Agent와 Workflow

Agent와 Workflow

LLM은 무엇을 언제할지 스스로 결정하는 자유로운 에이전트로 만족할까? 탐색적 작업에는 강하지만 반드시 분류 후 배정 같은 정해진 업무에는 고정 워크플로우가 맞다. createagent는 LLM이 자유롭게 도구를 골라 일했다. 이에 따라오는 단점이 있다면 예측 불가, 검증어려움, 비율 변동이 있다. 

https://standout.tistory.com/1886

Agents Agentic AI의 4요소 LLM, 도구, 기억, 루프 : 프롬프트, API 호출, Agent Loop, RAG, 장기기억, 팀협업(fe

https://standout.tistory.com/1314

데이터 워크플로우, 스케줄링 및 모니터링을 관리하는 Apache Airflow

 

 

Agent는 LLM이 스스로 다음 행동을 결정한다 .

agent = create_agent(
    model=model,
    tools=[
        search_documents,
        read_file,
        mysql_knowledge,
        ask_rag,
    ],
)

agent.invoke({"messages": [{"role": "user", "content": question}]})

https://standout.tistory.com/1879

LLM의 정의와 LLM 종류

 

 

Workflow는 미리 정의된 절차를 순서대로 수행한다 . LLM은 답변 생성만 담당하며 무엇을 할지는 코드가 결정한다. 

업무자동화에서는 예측가능성이 결정적이다. 규칙대로 처리됬음을 금융, 의료, 법무처럼 증명해야하는것.  AI가 알아서 했어요가 통하지않는다. 

워크플로우는 노드단위로 나뉘어 디버깅이 쉽고 어디서 잘못됬는지를 찾을 수 있다. 

분류, 우선순위, 배정 각 단계가 분리되어 분류가 맞는데 우선순위가 틀렸다면 해당 영역만 고치면 된다 . 

또 '분류'는 자연어 이해가 필요하니 LLM을 쓰지만 우선순위나 배정은 간단한 규칙이면 됨으로 LLM없이 코드로 해 빠르고, 공짜에 정확하다. LLM이 잘하는 것만 할당하는것.

def workflow(question):
    category = classify(question)
    docs = search_documents(category)
    answer = llm.generate(question, docs)
    return answer

 

 

구분	Workflow	Agent
실행 방식	미리 정해진 순서대로 실행	LLM이 상황에 따라 다음 행동을 결정
흐름	고정(Deterministic)	동적(Adaptive)
도구 사용	개발자가 지정	LLM이 필요할 때 선택
제어	코드가 제어	LLM이 제어
예측 가능성	높음	상대적으로 낮음
대표 사례	ETL, RAG 파이프라인	AI 비서, 코딩 에이전트, 연구 에이전트