이 글은 인공지능 멀티 에이전트 개발 방법을 정리한 것이다.
기술스택
crewai
높은 수준의 프레임워크로 포지셔닝된 CrewAI는 다양한 방식으로 협업할 수 있는 롤플레잉 에이전트로 구성된 "크루"의 생성이 용이하다.
설치는 uv를 이용한다. 참고로, 현재 시점(2025.7)에서 윈도우 버전 설치는 불안정(참고)하며, 우분투 리눅스에 uv로 설치하면 좀 더 쉽게 설치할 수 있다.
uv venv
uv tool install crewai
다음은 관련 예제이다.
Langchain
처음에는 프롬프트 템플릿, RAG 기술을 적용한 챗봇 개발로 시작했으나, 지금은 멀티에이전트 개발을 위한 종합 도구 툴셋으로 발전했다. 다음은 관련 개발 예시이다.
langgraph
엄밀히 말하면 다중 에이전트 프레임워크는 아니지만 LangGraph를 사용하면 그래프 구조를 사용하여 행위자 간의 복잡한 상호 작용을 정의한다.
- MAS development using LangGraph
- RAG Research MAS development using LangGraph
- LangGraph and LangSmith base MAS development
- Research asistant MAS using LangChain and LangGraph
- TradingAgents: Multi-Agents LLM Financial Trading Framework
- LLM Multi-Agents
기타
Autogen: Microsoft에서 개발한 AutoGen은 대화형 접근 방식을 사용하며 다중 에이전트 시스템을 위한 초기 프레임워크 중 하나이다.
Swarm: 멀티에이전트 자율 액션을 지원하는 라이브러리이다.
이외에, MAS using LLM, Swarm, Carmel, Agno 등이 있다.
레퍼런스
- Multi-Agent Report Generation with AgentWorkflow - LlamaIndex
- MAS-GPT: Training LLMs To Build LLM-Based Multi-Agent Systems with paper
- 50배 더 빠른 로컬 LLM 추론을 위한 레시피 | AI & ML 월간
- LLM 에이전트의 이해: 개념, 패턴 및 프레임워크
- 다중 에이전트 AI 애플리케이션을 구축하기 위한 최고의 5가지 프레임워크
- LangGraph 기반 에이전트 시스템
- LLM 기반 다중 에이전트 시스템의 품질 보증 테스트 방법론
- 2024년 다중 에이전트 LLM | SuperAnnotate
- AWS에서 다중 에이전트 시스템을 구축하는 세 가지 방법 - DEV Community
댓글 없음:
댓글 쓰기