Home

Agent는 맥락 유지대화의 흐름과 핵심 정보의 지속적 파알을 위해 short-term memory, long-term memory를 구현한다

Agent의 평가는 AI Agent 특성상 단순한 정답 비교(pass, fail) 방식이 아니라 agent가 어떤 과정을 통해 답을 만들었는지 평가해야한다. 전통적인 unit test는 deterministic 하지만 LLM 기반 agent는 확률적이므로, 의사결정 과제 자체를 평가한다.

Multi Agent Systems는 자율적인 Agent가 협력하여 목표를 달성하는 시스템으로, Decentralized Control, Local Views, Emergent Behavior 세 가지 주요 특징을 가지고 있다

Agent Development Kit(ADK)는 AI Agent를 개발하고 배포하기 위한 유연한 모듈식의 프레임워크로, Gemini와 Google 생태계에 최적화되어 있지만, 특정 모델이나 배포 방식에 종속되지 않으며, 다른 프레임워크와의 호환성을 염두에 두고 설계되었다.

angGraph는 LangChain 생태계 안에서 개발된 AI Agent 워크플로우 오케스트레이션 프레임워크로, 단순 Chain이나 Prompt기반 흐름보다 더 복잡하고 유연한 제어 흐름을 지원한다

gentic RAG는 기존 RAG를 기반으로, 동적으로 작업을 실행할 수 있는 자율적인 의사 결정 주체인 Agent를 도입한 것으로 단순히 데이터 검색과 응답 생성에 그치는 것이 아니라, Agent가 자율적으로 계획을 세우고 의사결정을 내리며 외부 도구와 협력해 최적의 결과 제공한다

Agentic Design Patterns는 AI모델이 더 자율적으로 작동하도록 하는 설계 패턴으로, 기존 단일 프롬프트 방식과는 달리, 에이전트 기반 접근 방식에서는 AI가 작업을 단계적으로 처리하고 각 단계를 반복적으로 개선하도록 설계된다

AI Agent란 주변 환경을 인식하고, 정보를 처리하고, 결정을 내리고, 목표를 달성하기 위해 행동하는 소프트웨어 기반 시스템