설득적 대화 생성 (Persuasive dialogue generation)은 의사 결정, 협상, 상담 및 행동 변화에서 중요한 역할을 하지만, 여전히 도전적인 과제로 남아 있습니다. 피설득자의 내부 상태가 명확하게 표현되지 않는 복잡한 설득 상황에서, 설득자는 응답을 해석하고 피설득자의 잠재적 정신 상태 (예: 신념 및 욕구)를 추론하며, 이를 목표 지향적이고 전략과 일치하는 행동으로 변환해야 합니다. 그러나 현재의 접근 방식들은 이러한 단서가 식별되더라도 종종 일반적이거나 근거가 약한 응답을 생성합니다. 또한, 대규모 언어 모델 (LLMs)이 설득력 있는 콘텐츠를 생성할 수는 있지만, 불균형한 지식 범위와 제한된 추론 일반화로 인해 도메인에 따라 성능이 크게 달라집니다. 이러한 문제를 해결하기 위해, 우리는 복잡한 설득을 위한 메타 인지적 자율 지능형 에이전트 프레임워크인 MA$^{2}$P를 제안합니다. 구체적으로, 우리는 인지 관리 (perception management), 정신 상태 추론 (mental-state inference), 전략 실행 (strategy execution), 메모리 유지 (memory maintenance) 및 성능 평가 (performance evaluation)를 조정하는 자율 멀티 에이전트 아키텍처를 개발합니다. 도메인 간 성능 차이를 완화하기 위해, 우리는 시작 단계에서 구조화된 지식 베이스로부터 적절한 메타 전략을 선택하여 이후의 추론과 계획을 안내하는 메타 인지 구성기 (meta-cognitive configurator)를 추가로 설계합니다. 실험 결과, 우리의 접근 방식이 베이스라인 (baselines)보다 더 높은 설득 성공률을 달성함을 보여줍니다.