AI 에이전트 시작하기 과정에 오신 것을 환영합니다! 이 과정에서는 AI 에이전트 구축을 위한 기본 사항과 샘플 애플리케이션을 제공합니다.
회원 가입하기 Azure AI Discord 커뮤니티 다른 학습자, AI 에이전트 빌더를 만나고 이 과정에 대해 궁금한 점이 있으면 질문하세요.
이 과정을 시작하려면 먼저 AI 에이전트가 무엇이며 구축된 애플리케이션과 워크플로우에서 이를 사용하는 방법에 대해 더 잘 이해해야 합니다.
개요
이 과정에서는 다음을 다룹니다:
- AI 에이전트란 무엇이며 에이전트의 종류에는 어떤 것이 있나요?
- AI 에이전트의 가장 좋은 사용 사례는 무엇이며 어떻게 도움을 줄 수 있나요?
- 에이전트 솔루션을 설계할 때 기본 구성 요소에는 어떤 것이 있나요?
학습 목표
이 과정을 완료하면 다음과 같이 할 수 있습니다:
- AI 에이전트의 개념과 다른 AI 솔루션과의 차이점을 이해합니다.
- AI 에이전트를 가장 효과적으로 활용하고 있습니다.
- 사용자와 고객을 위해 에이전트 솔루션을 효율적으로 설계하세요.
AI 에이전트 정의 및 AI 에이전트의 유형
AI 에이전트란 무엇인가요?
AI 에이전트 예시스템다음과 같이 만듭니다.대규모 언어 모델(LLM) 통과 가능액세스 도구노래로 응답지식 관련의 기능을 확장하여실행 가능한 작업.
이 정의를 좀 더 세분화해 보겠습니다:
- 시스템 - 에이전트를 단일 구성 요소가 아닌 여러 구성 요소로 이루어진 시스템으로 생각하는 것이 중요합니다. 기본 수준에서 AI 에이전트의 구성 요소는 다음과 같습니다:
- 매트릭스 - AI 에이전트가 작동하는 정의된 공간입니다. 예를 들어 여행 예약 AI 에이전트가 있는 경우 환경은 AI 에이전트가 작업을 완료하는 데 사용하는 여행 예약 시스템일 수 있습니다.
- 트랜스듀서 - 환경에는 정보가 있고 피드백을 제공하며, AI 에이전트는 센서를 사용하여 환경의 현재 상태에 대한 이 정보를 수집하고 해석합니다. 여행 예약 에이전트 예제에서 여행 예약 시스템은 호텔 예약 가능 여부나 항공권 가격 등의 정보를 제공할 수 있습니다.
- 액추에이터 - AI 에이전트가 환경의 현재 상태를 수신하면 현재 작업에 대해 에이전트는 환경을 변경하기 위해 수행해야 할 작업을 결정합니다. 여행 예약 에이전트의 경우 사용자를 위해 사용 가능한 객실을 예약할 수 있습니다.

매크로 언어 모델 - 에이전트의 개념은 LLM이 만들어지기 이전부터 존재했습니다. LLM을 사용하여 AI 에이전트를 구축할 때의 장점은 인간의 언어와 데이터를 해석할 수 있다는 점입니다. 이 능력을 통해 LLM은 환경에 대한 정보를 해석하고 환경 변경 계획을 정의할 수 있습니다.
실행 가능한 작업 - AI 에이전트 시스템 외부에서 LLM은 사용자 프롬프트에 따라 콘텐츠나 정보를 생성하는 작업으로 제한됩니다. AI 에이전트 시스템에서 LLM은 사용자 요청을 해석하고 해당 환경에서 사용 가능한 도구를 사용하여 작업을 수행할 수 있습니다.
액세스 도구 - LLM이 액세스할 수 있는 도구는 1) 실행되는 환경과 2) AI 에이전트의 개발자에 의해 정의됩니다. 여행사의 예에서 에이전트의 도구는 예약 시스템에서 사용할 수 있는 작업에 따라 제한되거나 개발자가 에이전트의 도구 액세스를 항공편으로 제한할 수 있습니다.
지식 관련 - AI 상담원은 환경이 제공하는 정보 외에도 다른 시스템, 서비스, 툴, 심지어 다른 상담원으로부터 지식을 검색할 수 있습니다. 여행사의 예에서 이러한 지식은 고객 데이터베이스에 있는 사용자의 여행 선호도에 대한 정보일 수 있습니다.
다양한 유형의 에이전트
이제 AI 상담원에 대한 일반적인 정의를 살펴보았으니 몇 가지 구체적인 상담원 유형과 여행 예약 AI 상담원에게 어떻게 적용되는지 살펴보겠습니다.
상담원 유형 | 설명 | 일반적인 예 |
---|---|---|
단순 반사 에이전트 | 미리 정의된 규칙에 따라 즉각적인 작업을 수행합니다. | 여행사는 이메일의 문맥을 해석하여 여행 불만 사항을 고객 서비스 센터로 전달합니다. |
모델 기반 리플렉션 에이전트 | 월드 모델 및 해당 모델에 대한 변경 사항을 기반으로 작업을 수행합니다. | 여행사는 과거 가격 데이터에 대한 액세스를 기반으로 가격 변동이 큰 노선의 우선 순위를 정합니다. |
목표 기반 에이전트 | 목표를 설명하고 이를 달성하기 위한 조치를 파악하여 특정 목표를 달성하기 위한 계획을 세웁니다. | 여행사는 현재 위치에서 목적지까지 필요한 이동 수단(자동차, 대중교통, 항공편)을 결정하여 여행을 예약합니다. |
유틸리티 기반 에이전트 | 선호도를 고려하고 장단점을 수치로 비교하여 목표를 달성하는 방법을 결정하세요. | 여행사는 여행 예약 시 편의성과 비용을 비교하여 효용을 극대화합니다. |
학습 에이전트 | 피드백에 응답하고 그에 따라 조치를 조정하여 지속적으로 개선합니다. | 여행사는 여행 후 설문조사에서 얻은 고객 피드백을 활용하여 향후 예약을 조정함으로써 개선합니다. |
레이어 에이전트 | 여러 상담원이 있는 계층적 시스템에서는 상위 상담원이 하위 상담원이 완료할 수 있도록 작업을 하위 작업으로 분해합니다. | 여행 상담원은 특정 예약 취소와 같이 하위 작업으로 작업을 나누어 하위 상담원이 완료하도록 한 다음 상위 상담원에게 보고하는 방식으로 여행을 취소할 수 있습니다. |
멀티 에이전트 시스템(MAS) | 상담원은 협력 또는 경쟁을 통해 독립적으로 작업을 완료합니다. | 협업: 여러 상담원이 호텔, 항공편, 엔터테인먼트 등 특정 여행 서비스를 예약합니다. 경쟁: 여러 상담원이 공유 호텔 예약 캘린더를 관리하고 고객을 위해 호텔을 예약하기 위해 경쟁합니다. |
AI 에이전트 사용 시기
이전 섹션에서는 여행사 사용 사례를 사용하여 다양한 여행 예약 시나리오에서 다양한 유형의 여행사를 사용하는 방법을 설명했습니다. 앞으로도 이 과정을 통해 이 애플리케이션을 계속 사용할 것입니다.
AI 에이전트를 사용하기에 가장 적합한 사용 사례의 유형을 살펴보겠습니다:

- 개방형 질문 - 작업을 완료하는 데 필요한 단계를 항상 워크플로에 하드코딩할 수는 없으므로 LLM이 결정할 수 있도록 허용합니다.
- 다단계 프로세스 - AI 에이전트가 한 번의 검색이 아닌 여러 차례에 걸쳐 도구나 정보를 사용해야 하는 일정 수준의 복잡성이 요구되는 작업입니다.
- 시간 경과에 따른 개선 사항 - 상담원은 더 나은 유용성을 제공하기 위해 환경이나 사용자로부터 피드백을 받아 시간이 지남에 따라 작업을 개선할 수 있습니다.
신뢰할 수 있는 AI 에이전트 구축하기 과정에서 AI 에이전트 사용 시 고려해야 할 사항에 대해 자세히 다룰 예정입니다.
에이전트 솔루션 기본 사항
에이전트 개발
AI 에이전트 시스템을 설계하는 첫 번째 단계는 도구, 운영 및 동작을 정의하는 것입니다. 이 과정에서는 다음을 사용하는 데 중점을 둡니다. Azure AI 에이전트 서비스 다음과 같은 기능을 제공합니다:
- OpenAI, 미스트랄, 라마와 같은 개방형 모델 선택
- 트립어드바이저와 같은 제공업체를 통한 라이선스 데이터 사용
- 표준화된 OpenAPI 3.0 도구 사용
에이전트 모드
LLM과의 커뮤니케이션은 프롬프트를 통해 이루어집니다. AI 에이전트의 반자율적 특성을 고려할 때 환경이 변경된 후 LLM에 수동으로 프롬프트를 다시 보내는 것이 항상 가능하거나 필요한 것은 아닙니다. 저희는 에이전트 모드이를 통해 보다 확장 가능한 방식으로 여러 단계에 걸쳐 LLM을 유도할 수 있습니다.
이 과정은 현재 인기 있는 에이전트 패턴 몇 가지로 나뉩니다.
에이전트 프레임워크
에이전트 프레임워크를 사용하면 개발자가 코드를 통해 에이전트 패턴을 구현할 수 있습니다. 이러한 프레임워크는 템플릿, 플러그인 및 도구를 제공하여 AI 에이전트 협업을 개선할 수 있도록 지원합니다. 이러한 이점은 AI 에이전트 시스템을 더 잘 관찰하고 문제를 해결할 수 있는 기능을 제공합니다.
이 과정에서는 연구 중심의 자동 생성 프레임워크와 시맨틱 커널의 프로덕션 지원 에이전트 프레임워크입니다.
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...