HASHIRU: 하이브리드 지능 기반의 자원 효율적인 다중 에이전트 시스템의 혁신

HASHIRU는 계층적 구조와 하이브리드 지능을 활용하여 자원 효율성과 적응력을 극대화한 혁신적인 다중 에이전트 시스템입니다. 다양한 작업에서 우수한 성능을 보여주었으며, 자율적인 기능 확장을 통해 지속적인 성능 향상이 가능합니다.

HASHIRU: 자원 효율성과 적응력을 극대화한 새로운 다중 에이전트 시스템

최근 급속도로 발전하는 대규모 언어 모델(LLM)은 자율적인 다중 에이전트 시스템(MAS) 개발에 새로운 가능성을 열었습니다. 하지만 기존의 MAS 프레임워크들은 유연성 부족, 자원 인식 부재, 모델 다양성 제한, 그리고 자율적인 도구 생성 기능의 부족 등 여러 가지 한계를 가지고 있었습니다.

이러한 문제점을 해결하기 위해, Kunal Pai, Parth Shah, Harshil Patel 세 연구원은 HASHIRU (Hierarchical Agent System for Hybrid Intelligent Resource Utilization) 라는 혁신적인 MAS 프레임워크를 개발했습니다. HASHIRU는 유연성, 자원 효율성, 적응력을 향상시키는 데 중점을 두고 설계되었습니다.

HASHIRU의 핵심 특징

HASHIRU는 계층적인 구조를 가지고 있습니다. 상위에 위치한 'CEO' 에이전트는 작업의 특성과 자원 제약 조건 (비용, 메모리)에 따라 하위의 '직원' 에이전트들을 동적으로 생성하고 관리합니다. 이러한 동적인 자원 할당은 시스템의 효율성을 극대화하고, 불필요한 자원 낭비를 방지하는 데 중요한 역할을 합니다.

또한 HASHIRU는 하이브리드 지능을 활용합니다. 작고 가벼운 LLM (Ollama 활용)을 우선적으로 사용하고, 필요에 따라 외부 API나 대규모 모델을 유연하게 활용합니다. 이를 통해 자원 사용을 최적화하고, 다양한 작업에 효율적으로 대응할 수 있습니다. 흥미로운 점은 경제 모델을 도입하여 에이전트의 고용/해고 비용을 고려함으로써 팀의 안정성을 유지하고 자원을 효율적으로 할당한다는 점입니다.

더 나아가, HASHIRU는 자율적인 API 도구 생성 기능과 메모리 기능을 갖추고 있습니다. 이는 시스템이 스스로 기능을 확장하고, 과거의 경험을 바탕으로 학습하고 발전할 수 있음을 의미합니다. 실제로 자율적인 비용 모델 생성, 도구 통합, 예산 관리 등을 통해 시스템의 자체 개선 능력을 보여주는 사례 연구 결과도 발표되었습니다.

놀라운 성능

HASHIRU의 성능은 다양한 실험을 통해 검증되었습니다. 학술 논문 검토(58% 성공률), 안전성 평가(JailbreakBench 하위 집합에서 100% 성공률), 그리고 복잡한 추론 과제에서 Gemini 2.0 Flash를 능가하는 결과를 보여주었습니다 (GSM8K: 96% vs 61%, JEEBench: 80% vs 68.3%, SVAMP: 92% vs 84%).

결론

HASHIRU는 동적인 계층적 제어, 자원 인식 하이브리드 지능, 그리고 자율적인 기능 확장을 통해 보다 강력하고, 효율적이며, 적응력 있는 MAS를 구축하는 데 유망한 접근 방식을 제시합니다. GitHub (https://github.com/HASHIRU-AI/HASHIRU, https://github.com/HASHIRU-AI/HASHIRUBench) 에서 소스 코드와 벤치마크를 확인할 수 있으며, 요청 시 (https://hashiruagentx-hashiruai.hf.space) 에서 데모를 체험할 수 있습니다.