|
| 'AI Agent Hub'를 주제로 나노바나나가 그림. |
AI Agent는 최근 AI 개발에서 중요한 개념 중 하나입니다.
단순한 질문에 답하는 챗봇을 넘어,
스스로 판단하고 도구를 사용하며
실제로 작업을 수행하는 시스템으로 발전하고 있습니다.
AI Agent란 무엇인가?
AI Agent는 사용자의 요청을 받아
문제를 해결하기 위해 행동을 수행하는 시스템입니다.
기존의 LLM과의 차이는 다음과 같습니다.
- LLM : 질문 → 답변
- AI Agent : 목표 → 행동 → 결과
즉, AI Agent는 단순 응답이 아니라
문제를 해결하기 위한 실행 구조를 가지고 있습니다.
AI Agent 기본 구조
AI Agent는 보통 다음과 같은 구조로 이루어집니다.
- LLM : 판단 및 의사결정
- Tools : 외부 기능 실행 (API, 내부 함수 등)
- Memory : 상태 저장
- Control Flow : 작업 흐름 관리
이 구조를 기반으로 Agent는 반복적으로 작업을 수행합니다.
AI Agent 프레임워크 정리
OpenAI Agents SDK,
Google ADK,
LangGraph
제가 학습하고 있는 이 세가지 프레임워크를 톺아보겠습니다.
1. OpenAI Agents SDK
OpenAI의 강력한 언어 모델인 GPT-4를 기반으로
대화형 AI 에이전트를 쉽고 빠르게 개발할 수 있도록 돕는 도구입니다.
이 SDK는 사용자의 질문에 대한 답변을 생성하는 것뿐만 아니라,
다양한 도구와 함수를 호출하여 복잡한 작업을 수행할 수 있도록 지원합니다.
1. 특징 및 기본 개념정리
📚 [ 링크 추가 예정 ]
2. AI Agent 구현
📚 [ 링크 추가 예정 ]
2. Google ADK
Google의 다양한 AI 모델과 기술을 활용하여 에이전트를 개발할 수 있도록 지원하는 프레임워크입니다.
특히 TensorFlow, JAX와 같은 오픈소스 머신러닝 라이브러리와의 통합을 강조하여,
개발자가 자신에게 익숙한 도구를 활용하여 에이전트를 맞춤화할 수 있다는 장점이 있습니다.
1. 특징 및 기본 개념정리
📚 [ 링크 추가 예정 ]
2. AI Agent 구현
📚 [ 링크 추가 예정 ]
3. LangGraph
LangChain을 기반으로 개발된 에이전트 프레임워크로,
에이전트의 행동을 그래프 구조로 시각화하고 관리할 수 있도록 지원합니다.
이는 복잡한 논리와 워크플로우를 필요로 하는 에이전트를 개발할 때 유용하며,
에이전트의 행동을 직관적으로 이해하고 제어할 수 있도록 돕습니다.
1. 특징 및 기본 개념정리
📚 [ 링크 추가 예정 ]
2. AI Agent 구현
📚 [ 링크 추가 예정 ]
AI Agent 학습 로드맵
AI Agent를 학습하려면 다음 순서를 추천합니다.
1. LLM 기본 이해
📚 [ 링크 추가 예정 ]
2. Agent 개념 학습
📚 [ 링크 추가 예정 ]
3. 프레임워크 선택
📚 [ 링크 추가 예정 ]
4. 간단한 Agent 구현
📚 [ 링크 추가 예정 ]
5. 자동화 시스템 적용
📚 [ 링크 추가 예정 ]
마지막 업데이트 : 2026. 03. 23.