AgentNet: LLM 기반 분산형 다중 에이전트 시스템의 혁신

AgentNet은 LLM 기반의 분산형 다중 에이전트 시스템으로, 중앙 집중식 시스템의 한계를 극복하고 확장성, 안정성, 개인 정보 보호를 향상시키는 혁신적인 프레임워크입니다. 자율적인 에이전트 협업과 동적 네트워크 구조를 통해 복잡한 작업을 효율적으로 처리할 수 있습니다.

최근 대규모 언어 모델(LLM)의 발전은 다중 에이전트 시스템의 급속한 발전을 촉진했습니다. 여러 LLM 기반 에이전트가 협력하여 복잡한 작업을 해결하는 시스템이 등장한 것이죠. 하지만 기존 시스템은 대부분 중앙 집중식 조정에 의존하여 확장성의 한계, 적응력 저하, 단일 지점 장애 문제에 직면했습니다. 더욱이 개인 정보 보호 및 독점 지식 공유에 대한 우려는 조직 간 협업을 저해하고 전문 지식의 고립을 초래했습니다.

이러한 과제를 해결하기 위해 등장한 것이 바로 AgentNet입니다. AgentNet은 분산형, RAG(Retrieval-Augmented Generation) 기반 프레임워크로, LLM 기반 에이전트가 DAG(Directed Acyclic Graph) 구조의 네트워크에서 자율적으로 역량을 발전시키고 효율적으로 협업할 수 있도록 합니다.

기존의 정적인 역할 할당이나 중앙 제어에 의존하는 다중 에이전트 시스템과 달리, AgentNet에서는 에이전트가 동적으로 전문화하고, 연결성을 조정하며, 미리 정의된 워크플로에 의존하지 않고 작업을 라우팅합니다. AgentNet의 핵심 설계는 다음과 같은 몇 가지 혁신적인 요소에 기반합니다.

1. 완전 분산화 패러다임: 중앙 조정자를 제거하여 에이전트가 자율적으로 조정 및 전문화되도록 함으로써, 내결함성과 집단 지능을 향상시킵니다.
2. 동적으로 진화하는 그래프 토폴로지: 작업 요구 사항에 따라 에이전트 연결을 실시간으로 적응시켜 확장성과 복원력을 보장합니다.
3. 전문 지식 개선을 위한 적응형 학습: 검색 기반 메모리 시스템을 통해 에이전트가 지속적으로 전문 기술을 업데이트 및 개선할 수 있도록 합니다.

중앙 제어를 제거함으로써 AgentNet은 내결함성을 향상시키고, 확장 가능한 전문화를 촉진하며, 조직 간의 개인 정보 보호를 준수하는 협업을 가능하게 합니다. 분산형 조정과 최소한의 데이터 교환을 통해 에이전트는 다양한 지식 소스를 활용하면서 민감한 정보를 보호할 수 있습니다. Yingxuan Yang, Huacan Chai, Shuai Shao, Yuanyi Song, Siyuan Qi, Renting Rui, Weinan Zhang 등 연구진이 개발한 AgentNet은 분산형 다중 에이전트 시스템의 새로운 지평을 열 것으로 기대됩니다.