[LLM] AI 에이전트(Agents): RAG를 넘어 자율적인 AI 시스템으로

1. AI 에이전트 개요 (Agent Overview)

에이전트(Agent)란?

"환경을 인식하고 그에 따라 행동할 수 있는 시스템" (Russell & Norvig, 1995)

AI 에이전트의 핵심 개념

• 환경(Environment) → 에이전트가 상호작용하는 공간 (예: 인터넷, 파일 시스템, 데이터베이스 등)
• 행동(Actions) → 에이전트가 수행할 수 있는 작업 (예: 검색, SQL 실행, 데이터 분석)

예제: 다양한 유형의 AI 에이전트

에이전트 유형	환경	수행 가능한 작업
게임 에이전트	게임 세계 (Minecraft, Go, Dota)	게임 내에서 자동 행동
웹 스크래핑 에이전트	인터넷	웹에서 정보 수집
요리 로봇	주방	요리 수행
자율주행 에이전트	도로 시스템	차량 운전
RAG 에이전트	검색 엔진, 데이터베이스	정보 검색, 문서 요약, SQL 실행

에이전트는 환경과 도구(Tools)에 따라 수행할 수 있는 작업이 결정됨!

---

2. AI 에이전트의 구조와 도구 활용 (Agent and Tools)

대부분의 AI 에이전트는 외부 도구(Tools)를 활용하여 작업을 수행한다!

• ChatGPT 같은 AI는 기본적으로 "텍스트 생성"이라는 도구만 사용
• 하지만, RAG 기반 AI 에이전트는 검색 도구, SQL 실행 도구 등을 추가로 활용 가능

SWE-Agent (Yang et al., 2024) 예제

• 환경(Environment) → 컴퓨터 파일 시스템
• 도구(Tools) → 검색, 파일 탐색, 파일 편집 가능

SWE-Agent의 동작 방식

• AI가 명령을 받아 파일 시스템을 탐색하고, 파일을 편집하며, 데이터를 검색

에이전트는 단순한 챗봇이 아니라, "작업을 수행하는 AI"로 발전하고 있다! 🚀

---

3. RAG 시스템과 에이전트의 결합 (RAG + Agents)

예제: RAG 기반 에이전트가 SQL 데이터 분석을 수행하는 과정

질문: "Fruity Fedora의 향후 3개월 매출을 예측해줘"

AI 에이전트의 단계별 작업 수행

1. 질문을 분석하고 해결 방법 결정

• AI는 과거 매출 데이터를 분석해야 미래 예측이 가능하다고 판단

2. SQL 쿼리 생성(SQL Generation)

• 매출 데이터를 가져오기 위한 SQL 쿼리를 생성

3. SQL 쿼리 실행(SQL Execution)

• SQL을 실행하여 매출 데이터를 검색

4. 결과를 해석하고 최종 예측 수행

• AI가 데이터가 충분하지 않으면 추가적인 분석 방법을 고려

이점:

• AI가 단순한 답변을 제공하는 것이 아니라, "목표를 수행하는 과정"까지 포함
• 에이전트가 스스로 데이터를 분석하고, 필요한 정보를 찾으며, 더 나은 결정을 내릴 수 있음

---

4. 결론: AI 에이전트가 바꾸는 미래

• AI 에이전트는 "검색 + 분석 + 실행"이 가능한 차세대 AI 시스템
• RAG와 결합하면, 단순한 검색 AI가 아니라 "의사결정을 수행하는 AI"로 진화 가능
• 미래에는 AI가 단순한 정보를 제공하는 것이 아니라, 실제 업무까지 자동화할 것!