LLM 에이전트 기초 강의: 도구 호출·환경 표현·ReAct 계획과 멀티 에이전트
카네기멜런대 고급 NLP 강의가 정리한 LLM 에이전트의 구성 요소. 도구를 부르는 두 가지 방식과 웹 환경 표현, 환경 이해를 돕는 프롬프트, 계획 수정과 오류 복구, 멀티 에이전트의 한계를 실제 사례로 짚는다.
핵심 내용 읽기 →AI TOPIC
도구 사용 관련 핵심 뉴스와 활용 인사이트 6편을 최신순으로 모았습니다.

카네기멜런대 고급 NLP 강의가 정리한 LLM 에이전트의 구성 요소. 도구를 부르는 두 가지 방식과 웹 환경 표현, 환경 이해를 돕는 프롬프트, 계획 수정과 오류 복구, 멀티 에이전트의 한계를 실제 사례로 짚는다.
핵심 내용 읽기 →
안드레이 카파시가 말한 '인지 코어'는 지식을 욱여넣는 대신 추론과 도구 사용에 집중한 초소형 모델이다. 샘 위트빈이 1B급 MiniCPM-5를 직접 돌려보며 그 가능성과 한계를 짚는다.
핵심 내용 읽기 →
언어 모델은 어떻게 검색·계산 같은 ‘행동’을 하게 될까. 도구 호출, 계획-실행-관찰 루프, 메모리와 평가, 그리고 프롬프트 주입 위험까지 에이전트의 핵심을 정리했다.
핵심 내용 읽기 →
함수 호출은 LLM이 텍스트 답변을 넘어 내 코드의 함수를 직접 호출하게 하는 기술이다. 동작 흐름과 RAG와의 차이, 실시간 데이터·행동 자동화 활용처, 그리고 구현 시 마주치는 어려움과 실전 팁까지 정리했다.
핵심 내용 읽기 →
AI 에이전트가 어떻게 작동하는지 LLM의 토큰 예측 원리부터 도구 사용, 장기 기억, 컨텍스트 윈도우 관리까지 한국어로 정리했다. 단순 챗봇과 도구를 쓰는 에이전트의 흐름 차이를 쉽게 설명한다.
핵심 내용 읽기 →
스노클이 UC버클리와 함께 금융 분석 도구 사용 과제에서 40억 파라미터 모델로 2350억 모델을 능가했다. 핵심은 더 큰 추론이 아니라 강화학습으로 가르친 '도구 사용 규율'이었다.
핵심 내용 읽기 →