docs(wiki): Finalized P-Reinforce v3.0 wikification of all 118 out_wiki assets

10_Wiki/Topics/AI_and_ML/Autonomous Agents & Workflows.md

@@ -0,0 +1,38 @@
+---
+id: [[P-Reinforce|P-Reinforce]]-AUTO-AGWF-001
+category: Unified
+confidence_score: 1.00
+tags: [auto-reinforced, agentic-ai, autonomous-agents, reasoning-loop, planning, task-execution]
+last_reinforced: 2026-05-04
+---
+
+# [[Autonomous Agents & Workflows|Autonomous Agents & Workflows]]
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> "수동적 도구에서 능동적 파트너로: 단순한 질문 답변을 넘어, 목표를 달성하기 위해 스스로 계획을 세우고, 도구를 사용하며, 결과를 검증하고 수정하는 자율적인 실행 루프의 총체."
+
+## 📖 구조화된 지식 (Synthesized Content)
+에이전틱 AI(Agentic AI)는 모델이 자율성을 가지고 다단계 작업을 수행하는 시스템 아키텍처를 의미합니다.
+
+1.  **핵심 구성 요소**:
+    *   **Planning (계획)**: 복잡한 목표를 작은 하위 작업(Sub-tasks)으로 분해하고 실행 순서를 결정합니다.
+    *   **Reasoning (추론)**: 매 단계마다 현재 상태를 분석하고 다음 행동을 논리적으로 결정합니다 ([[Chain-of-Thought (CoT)|Chain-of-Thought]] 활용).
+    *   **Action (실행)**: 외부 도구(API, 브라우저, 코드 실행기 등)를 호출하여 실질적인 변화를 만듭니다.
+    *   **Memory (메모리)**: 과거의 경험과 상호작용 기록을 저장하고 회상하여 일관성을 유지합니다.
+2.  **대표적 워크플로우 패턴**:
+    *   **Reflection (반성)**: 결과물을 스스로 비판하고 수정하여 품질을 높이는 루프.
+    *   **Multi-agent Collaboration**: 서로 다른 역할을 가진 여러 에이전트가 협력하여 문제를 해결 (예: 코딩 에이전트 + 리뷰 에이전트).
+    *   **ReAct**: 추론(Reason)과 행동(Act)을 번갈아 수행하며 실시간으로 피드백을 반영하는 방식.
+
+## ⚖️ Trade-offs & Caveats
+*   **복잡성 및 비용**: 다단계 루프와 반복적인 모델 호출로 인해 단발성 요청보다 비용과 시간이 월등히 많이 소요됩니다.
+*   **오류 전파 (Error Propagation)**: 초기 단계에서 잘못된 계획을 세우거나 도구 사용에 실패할 경우, 후속 단계에서 오류가 증폭되어 전혀 엉뚱한 결과가 나올 수 있습니다.
+*   **루프 고착**: 명확한 종료 조건이 없으면 에이전트가 무한 루프에 빠지거나 자원을 낭비할 수 있습니다.
+
+## 🔗 지식 연결 (Graph)
+*   **상위 개념**: [[Artificial General Intelligence (AGI)|AGI]], [[Reasoning Models|Reasoning Models]]
+*   **세부 기술**: [[Tool Use & Function Calling|Tool Use & Function Calling]], [[Agent Memory Systems|Agent Memory Systems]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]]
+*   **프레임워크**: LangChain, AutoGPT, CrewAI, Antigravity Astra
+
+---
+*Last updated: 2026-05-04*