Architecture
멀티 에이전트 구조
관제 에이전트가 역할별 에이전트에 일을 나누고 결과를 모읍니다. 외부로 나가는 행동은 반드시 사람이 승인합니다.
Process
진행 4단계
- 1
역할 정의
업무를 역할(방과후·드론·AI교육·출판·프로젝트)로 나누고 각 에이전트의 목표·경계·도구를 문서로 고정
- 2
지식 연결
각 에이전트가 참조할 지식 범위를 LLM Wiki(Official 우선)로 지정 — 재학습 없이 문서만 갱신
- 3
관제·실행
관제 에이전트가 요청을 배분하고 결과를 취합, 모든 실행은 Evidence·Delta로 기록
- 4
승인·발행
외부로 나가는 행동(발송·게시·결제)은 사람 승인 게이트를 거친 뒤 실행
Use Cases
활용 사례
- 01텔레그램 멀티봇 (yousam_agents) — 역할별 봇이 업무 처리
- 02방과후 운영 서류 자동 생성·안내문 발송
- 03콘텐츠 초안 생성 → 채널별 변환 → 승인 발행
- 04회의록·자료 요약 후 Notion 기록
- 05학교·기관 문의 1차 응답 초안
Compare
챗봇 vs AI Agent
| 항목 | 챗봇 | AI Agent (멀티) |
|---|---|---|
| 하는 일 | 질문에 답하고 끝 | 문서 생성·조회·알림 등 실제 작업 수행 |
| 지식 | 학습된 것만 | 지정한 위키·문서를 참조 (갱신 즉시 반영) |
| 구조 | 하나의 대화 | 역할별 에이전트 + 관제 + 승인 게이트 |
| 기록 | 대화 로그 | 실행마다 Evidence·Delta 기록 |
| 위험 통제 | 없음 | 외부 행동은 사람 승인 필수 |
FAQ
AI Agent 구축, 자주 묻는 질문
Q. AI Agent는 챗봇과 무엇이 다른가요?
챗봇은 질문에 답하고 끝나지만, 에이전트는 역할·지식 범위·도구를 갖고 실제 작업(문서 생성, 데이터 조회, 알림 발송)을 수행합니다.
Q. 여러 에이전트를 어떻게 나누나요?
업무 역할별로 나눕니다. 예: 기획·콘텐츠·운영·분석 에이전트. 각 에이전트는 자기 역할의 지식만 참조하고, 관제 계층이 결과를 모읍니다.
Q. 우리 조직 자료를 학습시키나요?
모델을 재학습하지 않고, 정리된 지식(위키·문서)을 참조하게 합니다. 자료가 바뀌면 참조 범위만 갱신하면 됩니다.
Q. 어떤 플랫폼에서 동작하나요?
텔레그램·카카오·Slack 같은 메신저, 웹 대시보드, 또는 내부 시스템에 붙일 수 있습니다. yousam_agents(텔레그램 멀티봇)가 실제 운영 사례입니다.
Q. 잘못된 행동은 어떻게 막나요?
에이전트마다 허용 도구와 승인 규칙을 정합니다. 외부로 나가는 행동(발송·게시·결제)은 사람 승인을 거칩니다.