인가요? 방금 본 블로그 글 예시로 설명해볼 수 있을까요?
- 답변: 네, 에이전트에게 'AI 에이전트에 대한 블로그 글을 써줘'라고 시켰을 때, 에이전트는 초안을 작성한 뒤 스스로 또는 다른 에이전트를 통해 '이 글이 독자가 이해하기 쉬운가?', '빠진 내용은 없는가?'라고 평가합니다. 만약 부족한 점이 있다면, 그 점을 보완해서 글을 수정하는 과정을 반복하는데, 이것이 바로 '성찰(Reflection)'입니다.
정리
이번 강의를 통해 우리는 왜 'AI 에이전트'가 필요한지 알게 되었습니다. 복잡하고 동적인 문제를 해결하기 위해 정해진 길만 가는 '체인'을 넘어 실패를 극복하고(Cycles), 스스로를 돌아보며 성장하는(Reflection) 능력이 필요하기 때문입니다.
728x90
LIST