Unit 2에 오신 것을 환영합니다! 이번 유닛에서는 다양한 에이전틱 프레임워크를 살펴보고, 이를 활용해 강력한 에이전트 기반 애플리케이션을 만드는 방법을 배웁니다.
이번 유닛에서 다룰 내용은 다음과 같습니다:
- 2.1: smolagents
- 2.2: LlamaIndex
- 2.3: LangGraph
함께 시작해봅시다! 🕵
에이전틱 프레임워크는 LLM 기반 애플리케이션을 만들 때 항상 필요한 것은 아닙니다. 프레임워크는 특정 작업을 효율적으로 해결할 수 있도록 워크플로우에 유연성을 제공하지만, 항상 필수적인 것은 아닙니다.
때로는 미리 정의된 워크플로우만으로도 사용자 요청을 충분히 처리할 수 있으며, 굳이 에이전틱 프레임워크가 필요하지 않을 수 있습니다. 에이전트 구조가 단순하다면, 프롬프트 체이닝 등 일반 코드만으로도 충분합니다. 이 경우 개발자는 추상화 없이 시스템을 완전히 이해하고 제어할 수 있다는 장점이 있습니다.
하지만 워크플로우가 복잡해져 LLM이 함수를 호출하거나, 여러 에이전트를 활용해야 하는 경우에는 이러한 추상화가 도움이 되기 시작합니다.
이러한 점을 고려하면, 다음과 같은 기능이 필요함을 알 수 있습니다:
- 시스템을 구동할 LLM 엔진
- 에이전트가 접근할 수 있는 도구 목록
- LLM 출력에서 도구 호출을 추출하는 파서
- 파서와 동기화된 시스템 프롬프트
- 메모리 시스템
- LLM의 실수를 제어할 에러 로깅 및 재시도 메커니즘
이러한 주제들이 각 프레임워크에서 어떻게 해결되는지, smolagents, LlamaIndex, LangGraph를 통해 살펴볼 예정입니다.
| 프레임워크 | 설명 | 유닛 저자 |
|---|---|---|
| smolagents | Hugging Face에서 개발한 에이전트 프레임워크 | Sergio Paniego - HF - X - Linkedin |
| Llama-Index | 컨텍스트 증강 AI 에이전트를 프로덕션에 배포할 수 있는 엔드-투-엔드 툴링 | David Berenstein - HF - X - Linkedin |
| LangGraph | 상태 기반 에이전트 오케스트레이션을 지원하는 프레임워크 | Joffrey THOMAS - HF - X - Linkedin |