Multi Agent

• Multi-Agent System = 여러 에이전트가 각자의 역할·도구·프롬프트를 갖고 협업해 하나의 목표를 달성하는 구조.
• 한 에이전트의 컨텍스트·도구가 폭주할 때, 책임을 나눠 분업 + 위임으로 풀어내는 것이 핵심.

왜 단일 에이전트로 부족한가

• system prompt에 모든 역할(분석가 + 작가 + 검증자)을 욱여넣으면 LLM이 헷갈린다.
• 도구가 너무 많으면 잘못된 도구를 고를 확률이 올라간다.
• 단계별로 다른 모델(GPT-4o for planning, gpt-4o-mini for execution)을 쓰고 싶을 때.

토폴로지 4종

강의자료에서는 큰 흐름을 Single, Sequential, Parallel, Hierarchical로 잡아도 된다.

관련 정리: Agent System Topologies

일반적 설계 절차

1. 단일 에이전트로 시작 → 한계가 보이는 영역을 식별.
2. 역할을 명사로 정의 (Researcher, Coder, Reviewer 등).
3. 각 역할의 입력·출력 계약을 글로 적는다.
4. 처음엔 Supervisor 패턴을 권장 (가장 안정적).
5. 동적이고 자율적인 협업이 필요해지면 Swarm 패턴.

메시지 패싱 모델

• 에이전트 간 통신은 보통 메시지 기반 — 한 에이전트의 출력이 다른 에이전트의 입력 메시지가 된다.
• 공유 메모리 / 블랙보드 패턴으로 모든 에이전트가 같은 상태를 보게 만들 수도 있다.
• LangGraph에서는 messages: Annotated[..., add_messages]를 State에 두면 여러 에이전트의 결과가 순서대로 누적된다.

LangGraph 직렬 배치 예

Mermaid스크롤로 확대 · 드래그로 이동
Copy

직렬 배치는 뉴스 수집 → 주가 조회 → 리포트 생성처럼 앞 단계 결과가 뒤 단계 입력이 되는 작업에 잘 맞는다.

관련: Serial Agent Pipeline

LangGraph 병렬 배치 예

Mermaid스크롤로 확대 · 드래그로 이동
Copy

병렬 배치는 뉴스 수집과 주가 조회처럼 서로 기다릴 필요가 없는 작업에 잘 맞는다.

관련: Parallel Agent Fan-out

흔한 함정

• 무한 핑퐁 — A → B → A → B … 종료 조건이 약하면 발생. max_turns 필수.
• 컨텍스트 폭증 — 에이전트가 늘수록 전체 대화 이력이 거대해진다. 요약·구획화 필요.
• 비용 — 호출 수가 곱셈으로 늘어난다. 모델 다운그레이드, 캐싱이 필수.

관련

• Single Agent — 출발점.
• Agent System Topologies — Single / Sequential / Parallel / Hierarchical 전체 비교.
• Serial Agent Pipeline — 정해진 순서대로 에이전트를 연결.
• Parallel Agent Fan-out — 여러 에이전트를 동시에 실행 후 합류.
• Supervisor 패턴 · Swarm 패턴 · Hierarchical Agent.
• CrewAI · AutoGen · LangGraph · Strands Agents — 구현 프레임워크.