요약: 에이전트 디자인 패턴은 언어 모델(LLM)이 스스로 계획하고, 위임하고, 검토하는 방식을 구조화하는 재사용 가능한 방법입니다. Anthropic과 Google 모두 공식 가이드를 발표했으며, 내용은 대체로 일치합니다. 진정한 기술은 패턴을 암기하는 것이 아니라, 작업을 해결하는 가장 간단한 패턴을 선택한 다음, 효과가 있을 때만 구조를 추가하는 것입니다.

에이전트 디자인 패턴이란 무엇인가?

에이전트 디자인 패턴은 에이전트 시스템을 구성하기 위한 일반적인 아키텍처 접근 방식입니다. 모델이 도구와 어떻게 연결되는지, 그리고 하나 이상의 에이전트가 작업을 완료하도록 어떻게 오케스트레이션(orchestrate)하는지를 다룹니다 (Google Cloud). Anthropic은 같은 아이디어를

Google의 가이드는 두 곳에 있습니다. Agent Development Kit (ADK)에서 8가지 멀티 에이전트 패턴을 다룬 Developer Blog 게시물(Google Developers)과, 트레이드오프 및 의사결정표를 추가한 Cloud Architecture Center 문서(Google Cloud)입니다. Anthropic의 가이드는 단일 엔지니어링 게시물인 "Building Effective Agents"(Anthropic)로 되어 있습니다. 이름들이 어떻게 매칭되는지 아래에 정리했습니다.

두 가이드가 반복하는 하나의 규칙

간단하게 시작하라. Anthropic은 가능한 가장 간단한 솔루션을 찾고, 결과(outcomes)를 명확히 개선할 때만 복잡성을 추가해야 한다고 말합니다. Google은 단일 에이전트로 시작하여 프롬프트와 도구를 다듬고, 하나의 에이전트가 어려움을 겪기 시작할 때만 멀티 에이전트 설계를 고려하라고 합니다. 그 이유는 비용과 신뢰성 때문입니다. 멀티 에이전트 시스템은 훨씬 더 많은 모델 호출을 사용할 수 있으며, 추가되는 모든 모델 호출은 지연 시간(latency), 비용, 그리고 오류가 누적될 새로운 지점을 추가합니다.

패턴을 추가하기 전에 유용한 테스트: 이 작업이 좋은 검색(retrieval)과 몇 가지 예시만으로 단일 모델 호출로 실행될 수 있습니까? 그렇다면 에이전트 자체가 필요하지 않습니다(Google Cloud).

패턴들, 각 기사별로

아래의 각 링크는 짧고 삽화가 포함된 가이드이며, 애니메이션 다이어그램과 함께 언제 사용해야 하는지, 언제 사용하지 말아야 하는지, 그리고 알려진 실패 모드(failure modes)를 설명합니다.

1. Augmented LLM: 검색(retrieval), 도구(tools), 메모리(memory)를 갖춘 하나의 모델이 기반이 됩니다.
2. Prompt Chaining: 고정된 단계들로, 각 단계가 다음 단계에 정보를 전달합니다.
3. Routing: 입력을 분류(classify)한 후 전문가에게 보냅니다.
4. Parallelization: 서브태스크를 동시에 실행하고, 그 결과를 병합합니다.
5. Orchestrator-Workers: 런타임(runtime)에 서브태스크를 결정하고 위임합니다.
6. Evaluator-Optimizer: 루프(loop) 내에서 생성(generate), 비평(critique), 개선(refine)합니다.
7. Autonomous Agents: 모델이 제어권을 갖는 ReAct 루프입니다.
8. Human-in-the-Loop: 사람이 위험도가 높은 단계를 승인합니다.
9. Swarm: 중앙 관리자 없이 토론하고 수렴하는 동료 에이전트들입니다.
10. Composite Patterns: 실제 시스템들이 기본 패턴들을 어떻게 결합하는지 보여줍니다.

실제로 선택하는 방법

그룹화할 때 작업의 형태에 따라 결정하세요 (Google Cloud). 단계가 알려져 있고 고정되어 있다면, 이는 워크플로우 영역입니다: 순차적(sequential), 병렬적(parallel) 또는 정제 루프(refinement loop). 모델이 런타임에 계획하고 결정해야 한다면, 동적 오케스트레이션(dynamic orchestration)이 필요합니다: 단일 에이전트(single agent), 코디네이터(coordinator), 계층적 분해(hierarchical decomposition) 또는 스웜(swarm). 피드백 사이클에서 품질이 나오는 경우, ReAct, 루프(loop) 또는 생성자-비평가(generator-critic)를 사용하세요. 작업에 실제 위험이 따르는 경우, 기본 패턴과 관계없이 인간 개입 지점(human-in-the-loop checkpoint)을 추가하세요.

FAQ

Google과 Anthropic의 에이전트 패턴은 다른가요?
대부분 그렇지 않습니다. 이름만 다를 뿐, 형태는 같습니다: 체이닝(chaining)은 순차적 파이프라인(sequential pipeline)을 의미하고, 라우팅(routing)은 코디네이터(coordinator)를 의미하며, 그 외에도 마찬가지입니다. Google은 Anthropic이 명명하지 않은 스웜(swarm)과 같은 몇 가지 다중 에이전트 패턴을 추가합니다.

워크플로우와 에이전트의 차이는 무엇인가요?
워크플로우에서는 제어 흐름(control flow)이 코드로 작성되므로 예측 가능합니다. 반면, 에이전트에서는 모델이 런타임에 제어 흐름을 결정하므로 유연하지만 비용이 더 들고 디버깅하기 어렵습니다 (Anthropic).

이 패턴들을 사용하기 위해 프레임워크가 필요한가요?
아닙니다. Anthropic은 많은 패턴이 몇 줄의 코드로만 구현되기 때문에 직접 API 호출로 시작할 것을 권장합니다. Google ADK와 같은 프레임워크는 다중 에이전트 오케스트레이션(multi-agent orchestration)으로 표준화했을 때 도움이 됩니다.

어떤 패턴부터 시작해야 할까요?
증강된 단일 LLM입니다. 그 단일 에이전트만으로는 측정 가능한 부족함이 있을 때만 다른 패턴을 추가하세요.

출처

출처

• Anthropic, Building Effective Agents: https://www.anthropic.com/engineering/building-effective-agents
• Google Developers Blog, Developer's guide to multi-agent patterns in ADK: https://developers.googleblog.com/developers-guide-to-multi-agent-patterns-in-adk/
• Google Cloud Architecture Center, Choose a design pattern for your agentic AI system: https://docs.cloud.google.com/architecture/choose-design-pattern-agentic-ai-system
• Google Agent Development Kit docs: https://google.github.io/adk-docs/