📌 LLM 어플리케이션 10편: 멀티 에이전트 - AI들의 협업

BQ개발자입니다.

지난 편에서 에이전트가 스스로 생각하고 행동하는 방법을 배웠습니다.
그런데 실무에서는 더 복잡한 상황에 직면합니다.

📱 LLM 어플리케이션 9편: 에이전트 - 생각하는 AI의 탄생

🤔 컨텍스트 희석 문제

"우리 회사 고객 중 최근 3개월간 구매가 줄어든 VIP 고객들에게 맞춤형 마케팅 전략을 수립해줘"

이 요청을 처리하려면 CRM 데이터 조회, 구매 패턴 분석, 마케팅 전략 수립, 개인화 메시지 작성이 모두 필요합니다.

단일 에이전트에게 이 모든 것을 시키면 프롬프트가 이렇게 됩니다:
"너는 CRM 전문가이면서 데이터 분석가이고 마케팅 전략가이며 카피라이터다. CRM 도구는 이렇게 쓰고, 분석은 이렇게 하고, 마케팅은..."

프롬프트가 길어질수록 각 역할의 지시사항이 희석됩니다.
LLM은 모든 역할을 동시에 수행하려다 어느 것도 제대로 못하게 되는거죠.

🤝 컨텍스트 분리를 통한 전문화

멀티 에이전트는 이 문제를 컨텍스트 분리로 해결하려는 방법론입니다.

CRM 전담 에이전트
- 프롬프트: "너는 Salesforce CRM 전문가다. API를 통해 고객 데이터를 조회하고..."

• 오직 CRM 관련 지시사항만 포함

분석 전담 에이전트
- 프롬프트: "너는 고객 행동 분석 전문가다. 구매 패턴을 분석하고..."

• 오직 분석 관련 지시사항만 포함

각 에이전트가 자신의 역할에만 집중하니 훨씬 정확한 결과가 나오는 것을 유도하는거죠.

📊 커맨더 패턴의 작동

중앙 조율 에이전트가 작업을 분배하는 구조를 살펴보겠습니다.

사용자 요청이 들어오면 커맨더 에이전트가 먼저 작업을 분해합니다.
"VIP 고객 데이터가 필요하다" → CRM 에이전트에게 전달
"구매 패턴 분석이 필요하다" → 분석 에이전트에게 전달

CRM 에이전트가 데이터를 추출하면, 그 결과를 분석 에이전트가 받아서 처리합니다.
분석 결과를 바탕으로 마케팅 에이전트가 전략을 수립하게 되구요.

커맨더는 이 모든 과정을 조율하고 최종 결과를 통합합니다.
작업의 순서와 의존성을 관리하는 것이 커맨더의 핵심 역할입니다.

📡 브로드캐스트 패턴의 병렬성

때로는 순차 처리보다 동시 처리가 효율적일때도 있습니다.

"신제품 출시 준비 상황을 점검해줘"

이 요청은 여러 부서의 독립적인 확인이 필요합니다.
모든 에이전트가 동시에 요청을 받고 각자의 영역을 점검합니다.

시장조사 에이전트는 타겟 시장을 분석하고,
가격 에이전트는 가격 전략을 검토하며,
운영 에이전트는 재고와 물류를 확인합니다.

각 에이전트의 답변이 모이면 통합 에이전트가 전체 그림을 그립니다.
순차적으로 처리했다면 30분 걸릴 작업이 5분 만에 완료됩니다.

💬 컨버세이셔널 패턴의 집단 지성

에이전트들이 서로 대화하면서 답을 찾아가는 과정도 있습니다.

코드 리뷰 상황을 생각해보죠.

코드분석 에이전트가 "23번 줄에 null 참조 가능성"을 지적합니다.
보안 에이전트가 "45번 줄의 SQL 인젝션이 더 심각한 문제"라고 반박합니다.
성능 에이전트가 "67번 줄의 루프 구조도 확인 필요"라고 추가합니다.

이때 코드분석 에이전트가 67번 줄을 재검토하고 "종료 조건이 있으니 문제없다"고 정정합니다.
최종 결정 에이전트가 우선순위를 정해 "SQL 인젝션부터 수정"이라고 결론 내립니다.

서로 다른 관점이 충돌하고 조정되면서 더 정확한 답에 도달하는 것이죠.

🎯 프롬프트 충돌이 사라진 이유

단일 에이전트에서 "너는 보안 전문가이면서 성능 전문가"라고 하면,
보안을 위해 검증을 강화하라는 지시와 성능을 위해 검증을 줄이라는 지시가 충돌합니다.

멀티 에이전트에서는 보안 에이전트가 "모든 입력을 검증하라"고 하고,
성능 에이전트가 "캐싱으로 속도를 높여라"고 각자 제안합니다.
조율 에이전트가 "중요 데이터만 검증하고 나머지는 캐싱"이라는 균형점을 찾습니다.

역할이 분리되니 지시사항도 명확해지고, 충돌도 명시적으로 해결됩니다.

🔄 실제 성능 차이

동일한 작업을 수행했을 때의 차이를 보겠습니다.

"우리 회사 내년 사업 계획 수립" 요청에 대해:

단일 에이전트

• 프롬프트 길이: 5,000 토큰 (모든 지시사항 포함)
• 처리 시간: 45초

• 결과: 일반적이고 추상적인 계획

멀티 에이전트

• 각 프롬프트: 500-800 토큰 (역할별 특화)
• 병렬 처리 시간: 15초

• 결과: 부서별 구체적 실행 계획 포함

프롬프트가 짧아지니 각 에이전트가 자신의 역할을 더 잘 이해할 수 있겠죠?.
병렬 처리로 시간도 단축되고, 결과물의 구체성도 높아집니다.

💡 컨텍스트 분리가 만드는 전문성

멀티 에이전트의 본질은 "여러 AI를 쓰는 것"이 아니라고 생각합니다

각 에이전트의 컨텍스트를 분리해서,
하나의 역할에 완전히 집중하게 만드는 거죠.

이렇게 하면 프롬프트 충돌이 사라지고,
각 전문 영역에서 최고의 성능을 발휘한다고해요

결과적으로 전체 시스템의 정확도와 효율성이 모두 향상되구요

인간 조직도 전문가들이 협업할 때 최고의 성과를 내는 것처럼,
AI도 전문화와 협업을 통해 한 단계 높은 지능을 구현하고 있다고 하는데요

그런데 이런 복잡한 협업 과정을 어떻게 체계적으로 관리할 수 있을까요?
다음 편에서는 "오케스트레이션 - 복잡한 워크플로우 관리"를 알아보겠습니다.

---

여러분의 좋아요와 공유는 사랑입니다 🥰