DEVOCEAN

안녕하세요! 이번 포스팅에서는 에이전트 오케스트레이션(Agent orchestration)에 특화된 Agent 프레임워크 Agno에 대해 소개합니다.

Agent Framework TOP 5 에 속하지는 않지만, Agno 의 발전속도와 미래를 보면 LangGraph 와 같이 사용할 경우 큰 시너지를 낼 수 있다고 생각합니다.

각자의 상황에 맞게 전략적으로 활용해보시면 좋을 것 같습니다.

첨언하면 아시는 분은 아시겠지만 Agno 는 Phidata 프로젝트에서 시작해서 Agno 로 새롭게 브랜딩 된 프로젝트 입니다.

Phidata 를 유심히 지켜보신 분들은 아마 Agno 의 멀티에이전트 철학에 대해 이해하고 쉽게 접근하실 수 있을 것입니다.

Agno (Agent Framework 소개 자료 공유드립니다.

🚀 Agno란 무엇인가요?

Agno는 Agent orchestration에 특화된 Python Framework입니다.

Agno는 단순한 프레임워크를 넘어, 놀랍도록 빠른 멀티 에이전트 프레임워크, 런타임, 그리고 UI를 통합하여 제공합니다.

Agno를 사용하면 에이전트 시스템을 빠르고 직관적으로 구축할 수 있습니다.

Agno의 주요 특징

🧩 Agno의 핵심 구성 요소 및 개념

Agno는 에이전트 시스템 구축을 위해 몇 가지 중요한 개념을 정의하고 있습니다.

1. Agent (에이전트)

에이전트는 모델이 실행 흐름을 제어하는 AI 프로그램입니다. 에이전트는 세 가지 핵심 구성 요소로 이루어져 있습니다:

• Model (모델): 사고(Reason), 행동(Act), 응답(Respond)을 결정하는 역할을 수행합니다. (참고: Agno 객체는 초기값으로 OpenAI API를 사용하려고 합니다.)

• Instructions (지침): Agent의 행동 지침입니다.

• Tools (도구): 외부 시스템과 상호작용하는 실행 도구입니다.

2. Team (팀)

Team은 하나의 작업을 완수하기 위해 함께 일하는 Agent들(또는 다른 하위 Team)의 집합입니다. 예를 들어, '통합서비스 전문 상담팀'을 구성하여 특정 목표를 달성할 수 있습니다.

3. Workflow (워크플로)

Workflow는 에이전트 시스템에 대한 결정적 제어 기능을 제공합니다. 이를 통해 항상 일관되게 실행되는 안정적인 자동화를 구축할 수 있도록 지원합니다.

Agno 시스템 구성 요소의 역할

Agno 시스템 내부에서는 다음과 같은 구성 요소들이 에이전트의 성능과 기능을 향상시킵니다.

• Memory: 과거 대화를 기억하고 학습하며 반응을 향상시킵니다.

• Storage: 세션(session) 상태를 데이터베이스(DB)에 저장합니다.

• Knowledge: 벡터DB 기반 도메인 지식 검색을 수행하며, 이는 Agentic RAG (검색 증강 생성) / Agentic Search를 지원합니다.

• Reasoning (추론): 응답을 생성하기 전에 사고하고 분석하여 신뢰성과 품질을 향상시킵니다.

💡 응용 예시: 전문 상담사 챗봇 테스트

Agno를 활용하여 실제 상담사 챗봇을 구축하고 테스트한 실험 사례가 있습니다.

이 실험은 단일 Agent를 이용했을 때와 Team을 이용했을 때의 결과를 비교합니다.

기본 설정

챗봇의 도메인 지식을 구축하기 위해 다음과 같이 설정했습니다:

1. 지식(Knowledge) 임베딩: '통합서비스_이용가이드.pdf' 문서를 임베딩(embedding)했습니다.

2. 청킹(Chunking) 방법: FixedSizeChunking 방법을 사용했으며, chunk_size는 1000, overlap은 200으로 설정되었습니다.

실험 비교: Agent 1개 vs. Team

Team 구성 요소 (통합서비스 전문 상담팀)

Team을 이용할 경우, 아래와 같이 역할이 분리된 여러 Agent가 협업합니다.

1. 통합서비스 전문 상담팀 리더 Agent: 팀 전체의 흐름을 관리합니다.

2. 문서 검색 Agent: Knowledge(임베딩된 PDF)를 검색하는 역할을 담당합니다.

3. 기술 해설 Agent: 검색된 내용을 기반으로 기술적으로 해설하는 역할을 수행합니다.

4. 답변 품질 검증 Agent: 최종 답변의 품질을 검증하는 역할을 수행합니다.

이러한 비교 실험을 통해 Agno 프레임워크가 단일 Agent뿐만 아니라 복잡한 멀티 에이전트 시스템(Team)을 얼마나 효율적으로 구축하고 관리할 수 있는지 확인할 수 있습니다.

맺음말

Agno는 Agent orchestration에 특화된 Python Framework로서, 통합된 런타임(FastAPI 기반)과 UI를 제공하여 AI 에이전트 시스템 개발을 매우 빠르고 직관적으로 만들어줍니다.

Agent, Team, Workflow라는 명확한 개념을 통해 복잡한 자동화도 안정적으로 구축할 수 있는 강력한 도구입니다.

더 자세한 정보는 Agno 공식 문서를 참고하실 수 있습니다.