Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ContextAgent는 컨텍스트 관리에 중점을 둔 경량의 멀티 에이전트 시스템 프레임워크입니다. 각 에이전트를 단순히 다른 컨텍스트를 가진 LLM으로 간주하여 복잡성을 줄였습니다. PyTorch와 유사한 API로 구축되어 개발자가 최소한의 코드로 정교한 멀티 에이전트 시스템을 구현할 수 있게 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Research의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기컨텍스트 중심의 멀티 에이전트 프레임워크 (A Context-Central Multi-Agent Framework)
Notion Blog
Documentation
DeepWiki
Discord
ContextAgent는 쉬운 컨텍스트 엔지니어링을 위해 설계된 경량의, 컨텍스트 중심 멀티 에이전트 시스템 프레임워크입니다. 각 에이전트의 컨텍스트를 효율적으로 관리하는 데 중점을 두며, 단순화되고 중앙 집중식 컨텍스트 연산을 통해 모든 에이전트를 연결합니다. 기존의 멀티 에이전트 프레임워크와 달리, ContextAgent는 에이전트를 단순히 다른 컨텍스트를 가진 LLM으로 취급하여 불필요한 복잡성을 제거했습니다. PyTorch와 유사한 API로 구축되어 개발자는 최소한의 코드로 정교한 멀티 에이전트 시스템을 만들 수 있습니다.
BasePipeline을 상속하고, 비동기 run()을 정의하며, 추적(tracing)을 위해 @autotracing을 사용합니다.데이터 과학 파이프라인 (Data Science Pipeline)
Data Science Demo
웹 리서치 파이프라인 (Web Research Pipeline)
Web Research Demo
GUI 제어판 (GUI Control Panel)
GUI Control Panel Demo
본 프로젝트는 빠르고 안정적인 패키지 관리를 위해 uv를 사용합니다.
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
더 많은 옵션을 보려면 uv 설치 가이드를 참조하세요.
# 저장소 복제
git clone https://github.com/context-machine-lab/contextagent.git
cd contextagent
...
ContextAgent는 LLM 제공업체의 API 키를 필요로 합니다. .env 파일에 환경을 설정하세요:
# 예시 환경 파일 복사
cp .env.example .env
# .env 파일을 편집하고 API 키 추가
완벽한 구성 옵션은 .env.example를 참조하세요.
저장소를 복제하지 않고도 ContextAgent를 PyPI에서 직접 설치할 수 있습니다:
pip install contextagent
참고: LLM 제공업체의 API 키는 여전히 .env 파일에 구성해야 합니다.
사전 구성된 예제 파이프라인으로 ContextAgent를 사용해 보세요:
데이터 과학 파이프라인 (Data Science Pipeline) - 데이터 분석 및 모델 구축을 위한 자동화 ML 파이프라인:
uv run python -m examples.data_science
웹 리서치 파이프라인 (Web Research Pipeline) - 정보 추출을 포함한 검색 기반 리서치:
uv run python -m examples.web_researcher
사용자 코드에서 ContextAgent를 사용하는 방법은 다음과 같습니다:
from pipelines.data_scientist import DataScientistPipeline, DataScienceQuery
# 설정으로 파이프라인 초기화
...
경량 Flask 웹 UI를 실행하여 파이프라인을 제출하고 실시간 로그로 모니터링하세요:
uv run python frontend/app.py --host localhost --port 9090 --debug
그런 다음 브라우저에서 http://localhost:9090를 열어주세요. 이 UI는 실행 중인 파이프라인의 실시간 상태와 패널을 스트리밍하며, 활성 실행을 중지할 수 있게 해줍니다.
ContextAgent는 멀티 에이전트 시스템 구축에 PyTorch와 유사한 API를 사용합니다. 자신만의 파이프라인을 만들기 위해 다음 단계를 따르세요:
BasePipeline에서 상속받고 super().__init__(config)를 호출하세요:
중앙 집중식 Context를 생성하고, LLM을 가져온 다음, 에이전트를 바인딩합니다:
from contextagent.agent import ContextAgent
from contextagent.context import Context
...
비동기 run() 메서드에 워크플로우를 정의합니다:
import asyncio
from pipelines.base import autotracing
...
Pydantic 모델을 생성하고 파이프라인을 실행합니다:
class YourQuery(BaseModel):
prompt: str
# 사용자 지정 필드를 추가하세요
...
완전한 구현은 다음에서 확인할 수 있습니다:
ContextAgent는 **중앙 대화 상태(central conversation state)**와 프로필 기반 에이전트 시스템을 중심으로 구성되어 있습니다. 모든 에이전트는 반복 상태(iteration state)와 공유 정보를 관리하는 통합 Context를 통해 조정됩니다.
pipelines/ – 워크플로우 오케스트레이션 및 설정 관리contextagent/agent/ – 컨텍스트 인식 및 실행 추적 기능을 갖춘 ContextAgent 구현contextagent/context/ – 중앙 집중식 대화 상태 및 조정contextagent/profiles/ – 기능(매니저, 데이터, 웹, 코드 등)을 정의하는 에이전트 프로필contextagent/tools/ – 데이터 처리, 웹 작업, 코드 실행을 위한 도구 구현examples/ – 사용법을 시연하는 예제 파이프라인frontend/ – 파이프라인 관리 및 모니터링용 웹 UIcontextagent/
├── pipelines/ # 워크플로우 오케스트레이션
├── contextagent/
...
더 자세한 내용은 docs portal를 참고하세요.
ContextAgent의 컨텍스트 중심 설계는 여러 연구 벤치마크에서 검증되었습니다:
자세한 벤치마크 결과 및 비교는 곧 제공될 예정입니다.
uv sync --extra docs
uv run mkdocs serve
uv run mkdocs build
ContextAgent의 컨텍스트 중심 설계는 다중 에이전트 시스템 연구 커뮤니티와 분산 상태 관리 분야의 모범 사례에서 영감을 받았습니다. 특히 다음과 같은 곳에 감사드립니다:
이 아키텍처를 구상하는 데 영감을 준 이러한 프레임워크 개발자들과 광범위한 LLM 커뮤니티의 노력에 감사드립니다.
기여를 환영합니다! ContextAgent는 멀티 에이전트 연구를 위한 커뮤니티 리소스로 설계되었습니다. 이슈를 열거나 풀 리퀘스트(pull request)를 제출해 주십시오.
본 프로젝트는 MIT License에 따라 라이선스가 부여되었으며, 자세한 내용은 LICENSE 파일을 참조하십시오.
연구에서 ContextAgent를 사용하신다면 다음을 인용해 주십시오:
@misc{contextagent2025,
title={ContextAgent: Lightweight Context-Driven Multi-Agent System Design},
author={Zhimeng Guo, Hangfan Zhang, Siyuan Xu, Huaisheng Zhu, Teng Xiao, Jingyi Chen, Minhao Cheng},
...