jylee00 님의 블로그

이 글은 개인 공부를 위해 작성한 글로 계속 수정이 이뤄질 예정입니다.1. Agent란?스스로 여러 단계를 거치며 사고하고, 목표를 달성하기 위해 외부 데이터를 활용하고 도구를 사용하며 자율적으로 행동하는 시스템기존의 LLM 기반 시스템과는 차별화된 특징을 가지고 있음1) 전체적 구조 Orchestration, Tools, Model 세 가지 요소로 구성Orchestration사용자가 미리 정한 profile, goals, instructions을 기반으로 사고를 하기 시작기억을 이용하여 이전 정보를 활용계획을 수립Tools자신이 수행할 수 없는 경우 외부에서 Tools(API)을 가져와 사용GET, POST, PATCH, DELETE 메서드 활용 가능ModelLLM (대규모 언어 모델, Large La..

이 글은 개인 공부를 위해 작성한 글로 계속 수정이 이뤄질 예정입니다. LangChain 개념부터 활용까지! (ChatGPT 한계 극복) 인공지능 기술의 눈부신 발전과 함께, 자연어 처리(NLP) 분야에서 거대 언어 모델(LLM)의 활용이 폭발적으로 증가하고 있습니다. 특히 OpenAI의 ChatGPT는 그 뛰어난 성능으로 많은 주목을 받았지만, 몇 가지 명확한 한계 또한 가지고 있습니다.이러한 LLM의 잠재력을 극대화하고, 현실 세계의 다양한 문제 해결에 적용할 수 있도록 등장한 강력한 프레임워크가 바로 LangChain입니다! 오늘은 LangChain의 핵심 개념부터 특징, 그리고 ChatGPT의 한계를 어떻게 극복하는지 자세히 알아보겠습니다.  LangChain이란 무엇일까요?LangChain은 언..

이 글은 개인 공부를 위해 작성한 글로 계속 수정이 이뤄질 예정입니다.Understanding multi-agent handoffs개념자신의 업무가 아니라고 판단되었을 경우, 해당 작업을 할 수 있는 다른 agent에게 작업을 전달하는 것1. Why use mulit-agent?여러 가지의 tool을 가지고 있는 단일 agent보다 전문성을 띠는 agent들을 구성하는 것이 수행 능력을 향상할 수 있다.2. How are agents aware of one another?1) create_handoff_tool() 라이브러리 사용각 agent가 다른 agent에게 Handoff 할 수 있는 tool을 만듭니다. (create_handoff_tool() 라이브러리를 사용) → 바인딩만 하여도 다른 업무에 ..

이 글은 개인 공부를 위해 작성한 글로 계속 수정이 이뤄질 예정입니다.Fully local multi-agent systems with LangGraph요약정리이 동영상은 LangGraph 프레임워크 내에서 Swarm 및 Supervisor 접근 방식에 초점을 맞춘 오픈 소스 및 로컬 모델을 사용하여 다중 에이전트 시스템을 구축하는 방법을 탐구합니다. 이 동영상은 이러한 시스템을 로컬로 실행할 수 있는 기능을 강조하며 효과적인 도구 호출이 가능한 소형 모델의 사용을 강조합니다.주요 개념에이전트: 환경 피드백에 따라 자신의 행동을 안내하는 LLM으로, 본질적으로 루프에서 도구 호출을 수행합니다.워크플로: 사전 정의된 코드 경로가 있는 지향성 제어 흐름으로, 구조화된 실행에서 에이전트와 다릅니다.도구 호출:..