gtzheng/Awesome-Agentic-System-Design

에이전트형 AI 시스템 설계, 평가 및 배포를 위한 리소스 큐레이션 컬렉션입니다. 아키텍처 패턴 (architecture patterns), 프레임워크 (frameworks), 안전 고려 사항 (safety considerations) 및 실제 응용 사례를 다룹니다.

AI 에이전트 (AI agents)는 연구 프로토타입에서 **실제 응용 사례 (real-world applications)**로 빠르게 이동하고 있으며, 이러한 변화와 함께 새로운 과제인 **에이전트형 시스템 설계 (agentic system design)**가 등장했습니다.

*머신러닝 시스템 설계 (machine learning system design)*가 엔지니어와 연구자들에게 필수적인 기술이 된 것처럼, **에이전트형 시스템 설계 (agentic system design)**는 차세대 주요 수요 분야가 될 준비를 마쳤습니다. 기업들은 이미 에이전트가 복잡한 환경에서 어떻게 계획(plan)하고, 행동(act)하며, 도구를 사용(use tools)하고, 협업(collaborate)해야 하는지를 추론할 수 있는 인재를 찾고 있습니다.

이 저장소(repository)는 여러분이 시대의 흐름에 앞서 나갈 수 있도록 도와줍니다. 미래의 에이전트형 시스템 설계 (agentic system design) 인터뷰를 위한 기술을 연마할 수 있도록 가장 유용한 **리소스, 프레임워크 및 설계 패턴 (design patterns)**을 한데 모았습니다.

IBM x Anthropic— MCP를 활용한 보안 엔터프라이즈 AI 에이전트 설계

Model Context Protocol (MCP)을 사용하여 보안 AI 에이전트를 구축하기 위한 엔터프라이즈 중심의 청사진 (blueprint). -
Google— AI 백서: 에이전트 (Agents)

에이전트 역량과 차세대 AI 시스템에서의 역할에 대한 Google의 비전. -
Antonio Gulli (Google)- 에이전트형 설계 패턴 (Agentic Design Patterns): 지능형 시스템 구축을 위한 실무 가이드 -
Databricks- 에이전트 시스템 설계 패턴 (Agent System Design Patterns):
엔터프라이즈 데이터/AI 워크플로우에서 에이전트를 설계, 오케스트레이션(orchestrating) 및 확장(scaling)하기 위한 패턴. - The Big Book of GenAI:
프로덕션 품질의 GenAI 애플리케이션을 구축하기 위해 데이터를 활용하는 5가지 방법.

• 에이전트 시스템 설계 패턴 (Agent System Design Patterns):

OpenAI— 에이전트 구축을 위한 실무 가이드

에이전트 워크플로우 (agent workflows), 계획 전략 (planning strategies) 및 평가 (evaluation) 구축을 위한 실무 플레이북 (playbook). -
Anthropic— 효과적인 에이전트 구축

효과적인 에이전트를 구축하려는 개발자를 위한 실질적인 조언 -
Vectorize— 에이전트형 AI 시스템 설계 (시리즈)

에이전트 아키텍처, 설계 고려 사항 및 실제 사용 사례를 소개하는 다부작 블로그 시리즈. -
MongoDB— 에이전트형 시스템을 위한 7가지 실질적인 디자인 패턴 (Design Patterns)

실제 사용 사례에 구현된 에이전트형 시스템을 위한 7가지 실질적인 디자인 패턴.

• Agentic Large Language Models, a Survey (에이전트형 대규모 언어 모델 조사)

• Large Language Model Agent: A Survey on Methodology, Applications and Challenges (대규모 언어 모델 에이전트: 방법론, 응용 및 과제에 관한 조사)

• A Survey of Self-Evolving Agents (자기 진화형 에이전트에 관한 조사)

• Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG (에이전트형 검색 증강 생성: 에이전트형 RAG에 관한 조사)

• Multi-Agent Collaboration Mechanisms: A Survey of LLMs (멀티 에이전트 협업 메커니즘: LLM에 관한 조사)

• A Survey of Agent Interoperability Protocols: MCP, ACP, A2A, and ANP (에이전트 상호 운용성 프로토콜 조사: MCP, ACP, A2A 및 ANP)

• Agentic AI Frameworks: Architectures, Protocols, and Design Challenges (에이전트형 AI 프레임워크: 아키텍처, 프로토콜 및 설계 과제)

• Agentic Design Patterns: A System-Theoretic Framework (에이전트형 디자인 패턴: 시스템 이론적 프레임워크)

• Architectures for Building Agentic AI (에이전트형 AI 구축을 위한 아키텍처)

• CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery (CORAL: 개방형 발견을 위한 자율적 멀티 에이전트 진화를 향하여)

• Weak-for-Strong: Training Weak Meta-Agent to Harness Strong Executors (Weak-for-Strong: 강력한 실행기(Executors)를 활용하기 위한 약한 메타 에이전트 학습)

• MetaAgent: Automatically Constructing Multi-Agent Systems Based on Finite State Machines (MetaAgent: 유한 상태 기계(Finite State Machines) 기반의 멀티 에이전트 시스템 자동 구축)

• AFlow: Automating Agentic Workflow Generation (AFlow: 에이전트형 워크플로 생성 자동화)

• FlowReasoner: Reinforcing Query-Level Meta-Agents (FlowReasoner: 쿼리 레벨 메타 에이전트 강화)

• Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies (멀티 에이전트 설계: 더 나은 프롬프트와 토폴로지(Topologies)를 통한 에이전트 최적화)

• Towards a Science of Scaling Agent Systems (에이전트 시스템 스케일링의 과학을 향하여)

• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows (에이전트형 AI 워크플로의 테스트 시간 스케일링(Test-Time Scaling)에서 피드백의 역할에 대하여)

• Budget-Aware Tool-Use Enables Effective Agent Scaling (예산 인식형 도구 사용을 통한 효과적인 에이전트 스케일링)

• A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows (프로덕션급 에이전트형 AI 워크플로 설계, 개발 및 배포를 위한 실무 가이드)

• A-MEM: Agentic Memory for LLM Agents (A-MEM: LLM 에이전트를 위한 에이전트형 메모리)

• Survey on Evaluation of LLM-based Agents (LLM 기반 에이전트 평가에 관한 조사)

• MultiAgentBench: Evaluating the Collaboration and Competition of LLM Agents (MultiAgentBench: LLM 에이전트의 협업 및 경쟁 평가)

• Because we have LLMs, we Can and Should Pursue Agentic Interpretability (LLM이 있기에, 우리는 에이전트형 해석 가능성(Interpretability)을 추구할 수 있고 추구해야 한다)

• AgenTracer: Who Is Inducing Failure in the LLM Agentic Systems? (AgenTracer: LLM 에이전트형 시스템에서 실패를 유도하는 주체는 누구인가?)

• Toward a Safe Internet of Agents (안전한 에이전트 인터넷을 향하여)

• Towards a Science of AI Agent Reliability (AI 에이전트 신뢰성의 과학을 향하여)

• Accenture AI Refinery SDK

• AG2: AI 에이전트를 위한 오픈 소스 AgentOS (Open-Source AgentOS for AI Agents)

• Agent S: 인간처럼 컴퓨터 사용하기 (Use Computer Like a Human)

• AgentScope: LLM 애플리케이션 구축을 위한 에이전트 지향 프로그래밍 (Agent-Oriented Programming for Building LLM Applications)

• Agno: 경량 멀티모달 에이전트 런타임 (Lightweight Multi-Modal Agent Runtime)

• AutoGen: AI 에이전트 및 애플리케이션 구축을 위한 프레임워크 (A framework for building AI agents and applications)

• Claude Agent SDK

• CrewAI: 빠르고 유연한 멀티 에이전트 자동화 프레임워크 (Fast and Flexible Multi-Agent Automation Framework)

• Dify: 에이전트 워크플로우 개발을 위한 오픈 소스 플랫폼 (Open-Source Platform for Agentic Workflow Development)

• Google Agent Development Kit (ADK)

• LangGraph: 상태 유지 에이전트를 위한 오케스트레이션 프레임워크 (Orchestration Framework for Stateful Agents)

• Mastra: TypeScript 우선 에이전트 프레임워크 (TypeScript-First Agent Framework)

• MetaGPT: 멀티 에이전트 프레임워크 (The Multi-Agent Framework)

• Microsoft Agent Framework

• Microsoft 365 Agents SDK

• OpenAI Agents SDK

• OpenAI Agent Builder

• Pydantic AI: 타입 안전 에이전트 프레임워크 (Type-Safe Agent Framework)

• SmolAgents: Hugging Face의 코드 중심 에이전트 프레임워크 (Code-Centric Agent Framework by Hugging Face)

• Strands Agents: AWS 오픈 소스 에이전트 SDK (AWS Open-Source Agent SDK)

여기에 포함될 리소스, 논문 또는 프레임워크가 있나요?

언제든지 PR(Pull Request)을 생성하여 에이전트 시스템 디자인 (agentic system design) 생태계 성장을 도와주세요.