오늘은 LangGraph의 Hierarchical Agent Teams Architecture 첫 시간입니다.
이 Tutorial 에서 다룰 소스코드의 전체 그림을 살펴 봅니다.
그리고 지금까지 공부한 것을 토대로 Agent Architecture를 구성하기 위한 절차들에 대해서도 정리 합니다.
오늘 디자인한 것을 토대로 다음 시간 부터는 코딩에 들어갑니다.
코딩을 시작하기 전 어떤 것들을 어떻게 설계해야 하는지 잘 배워 봅시다.
https://youtu.be/J5zl376A9qo?si=bTHY5JEkOCXVM5XF
오늘은 AI Multi-Agent 의 Supervisor Architecture 에 대해 공부 합니다.
Network Architecture는 Agent 들 끼리 직접 Communication 하는 반면에 Supervisor Architecture 의 Agent 들은 작업 결과를 Supervisor Agent 에게 보고 합니다.
Supervisor Agent 는 인간의 질문과 다른 Agent 들의 작업 결과를 받으면 그 다음 일을 어느 Agent 에게 시킬지 아니면 모든 일을 종료 하고 결과를 사용자에게 전달할지 여부를 판단하게 됩니다.
이 예제에는 두 개의 질문 예제가 있는데 간단한 질문에는 답을 하지만 조금 복잡한 질문은 처리하다가 Recursion Error 가 발생합니다.
이 부분이 현재 AI Multi Agent 어플리케이션이 퍼져 나가지 못하는 한계를 잘 보여 줍니다.
그 이유를 자세히 설명 드립니다.
놓치지 마시고 꼭 보세요.
그리고 그 해결 방법을 같이 고민해 보자구요.
https://youtu.be/fyh7nZEPpys?si=BQ9BQkdfQJT0WFaC
오늘은 with_structured_output() 에 대해 알아 봅니다.
이 비디오는 LangGraph 에서 제공하는 Youtube Tutorial 입니다.
LangGraph 의 Multi Agent Architecture 중 Supervisor Architecture 를 공부하던 중 이 메소드가 나와서 Research를 좀 했습니다.
Supervisor Architecture 소스코드를 분석하기 전에 이 메소드를 먼저 공부하고 들어가면 훨씬 이해하기 쉬울 겁니다.
원본 비디오는 여기에 있습니다.
: https://youtu.be/0i9NzY_b3pg?si=ISieTuJSOGVqcX0a
그리고 Web Document 는 아래에 있습니다.
: https://langchain-ai.github.io/langgraph/how-tos/react-agent-structured-output/
How to return structured output with a ReAct style agent
Home How-to Guides LangGraph Other How to return structured output with a ReAct style agent You might want your agent to return its output in a structured format. For example, if the output of the agent is used by some other downstream software, you may wa
langchain-ai.github.io
오늘 부터 LangGraph의 AI Multi-Agent Architectures 에 대해 공부를 시작합니다.
AI Agent Application을 개발 하려면 코딩도 중요하지만 어떻게 Arthitecture를 할 것인지 설계하는 단계도 매우 중요합니다.
이 Agent Architectures는 Traditional Programming Architecture 와는 많이 다른 것 같습니다.
저는 AI Agent Application 으로 무언 가를 만드는 Startup 을 시작했습니다.
그래서 무엇보다 이 AI Multi-Agent Architectures 에 관심이 많습니다.
그리고 조만간 AI Agent Application이 실제 Business에서 Needs 가 많이 생길 때 이 AI Multi-Agent Architect 의 수요도 더 많아 질 것으로 보고 있습니다.
앞으로 미래 직업을 준비하시는 분들에게도 이 부분을 잘 생각해 보시길 권장 드립니다.
오늘은 AI Multi-Agent Architectures 의 기본 개념들에 대해 자세히 알아 보고 다음 시간 부터 이것을 바탕으로 각 Architecture 별로 실제 코딩을 해서 실행하는 방법을 배워 보도록 하겠습니다.
https://youtu.be/apgY5Po0fR8?si=L6wvz6Lg_1elDpmz
| IonQ's Full-Stack Quantum Innovation Webinar Part 1 - Intro by Margaret Arakawa (0) | 2024.12.13 |
|---|---|
| Multi-Agent Network : 두 Agent들이 협업해 Chart를 만들게 하는 소스 코드 집중 분석 합니다. - ft. 탄핵이 답이다. (0) | 2024.12.11 |
| Multi-Agent Network - 오늘은 과연 Agent 가 어떻게 생겨 먹었는지 보여드립니다. (0) | 2024.12.08 |
| 미스창 - 주정부에 Business License Application 등록하기 : ChatGPT를 이렇게 활용하면 편리합니다. (0) | 2024.12.07 |
| 미스창 - IRS에서 EIN 받는 방법 : ChatGPT와 같이 하면 쉽습니다. (1) | 2024.12.03 |
| 미스창 - 미국에서 내 회사를 만들자, 이렇게 쉽게 할 수 있다고? (1) | 2024.11.28 |
| LangGraph - Time Travel : 자신의 과거를 바꾸세요. AI Agent 에서는 가능합니다. (0) | 2024.11.18 |
| Part 6 Customizing State - 사람의 개입 설계하기, AI가 판단하게 만드세요 (0) | 2024.11.17 |
| update_state - AI Agent 가 시원찮게 일 할 때. 여러분이 바로 잡을 수 있습니다. (0) | 2024.11.15 |
| Human In The Loop (HIL) - 중요한 결정은 인간이 합니다. AI Agent 중요한 결정은 인간이 선택하게 만들기 (1) | 2024.11.14 |
