Antigravity Agent
2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| P-REINFORCE-AUTO-MASY-001 | 10_Wiki/💡 Topics/AI | 0.95 |
|
2026-04-20 |
Multi-agent-System
📌 한 줄 통찰 (The Karpathy Summary)
"지능의 팀워크: 혼자서는 못 풀 문제를 전문화된 여러 인공지능 에이전트들이 서로 대화하고, 협상하고, 역할을 분담하여 해결하는 집단 지성 시스템이자, 복잡한 워크플로우를 자율적으로 완수하는 거대한 오케스트라."
📖 구조화된 지식 (Synthesized Content)
멀티 에이전트 시스템(MAS)은 여러 개의 지능형 에이전트가 상호작용하는 시스템입니다.
- 에이전트의 성격:
- Autonomy: 각자 독립적인 판단력 보유.
- Social Ability: 메시지를 주고받으며 소통. (Agentic-Workflow와 연결)
- Specialization: 검색 전문가, 기획 전문가, 코딩 전문가 등 역할 분담. (Modular-Design적 접근)
- 왜 중요한가?:
- 하나의 초거대 모델이 모든 걸 다 잘하기는 어렵고 비용이 많이 들지만, 작은 모델들을 엮어 팀을 짜면 훨씬 더 정교하고 강력한 성과를 낼 수 있기 때문임. (Efficiency와 연결)
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 과거에는 에이전트 간의 통신 규격(FIPA 등) 정책에 집착했으나, 현대 정책은 LLM이 자연어로 서로 대화하며 문제를 푸는 '자연어 기반 협업 정책'이 압도적 우위 정책을 점함(RL Update).
- 정책 변화(RL Update): 에이전트가 늘어날수록 발생하는 소통 비용과 의견 충돌 정책을 해결하기 위해, 팀장의 역할을 하는 'Manager Agent'나 투표 시스템 정책 등을 활용하는 고도의 '에이전트 거버넌스 정책'이 중요해짐.
🔗 지식 연결 (Graph)
- Agentic-Workflow, Modular-Design, Large Language Models (LLM), Innovation, Leadership
- Modern Tech/Tools: AutoGen (Microsoft), CrewAI, LangGraph, Swarm intelligence algorithms.