1단계에서 짧게 소개했던 Reflection · Planning · Tool Use · Multi-Agent Collaboration의 내부 작동 매커니즘, 대표 기법, 그리고 실전 예시를 하나씩 깊이 있게 살펴봅니다.
반성 및 평가 (Reflection)
자가 피드백을 통한 연속적 품질 개선
에이전트가 자신이 생성한 중간 산출물이나 코드 실행 결과를 스스로 비판(Self-Critique)하고, 부족한 점을 능동적으로 수정하는 프로세스입니다.
작동 매커니즘
에이전트가 스스로 만든 결과물을 별도의 "평가자(Critic)" 역할이나 동일 모델의 재귀 호출로 다시 채점합니다. 예를 들어 코드를 생성한 뒤 실제로 실행해 보고, 에러 로그나 테스트 실패 내용을 프롬프트에 다시 포함시켜 "왜 실패했는지, 어떻게 고칠지"를 스스로 추론하게 만드는 것이 핵심입니다.
대표 기법
Self-Refine
Reflexion 프레임워크
CRITIC (도구 기반 자기검증)
테스트 주도 코드 검증 (TDD for Agents)
실전 예시
파이썬 스크립트를 작성한 에이전트가 실행 중 ImportError를 만나면, 에러 메시지를 분석해 누락된 패키지를 설치하고 재실행하는 흐름을 스스로 반복합니다.
설계 시 유의점
반성 루프가 무한히 반복되지 않도록 최대 재시도 횟수(예: 3~5회)와 명확한 종료 조건을 설계 단계에서 반드시 정해야 합니다.
실행 결과 모니터링자율 디버깅 및 패치평가 기준 기반 채점
추론 및 계획 수립 (Planning)
복잡한 과업을 다단계로 나누어 전략화
큰 목표를 달성 가능한 하위 작업으로 쪼개고, 상황 변화에 따라 중간 계획을 유연하게 수정하는 다단계 추론 체계입니다.
작동 매커니즘
하나의 큰 목표를 실행 가능한 하위 작업 목록으로 쪼개고, 각 작업의 선후 관계(dependency)를 파악합니다. Chain-of-Thought처럼 순차적으로 사고를 전개하거나, Tree-of-Thoughts처럼 여러 후보 경로를 동시에 탐색한 뒤 가장 유망한 경로를 선택하기도 합니다.
대표 기법
ReAct (Reasoning + Acting)
Tree of Thoughts
Plan-and-Solve
계층적 작업 분해 (HTN)
실전 예시
"경쟁사 3곳의 최근 1년 매출 추이를 비교하는 보고서를 작성하라"는 목표를 받으면, [1. 대상 기업 확정] → [2. 공시자료 검색] → [3. 수치 추출] → [4. 표·그래프 작성] → [5. 요약 문단 작성] 순서로 스스로 작업 목록을 만듭니다.
설계 시 유의점
계획은 한 번 세우고 끝나는 것이 아니라, 중간 결과에 따라 재계획(Replanning)되어야 실제 환경의 변수에 대응할 수 있습니다.
작업 분해 (Task Decomposition)가설 수립 및 트리 탐색동적 재계획 (Replanning)
도구 및 API 활용 (Tool Use)
현실 세계의 소프트웨어 및 데이터와 상호작용
웹 검색, 코드 실행기, 사내 데이터베이스, 타사 SaaS API 등 실제 도구를 스스로 선택하고 호출하여 지식의 한계를 극복합니다.
작동 매커니즘
LLM이 "Function Calling(함수 호출)" 형식으로 사용할 도구의 이름과 인자(argument)를 구조화된 JSON으로 출력하면, 에이전트 런타임이 이를 파싱해 실제 함수(웹 검색, DB 쿼리, 코드 실행 등)를 호출하고 그 결과를 다시 모델에게 돌려줍니다.
대표 기법
OpenAI / Anthropic Function Calling
MCP (Model Context Protocol)
코드 인터프리터 샌드박스
SQL·벡터DB 커넥터
실전 예시
여행 일정 에이전트가 항공권 검색 도구와 날씨 조회 도구를 순서대로 호출해, 실제 항공권 가격과 현지 날씨를 조합한 추천 일정을 제시합니다.
설계 시 유의점
도구 호출 결과를 맹신하지 않고, 실패 응답(오류·타임아웃 등)에 대한 예외 처리와 재시도 로직을 반드시 마련해야 합니다.
함수 호출 (Function Calling)환경 데이터 읽기/쓰기계산 및 검증 샌드박스
다중 에이전트 협업 (Multi-Agent)
전문화된 에이전트들이 조직처럼 소통
단일 거대 모델 대신, 각기 다른 페르소나와 전문 도구를 가진 다수의 에이전트가 대화와 토론을 통해 고난도 프로젝트를 분담합니다.
작동 매커니즘
하나의 거대한 프롬프트에 모든 역할을 우겨넣는 대신, 기획자·개발자·검수자처럼 역할이 분리된 여러 에이전트 인스턴스를 두고, 이들이 메시지를 주고받으며 작업을 분담하고 서로 검증합니다.
대표 기법
AutoGen
CrewAI
LangGraph 멀티 에이전트 그래프
Debate(토론) 프로토콜
실전 예시
'코더 에이전트'가 작성한 코드를 '리뷰어 에이전트'가 별도 시각에서 검토해 문제를 지적하면, 코더가 이를 반영해 다시 제출하는 방식으로 사람 개발팀의 코드 리뷰 과정을 모사합니다.
설계 시 유의점
에이전트 수가 늘어날수록 통신 비용(토큰)과 조율 복잡도가 커지므로, 실무에서는 보통 2~5개 정도의 역할로 제한합니다.