Microsoft AI 에이전트 시작하기: AI 에이전트 및 에이전트 사용 사례 소개

코스 정보6개월 전 업데이트 AI 공유 서클

9.9K 00

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.

微软 AI Agent 入门课程：AI Agents 和 Agent 应用案例介绍

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.