다중 에이전트 AI 시스템의 작동 방식 Mendix 마라톤을 위한 훈련을 할 수 있습니다

왜 다중 에이전트 AI 시스템을 사용해야 하나요?

AI 에이전트는 지금 어디에나 있습니다. 피드에서 많이 보셨을 겁니다. 하지만 에이전트 기반 시스템 구축에 대해 자세히 알아보기 전에 Mendix잠깐 물러서서 AI 에이전트가 실제로 무엇인지 살펴보겠습니다.

AI 에이전트

AI 에이전트(LLM 에이전트라고도 함)는 본질적으로 사용자가 앱에서 특정 작업을 수행하거나 다른 시스템에서 데이터를 전송하는 것처럼, 무언가가 트리거될 때 스스로 조치를 취할 수 있는 스마트 프로그램입니다. 이러한 에이전트는 도구, 기능 또는 지식 기반을 활용하여 무엇을 해야 할지 파악할 수 있습니다. 시간이 지남에 따라 학습하도록 설계된 에이전트도 있고, 특정 작업을 수행하는 데 집중하는 에이전트도 있습니다. 어떤 에이전트든, AI 에이전트의 목표는 작업을 자동화하고, 프로세스를 가속화하고, 더 원활하게 진행되도록 하여 삶을 더 편리하게 만드는 것입니다.

이것이 처음이라면 다음 가이드를 확인하세요. 단일 에이전트를 구축하는 방법 Mendix. 여기에는 프롬프트 엔지니어링, 함수 호출 및 지식 기반을 모두 결합하는 방법이 포함됩니다. Mendix 응용 프로그램.

때로는 한 명의 에이전트만으로는 작업을 완료하기에 충분하지 않습니다. 단일 에이전트 시스템은 단순한 작업에는 효과적이지만, 실제 상황처럼 문제가 더 복잡해지거나 명확하게 정의되지 않으면 종종 팀이 필요합니다. 바로 이럴 때 다중 에이전트 시스템이 필요합니다. 여러 에이전트가 협력하여 특정 작업을 전문적으로 처리하고, 서로의 노력을 조율하여 더 효과적이고 나은 결과를 얻을 수 있습니다.

다중 에이전트 AI를 실제로 적용하기

AI의 기본 사항과 방법을 이해하면 Mendix 작동하며, 다중 에이전트 시스템 구축은 생각보다 복잡하지 않습니다. 이제 막 시작하시는 분이라면 단일 에이전트를 구축하는 방법에 대한 가이드 첫째, 몇 가지와 함께 신속한 엔지니어링에 대한 유용한 리소스.

다중 에이전트 시스템의 특히 멋진 점은 해결하려는 문제에 따라 에이전트들이 다양한 방식으로 협력할 수 있다는 것입니다. 고정된 흐름을 따르거나, 작업을 위임하거나, 서로의 결과를 평가하거나, 심지어 누가 무엇을 처리해야 할지 결정할 수도 있습니다.

이러한 패턴이 실제로 어떻게 나타나는지 보려면 다음을 살펴보세요. GenAI 쇼케이스 앱다음을 포함한 여러 다중 에이전트 설정을 탐색합니다.

• 결정론적 흐름/프롬프트 체이닝
• Gatekeeper를 사용한 결정적 흐름/프롬프트 체이닝
• 평가자-최적화 에이전트
• 라우팅 기반 에이전트 협업

이러한 예는 다중 에이전트 시스템이 얼마나 유연하고 강력할 수 있는지 보여줍니다. 특히 다음을 사용하여 구축할 경우 더욱 그렇습니다. Mendix.

다중 에이전트 라우팅 패턴 Mendix 앱 실행

이 블로그 게시물에서는 다음을 참조합니다. GenAI 쇼케이스 앱, 특히 다중 에이전트 패턴 섹션에 있는 라우팅 예제입니다. 이 설정에서 첫 번째 에이전트는 라우팅 에이전트. 이 기능은 사용자에게 직접 응답하는 것이 아니라, 사용 가능한 에이전트 중 요청을 처리하는 데 가장 적합한 에이전트를 결정합니다. 결정이 내려지면 전체 대화를 선택된 에이전트에게 전달하고, 선택된 에이전트는 나머지 상호작용을 인계받아 관리합니다.

예시 앱에서 라우터 에이전트는 세 가지 다른 에이전트 중에서 선택할 수 있습니다. 각 에이전트는 구성원을 돕는 데 고유한 역할을 합니다. Mendix 러너 커뮤니티가 더 나은 러너가 되도록 돕습니다. 각 에이전트의 역할을 간략하게 설명하면 다음과 같습니다.

• 러닝 코치 에이전트: 이 에이전트는 사용자가 목표에 따라 훈련 루틴이나 마라톤 준비 계획을 세우는 데 도움을 줍니다.
• 영양사 대리인: 이 글은 영양을 개선하고, 주자의 성과를 높이거나 식습관을 더 잘 파악하기 위한 조언을 제공하는 데 중점을 두고 있습니다.
• 러닝 팩트 에이전트: 이 에이전트는 통계, 재미있는 사실, 또는 코칭이나 영양 분야를 벗어난 모든 질문 등 일반적인 질문을 처리합니다. 또한, 질문이 다른 두 가지 범주에 해당하지 않을 경우 기본 에이전트 역할을 합니다.

세 명의 상담원 모두 실행 관련 주제에만 집중한다는 점에 유의해야 합니다. 관련 없는 질문에는 답변할 수 없습니다. 위 다이어그램은 이러한 라우팅 패턴이 앱에서 어떻게 구현되는지 보여줍니다.

올바른 발걸음으로 시작하기

Mendix 자체 에이전트 애플리케이션 구축을 시작하는 것이 매우 쉬워집니다. 시작하기 가장 좋은 방법은 다음과 같습니다. 빈 GenAI 앱다양한 모델에 필요한 모든 모듈이 미리 로드되어 제공됩니다.

이미 존재하는 Mendix 앱이 필요하신가요? 문제없습니다. 필요한 모듈을 추가하기만 하면 됩니다.GenAI 커먼즈, 대화형 UI및 Mx GenAI 커넥터—Studio Pro 9.24.2 이상을 사용하는 경우. 다음 항목을 추가하는 것을 잊지 마세요. MxGenAIConnector.NAV_ConfigurationOverview_Open 앱 탐색에 마이크로플로우를 추가하세요.

다음 설정 지침을 따르세요. 인프라 공급자를 선택한 후.

이를 통해 지능형 멀티 에이전트 환경을 빠르게 구축하는 데 필요한 모든 것을 갖추게 됩니다.

신속한 엔지니어링

성공적인 에이전트 구축의 핵심은 시스템 프롬프트를 올바르게 설정하는 것입니다. 이는 에이전트의 행동과 의사 결정을 좌우합니다. 라우터 에이전트의 경우, 목표는 간단합니다. 각 요청이 적합한 전문가에게 전달되도록 하는 것입니다.

• [시스템 프롬프트/라우터] '당신은 의도 감지 전문가입니다. 당신의 임무는 대화의 마지막 메시지에 대한 사용자 의도를 분류하는 것입니다. 스포츠 식단이나 영양 정보에 관한 것이라면 "영양사"를 반환하십시오. 훈련 계획이나 스포츠 경기 준비에 관한 것이라면 "훈련"을 반환하십시오. 스포츠 관련 주제에 대한 일반적인 정보라면 "사실"을 반환하십시오. 스포츠와 관련 없는 내용이라면 "없음"을 반환하십시오. 결론을 내리기 전에 전체 대화를 고려하고 마지막 사용자 메시지의 적절한 맥락을 추출하십시오. 사용자에게 직접 말하는 것이 아니라 분류와 추론만 명시하십시오.
  • 예: 의도: 영양사 | 이유: 사용자가 대화 중에 영양 팁을 요청했고 이제 알레르기 때문에 특정 음식을 제외하려고 합니다.

라우터의 시스템 프롬프트는 명확하고 정확해야 합니다. 그 출력은 마이크로플로에서 어떤 상담원이 대화를 이어받을지 결정하는 데 프로그래밍적으로 사용되기 때문입니다. 이를 바탕으로 전문 상담원에 초점을 맞출 수 있습니다. 이러한 상담원들을 위해 처음에는 간단하게 시작할 것입니다. 각 상담원은 자신의 전문 분야에 맞춰 직관적인 프롬프트를 제공하게 될 것입니다.

• [러닝 코치 에이전트] '귀하는 사용자에게 러닝 플랜을 제공하는 데 중점을 둔 러닝 코치입니다. 권장 사항을 제공하기 전에 성별, 연령, 목표 레이스 유형, 대회 날짜 등 필수 정보를 수집하세요. 누락된 정보가 있으면 사용자에게 질문하세요. 종합적인 러닝 플랜을 위해 필요하다고 생각되는 추가 질문이 있으면 알려주세요.'
• [영양사 상담원] '당신은 러닝 식단 전문 스포츠 영양사입니다. 권장 사항을 제공하기 전에 성별, 나이, 선호하는 식단, 목표 레이스 유형, 대회 날짜 등 필수 정보를 수집하십시오. 누락된 정보가 있으면 사용자에게 문의하십시오. 종합적인 영양 계획을 위해 필요하다고 생각되는 추가 질문이 있으면 포함해 주십시오.'
• [러닝 정보 담당자] '당신은 사용자에게 러닝 정보와 조언을 제공하는 데 중점을 둔 러닝 전문가입니다. 더 많은 정보를 제공하려면 먼저 일반적인 정보를 제공하고, 가능하다면 사용자의 연령대와 성별을 고려하여 추가 정보를 제공하세요.'

라우팅 구성

라우팅 예제가 어떻게 구성되는지 살펴보겠습니다. 이를 참고하여 고유한 에이전트 앱을 빌드할 때 사용할 수 있습니다.

우리는 사용하기로 선택했습니다 Mendix Cloud GenAI 리소스 팩 시작하기 가장 빠르고 쉬운 방법이기 때문입니다. 설정이 필요 없고, 유지 관리가 최소화되어 있으며, 운영상의 번거로움도 전혀 없습니다. 게다가 저희는 직접 만든 샴페인을 즐겨 마십니다(물론이죠). 직접 경험해 보고 싶으시다면, 여기에서 접근을 요청할 수 있습니다.

예제 앱에서 이 모든 것이 어떻게 구현되는지 살펴보겠습니다. 사용자가 채팅에서 메시지를 보내면(위 이미지의 2단계), 마이크로플로가 백그라운드에서 실행됩니다. 바로 이 부분에서 라우터 에이전트가 개입합니다. 라우터 에이전트는 지금까지의 대화를 검토하고 코치, 영양사, 또는 러닝 팩트(Running Facts)라는 세 가지 전문 에이전트 중 어떤 에이전트가 요청을 처리해야 할지 결정합니다. 각 에이전트는 명확한 시스템 프롬프트를 통해 특정 영역에 집중할 수 있도록 하고, 마이크로플로는 간단한 의사 결정 분할을 사용하여 요청을 적절한 위치로 전송합니다.

이것을 실제로 봅시다:

1. 우리 사용자는 다음과 같이 묻습니다. "마라톤 당일에는 무엇을 먹어야 하나요?"
2. 라우터 에이전트는 지금까지의 대화를 평가하고 어떤 전문 에이전트가 응답해야 할지 결정합니다. 이 경우에는 "영양사"를 선택합니다.
3. 마이크로플로는 질문을 통해 영양사 에이전트에게 요청을 라우팅합니다. "마라톤 당일에는 무엇을 먹어야 하나요?"
4. 영양사 에이전트는 탄수화물이 풍부한 음식과 수분 섭취 등 경기 전 영양 섭취에 대한 조언을 제공합니다.

지금까지의 모든 요소를 ​​조합하여 최종 결과가 어떻게 될지 아래에서 보여드리겠습니다. 가장 좋은 마무리 시점은 시작하는 시점이므로, 새로운 러너로서 채팅과 상호작용했습니다. 채팅(2단계)에서 시스템은 달리기 목표를 달성하기 위해 필요한 정보를 제공합니다. 왼쪽(3단계)에서는 중간 단계와 최종 답변을 생성하기 위해 호출되는 에이전트를 확인할 수 있습니다. 다음을 사용하여 대화형 다중 에이전트 시스템을 구축했습니다. 채팅 완료(기록 포함) 위 이미지에서 볼 수 있는 것과 같은 동작과 기본 동작 및 스니펫 대화형 UI.

결승선을 넘어

이제 다중 에이전트 시스템이 작동하기 시작했습니다. 바로 작업을 시작할 준비가 된 셈이죠! Mendix 결합하기 쉽습니다 다른 에이전트 실제 문제를 해결하기 위해 유연한 다중 에이전트 아키텍처로 전환합니다.

이 예에서 우리는 표준을 활용했습니다. Maia 스마트 앱 구성 요소와 몇 가지 간단한 마이크로플로를 사용하여 마라톤 훈련 여정을 안내하는 다중 에이전트 라우팅 시스템을 만들었습니다.

실제로 마라톤을 달리는 것보다 훨씬 덜 힘들죠!

이 기사는 Mendix 선임 소프트웨어 엔지니어 Tom Warmerdam.