협업하는 AI 에이전트: Agent Context Protocols(ACP)의 등장

Devansh Bhardwaj 등 연구진이 개발한 Agent Context Protocols (ACPs)는 다양한 전문 분야의 AI 에이전트들이 효율적으로 협업하여 복잡한 문제를 해결하는 새로운 패러다임을 제시합니다. 구조화된 프로토콜과 지속적인 실행 청사진을 통해 에이전트 간의 상호 운용성과 협업 효율을 높였으며, 실제 벤치마크 테스트에서 상용 AI 시스템을 능가하는 성능을 보였습니다.

최근 AI 에이전트는 코딩, 추론, 멀티모달 이해와 같은 복잡한 작업에서 놀라운 능력을 보여주고 있습니다. 하지만 진정한 범용 AI 시스템을 구축하려면 개별 에이전트의 능력을 넘어, 다양한 전문 분야의 에이전트들이 서로 협력하고 정보를 공유하는 집단 추론(collective inference) 이 필수적입니다.

지금까지는 에이전트 간의 협업이 대부분 부정확하고 임시적인 자연어에 의존해 왔습니다. 이러한 방식은 복잡한 상호 작용을 제한하고, 특정 분야에 특화된 에이전트와의 상호 운용성을 저해하는 요인이었습니다.

Devansh Bhardwaj 등 연구진이 개발한 Agent Context Protocols (ACPs) 는 이러한 문제를 해결하기 위한 혁신적인 해결책을 제시합니다. ACP는 도메인 및 에이전트에 독립적인 구조화된 프로토콜로, 에이전트 간의 통신, 조정 및 에러 처리를 위한 표준화된 메커니즘을 제공합니다.

ACPs는 크게 두 가지 요소로 구성됩니다. 첫째, 지속적인 실행 청사진(persistent execution blueprints) 은 에이전트의 중간 출력물을 명시적으로 저장하는 의존성 그래프입니다. 둘째, 표준화된 메시지 스키마(standardized message schemas) 는 에이전트 간의 정보 교환을 효율적이고 안정적으로 처리합니다. 이러한 두 가지 요소의 조합을 통해 ACP는 강력하고 오류에 강한 다중 에이전트 집단 추론 시스템을 가능하게 합니다.

연구 결과, ACP 기반의 범용 AI 시스템은 AssistantBench라는 벤치마크에서 장기간 웹 지원 작업에서 **28.3%**의 정확도를 달성하며 최첨단 성능을 기록했습니다. 또한 최고 수준의 멀티모달 기술 보고서를 생성하여 인간 평가에서도 상용 AI 시스템을 능가하는 결과를 보였습니다.

ACPs는 모듈식이고 확장 가능하도록 설계되어 있어, 연구자들이 다양한 분야의 에이전트들을 빠르게 통합하고 고성능의 범용 에이전트 시스템을 구축할 수 있습니다. 이는 AI 기술 발전에 중요한 이정표를 제시하며, 앞으로 더욱 복잡하고 다양한 문제를 해결하는 데 큰 기여를 할 것으로 기대됩니다.