멀티 에이전트 시스템과 CrewAI 입문: 순차·병렬·계층형 패턴 정리

핵심 메시지

• 멀티 에이전트 시스템은 각자 역할과 도구, 기억을 가진 여러 AI 에이전트가 하나의 목표를 향해 협업하는 구조다.
• 에이전트끼리 소통하는 방식에는 직접 통신, 방송, 그룹 통신, 중개, 공유 게시판, 입찰 방식 등이 있다.
• 대표적인 워크플로 패턴은 순차형, 병렬형, 계층형 세 가지이며 작업의 의존 관계에 따라 고른다.
• 금융·의료처럼 정확도가 중요한 분야에서는 사람이 중간에 결과를 검토하는 방식을 함께 쓴다.
• CrewAI는 에이전트·태스크·크루·프로세스라는 구성 요소로 이 구조를 코드로 옮겨 주는 파이썬 프레임워크다.

쉽게 이해하기

AI 에이전트를 하나만 쓰면 간단한 일은 처리할 수 있지만, 여러 종류의 조사와 판단이 얽힌 문제 앞에서는 금방 한계에 부딪힌다. 이 영상은 그 지점에서 출발해 여러 에이전트를 하나의 팀으로 묶는 멀티 에이전트 시스템의 개념과, 이를 코드로 구현하는 도구인 CrewAI를 소개한다.

설명은 여행 계획 예시로 시작한다. 사용자가 '정해진 예산 안에서 항공권과 숙소, 꼭 가 볼 곳을 포함한 파리 7일 일정을 짜 달라'고 요청하면, 먼저 조정자 역할의 에이전트가 요청을 분석해 일을 쪼갠다. 항공권을 찾는 에이전트, 숙소를 찾는 에이전트, 명소를 고르는 에이전트, 날씨를 확인하는 에이전트, 예산을 계산하는 에이전트가 각자 맡은 일을 하고 결과를 조정자에게 돌려주면 조정자가 최종 일정표를 만든다. 이들은 여행 선호도 같은 정보를 담은 공용 저장소나 기억을 함께 쓴다.

이렇게 나누면 여러 작업을 동시에 처리할 수 있어 빨라지고, 에이전트를 추가하거나 빼기 쉬워 확장에 유리하며, 하나가 실패해도 나머지가 계속 돌아간다는 장점이 있다. 대신 조정과 통신이 가장 큰 난관이 되고, 에이전트 사이에 결론이 충돌할 때 어떻게 처리할지 따로 정해야 하며, 참여하는 에이전트가 늘어날수록 시스템 복잡도가 함께 올라간다.

에이전트끼리 소통하는 방식도 여러 갈래다. A가 B에게 직접 말을 거는 방식, 한 에이전트가 모두에게 뿌리는 방송 방식, 관련 있는 일부에게만 보내는 그룹 방식, 중개자를 거쳐 전달하는 방식, 공용 지식 공간에 적어 두고 각자 가져다 쓰는 게시판 방식, 관리자가 일을 공고하면 에이전트들이 입찰하는 방식 등이 소개된다. 워크플로 패턴 중 자주 쓰이는 세 가지는 앞 에이전트의 결과가 다음 에이전트의 입력이 되는 순차형, 서로 독립적인 작업을 동시에 돌리고 결과를 합치는 병렬형, 관리자 에이전트가 목표를 쪼개 배분하고 진행 상황을 감시한 뒤 최종 결정을 내리는 계층형이다.

CrewAI는 이런 구조를 직접 짜지 않고도 만들 수 있게 해 주는 오픈소스 파이썬 프레임워크다. 에이전트에는 역할과 목표, 배경 설명, 사용할 도구와 모델을 지정하고, 태스크에는 할 일의 설명과 기대 결과, 담당 에이전트를 적는다. 크루는 참여 에이전트와 태스크 묶음, 실행 방식을 담고, 프로세스는 순차형인지 계층형인지 같은 실행 흐름을 정의한다. 발표자는 CrewAI 없이도 멀티 에이전트 시스템을 만들 수 있지만 통신 방식과 워크플로 관리, 관찰 기능, 기억, 가드레일까지 직접 구현해야 한다고 지적하며, 랭그래프·랭체인·오토젠 같은 다른 선택지도 함께 언급한다.

주요 인사이트

• 멀티 에이전트 설계의 핵심은 모델을 몇 개 붙이느냐가 아니라 일을 어떤 기준으로 쪼개고 누가 최종 판단을 하느냐다.
• 패턴 선택은 작업의 의존 관계가 결정한다. 앞 결과가 있어야 다음 일을 할 수 있으면 순차형, 서로 독립이면 병렬형, 판단과 조율이 필요하면 계층형이다.
• 에이전트를 늘리면 속도와 확장성은 얻지만 조정·통신·충돌 처리라는 비용이 따라온다. 나누는 것 자체가 공짜가 아니다.
• 금융이나 의료처럼 실수 비용이 큰 영역에서는 사람이 결과를 검토하고 다시 다듬게 하는 구간을 설계에 넣는 것이 전제다.
• 프레임워크의 가치는 기능이 아니라 직접 만들지 않아도 되는 부분에 있다. 통신 방식, 실행 흐름, 기억, 가드레일이 여기에 해당한다.

자주 묻는 질문

관련 AI 소식