CrewAI 계층형 패턴 실습: 관리자 에이전트로 멀티 에이전트 작업 동적 분배하기

핵심 메시지

• 계층형 패턴은 관리자 에이전트가 사용자 요청을 이해하고 하위 작업으로 쪼갠 뒤 적합한 담당 에이전트에게 위임하고, 결과를 평가해 다음 단계를 정하는 구조다.
• 병렬 패턴에서는 개발자가 어떤 에이전트가 무엇을 할지 미리 정하지만, 계층형에서는 관리자 에이전트가 실행 시점에 동적으로 정한다.
• 구현상 가장 큰 차이는 작업 정의다. 병렬 패턴은 에이전트마다 작업이 따로 있지만, 계층형은 시스템 전체에 공통으로 적용되는 작업 하나만 만든다.
• 관리자 에이전트에는 위임 허용 옵션을 켜고 담당 에이전트들은 꺼두며, 크루를 만들 때 관리자 에이전트를 지정하고 처리 방식을 계층형으로 설정해야 한다.
• 단계가 명확하고 독립적인 작업이면 병렬 패턴이, 단계를 미리 알 수 없고 판단이 필요한 복합 작업이면 계층형 패턴이 적합하다.

쉽게 이해하기

실제 서비스에서 AI 에이전트를 쓰다 보면 결국 에이전트 수가 늘어나고, 이들을 어떻게 조율할지가 문제가 된다. 이 영상은 CrewAI를 예로 들어 계층형 패턴을 설명한다. 계층형 패턴에서는 관리자 역할의 에이전트가 크루의 두뇌 역할을 맡아 사용자 요청을 해석하고, 하위 작업으로 나누고, 적합한 전문 에이전트에게 넘기고, 결과를 검토한 뒤 목표에 도달할 때까지 다음 단계를 결정한다.

앞선 편에서 다룬 병렬 패턴과 비교하면 차이가 분명해진다. 병렬 패턴에서는 사용자 입력이 들어오면 미리 정해진 대로 여러 에이전트가 동시에 또는 순차적으로 실행되고, 통제권은 코드를 쓰는 개발자에게 있다. 계층형에서는 입력이 먼저 관리자 에이전트에게 가고, 관리자가 흐름 전체를 통제한다. 그래서 유연성과 확장성은 높지만 실행 경로는 미리 확정되지 않는다.

코드 수준에서 가장 눈에 띄는 변화는 작업 정의 방식이다. 병렬 패턴에서는 에이전트마다 전담 작업이 붙지만, 계층형에서는 개별 에이전트에 작업이 없고 관리자만 작업을 갖는다. 영상에서는 여행 계획을 예로 들어 명소·호텔·음식·일정·예산 담당 에이전트를 만들고, 작업은 '목적지·기간·예산·선호를 반영한 완전한 여행 계획을 세우라'는 하나만 정의한다. 관리자는 이 요구를 읽고 각 담당자에게 무엇을 시킬지 스스로 정한다.

관리자 에이전트를 정의할 때는 역할과 목표뿐 아니라 배경 설정이 중요하다. 영상에서는 관리자에게 '너는 절대 직접 전문 업무를 수행하지 않는다'는 지시를 넣어, 관리자가 직접 답을 만들지 않고 위임에만 집중하도록 했다. 관리자에게는 위임 허용 옵션을 참으로, 담당 에이전트들에게는 거짓으로 설정한다. 크루를 구성할 때는 관리자 에이전트를 별도 인자로 지정하고 처리 방식을 계층형으로 지정해야 한다.

실행 결과를 보면 관리자가 '동료에게 작업 위임'이라는 도구를 반복 호출하며, 파리 7일 여행이라는 요청을 명소 조사, 숙소 탐색, 음식 추천, 예산 분석으로 나눠 던진다. 각 담당자가 결과를 돌려주면 관리자가 이를 종합해 일정과 예산이 포함된 최종 계획을 내놓는다. 실행 로그에 담당 에이전트 이름이 고정되어 나타나지 않는 것도 특징인데, 어떤 작업을 누구에게 맡길지가 실행 시점에 결정되기 때문이다.

주요 인사이트

• 계층형 패턴의 핵심은 에이전트를 늘리는 것이 아니라 '누가 결정하는가'를 옮기는 것이다. 개발자가 워크플로를 확정하던 통제권이 관리자 에이전트로 넘어가면서 유연성이 생기지만, 그만큼 실행 경로를 예측하기 어려워진다.
• 관리자에게 '직접 일하지 말라'는 지시를 배경 설정에 명시한 점이 눈에 띈다. 위임 구조를 만들어도 모델이 스스로 답을 만들어버리면 계층 구조가 무너지므로, 프롬프트로 역할 경계를 강제하는 것이 실무적 핵심이다.
• 작업을 에이전트별로 쪼개지 않고 하나만 두는 설계는 확장에 유리하다. 담당자를 추가하거나 제거해도 작업 정의를 손댈 필요가 없고, 관리자가 새 담당자를 인식해 배분하기 때문이다.
• 반대로 단계가 이미 명확하고 서로 독립적인 작업이라면 계층형은 과한 선택이다. 여러 사이트에서 가격을 모으는 것처럼 순서가 확정된 일은 병렬 패턴이 더 단순하고 예측 가능하다.
• 관리자가 매 요청마다 판단을 거치므로 호출 횟수와 대기 시간이 늘어난다는 점도 함께 고려해야 한다. 영상의 실행 로그에서도 위임과 결과 취합이 여러 차례 반복되는 것을 볼 수 있다.

자주 묻는 질문

관련 AI 소식