본문으로 건너뛰기

© 2026 Molayo

Dev.to헤드라인2026. 06. 24. 22:21

모호함을 위한 LLM, 정책을 위한 결정론적 에이전트: 멀티 에이전트 계약 준수 (Multi-Agent Contract Compliance)

요약

LLM의 모호함 처리 능력과 결정론적 에이전트의 엄격한 정책 집행을 결합한 멀티 에이전트 아키텍처를 소개합니다. Google Cloud의 샘플을 통해 데이터 추출은 LLM이, 규칙 검증은 코드가 담당하여 일관성과 감사 가능성을 확보하는 방법을 설명합니다.

핵심 포인트

  • LLM은 비정형 데이터 추출에, 결정론적 코드는 정책 집행에 사용
  • A2A(Agent-to-Agent) 핸드오프를 통한 에이전트 간 상호 운용성 확보
  • Python과 Go 등 언어에 구애받지 않는 마이크로서비스형 에이전트 설계
  • 일관성, 설명 가능성, 감사 가능성을 보장하는 기업용 AI 구조

Google Cloud의 contract-compliance-pipeline 샘플에는 하나의 날카로운 원칙을 바탕으로 구축된 조용히 중요한 참조 아키텍처가 있습니다: LLM은 모호함을 처리하는 데 유용하며, 결정론적 에이전트 (deterministic agents)는 엄격한 정책을 집행해야 한다는 것입니다.

이 원칙은 기업용 AI에서 발생하는 가장 흔한 실패를 해결합니다. 대부분의 "AI 준수" 데모는 모델이 계약서를 읽는 것과 통과 여부를 결정하는 것을 동시에 수행하게 합니다. 이로 인해 동일한 문서가 월요일에는 통과되고 화요일에는 실패할 수 있으며, 어떤 감사관도 "모델이 그렇게 말했다"라는 설명을 수용하지 않습니다. 이 샘플은 올바르게 선을 긋습니다: 모호한 부분(지저분한 사실 추출)에는 LLM을 사용하고, 정확한 부분(이것이 정책을 위반하는가?)에는 결정론적 코드 (deterministic code)를 사용합니다.

파이프라인 (The pipeline)

  • Python + ADK (오케스트레이터) — Google의 Agent Development Kit (ADK)를 사용하는 FastAPI 서비스가 입력, 추출 및 리스크 평가를 처리합니다.
  • A2A 핸드오프 (A2A handoff)RemoteA2aAgent가 에이전트 간 핸드셰이크 (Agent2Agent handshake)를 수행하고, 에이전트 카드 (/.well-known/agent.json)를 통해 두 번째 서비스를 발견하며, 추출된 데이터를 JSON-RPC 2.0 메시지로 전송합니다.
  • Go 준수 에이전트 (집행자) — 동기적이고 반복 가능한 체크를 통해 임계값(가치 상한, 기간 제한, 최소 보험 요건)에 대해 사실 관계를 검증합니다. 이 단계에서는 LLM을 사용하지 않습니다.
  • 감사 가능한 판결 (Auditable verdict) — 특정 위반 사항이 포함된 구조화된 통과/실패 결과; 오케스트레이터는 준수 인증서를 생성하며, 추적 로그(traces)가 기록됩니다.

훔칠 만한 가치가 있는 두 가지 아이디어

  1. 모호함과 결정론의 분리 (The ambiguity/determinism split). 일관성, 설명 가능성, 그리고 감사 가능성(auditable)이 반드시 보장되어야 하는 모든 것—준수 판결, 결제 규칙, 자격 확인 등—은 모델의 머릿속이 아닌 결정론적 코드(deterministic code)에 속해야 합니다. LLM은 경계 영역의 복잡한 상황을 처리하고, 규칙 엔진(rule engine)에 깨끗한 구조화된 데이터(structured data)를 전달합니다.
  2. 상호 운용성 계층으로서의 A2A. Python 에이전트와 Go 에이전트는 코드베이스를 공유하지 않습니다. 대신 이들은 발견 가능한 에이전트 카드(agent cards)를 포함한 표준 프로토콜로 대화합니다. 특화된 에이전트들은 해당 작업에 가장 적합한 언어로 작성될 수 있으며, 독립적으로 확장하거나 교체할 수 있습니다. 마이크로서비스(microservices)의 교훈을 에이전트에 적용한 것입니다.

이것이 부동산 분야에 적용되는 이유

임대차 계약, 공급업체 계약, 매매 계약, 보험 증명서 등은 모두 결정론적 집행(deterministic enforcement)에 이상적인 엄격한 규칙을 포함하고 있습니다: 기간 상한, 임대료 인상 제한, 보험 최소 요건, 필수 조항 등입니다. LLM이 정보를 추출하고, 결정론적 에이전트가 이를 집행하며, 여러분은 포트폴리오 규모에서 감사 가능한 인증서를 얻게 됩니다.

솔직한 주의사항: 추출(extraction)은 여전히 취약한 연결 고리입니다(조항을 잘못 읽으면 잘못된 사실을 바탕으로 충실하게 집행되어 버리므로, 자체적인 평가(evals)와 신뢰도가 낮은 사례에 대한 인간의 검토가 필요합니다). 이것은 참조용 샘플이며 제품이 아닙니다. 또한 결정론적 집행의 품질은 여러분이 유지 관리하는 규칙 라이브러리(rule library)의 수준에 달려 있습니다.

핵심은 이 원칙을 지키는 것입니다: 모델은 모호함을 처리하게 하고, 결정론적 에이전트는 정책을 집행하게 하며, 이들이 개방형 프로토콜을 통해 상호 운용되도록 만드십시오. 그것이 바로 감사인이 신뢰할 수 있는 에이전트 시스템(agentic systems)을 구축하는 방법입니다.

부동산에 대한 전체 분석은 VSBD 블로그에서 확인할 수 있습니다. 출처: Google Cloud ADK + A2A 샘플.

AI 자동 생성 콘텐츠

본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0