단일 인공지능 에이전트 구조의 효율성 검증

주장앤스로픽은 최신 인공지능 모델이 복잡한 계획을 단일 루프 내에서 직접 관리할 수 있게 됨에 따라, 여러 개의 전문화된 서브 에이전트를 사용하는 것보다 단일 에이전트를 사용하는 방식이 더 효율적이라고 강조합니다. 다중 에이전트 구조는 정보 전달 과정에서 지연 시간 증가와 비용 상승 및 정보 손실 문제를 일으킵니다.

팩트앤스로픽의 테스트 결과에서 단일 에이전트 아키텍처는 다중 에이전트 설정보다 약 2배 빠른 처리 속도를 기록했습니다. 오퍼스 4.5, 오퍼스 5.5, 페이블 5.1 모델은 복잡한 작업을 스스로 처리합니다.

팩트앤스로픽은 기업들이 기존 복잡한 에이전트 구조를 평가하고 단일 에이전트로 전환하도록 돕는 마이그레이션 키트를 깃허브에 공개했습니다. 이 키트는 기존 패턴 식별과 대안 평가 및 최적 접근 방식 검증 과정을 안내합니다.

주장앤스로픽은 이를 에이전트 분야의 콘웨이 법칙으로 설명하며, 조직 구조를 그대로 복제한 에이전트 설계가 상충하는 규칙들로 가득 찬 프랑켄프롬프트를 만든다고 지적합니다. 대신 깨끗한 시스템 프롬프트와 소수의 데이터 도구를 사용하는 방식이 더 효과적입니다.

팩트앤스로픽은 클로드 코드 시스템 프롬프트를 80퍼센트 이상 축소했습니다. 이는 필요한 경우에만 기술과 도구를 로드하는 방식으로 변경했기 때문에 가능하며, 모델이 스스로 진행 상황을 점검하면서 추가적인 제어 계층의 필요성이 줄어들었습니다.

교차검증단일 에이전트가 항상 최적의 해결책은 아닙니다. 단일 에이전트의 맥락 윈도우 성능이 저하되거나, 여러 작업을 별도의 맥락 윈도우에서 병렬로 실행해야 할 때, 혹은 도구 선택에 어려움을 겪는 경우에는 여전히 서브 에이전트 구조가 유효합니다.

팩트앤스로픽은 무분별한 통합을 경고하며, 한 사례에서는 서브 에이전트를 통합한 후 지연 시간은 줄었으나 프로세스가 작동하지 않는 문제가 발생했다고 밝혔습니다. 에이전트가 전문가에게 상담하는 대신 스스로 답변하려다 오류가 발생했습니다.

주장앤스로픽은 에이전트 설계 시 기술 라이브러리가 비대해지지 않도록 관리할 것을 권장합니다. 모델의 도구 선택 능력은 30개에서 50개의 도구 정의를 넘어서면 저하되는 경향이 있으므로, 중앙 팀이 시스템 프롬프트와 품질을 관리해야 합니다.

팩트발스의 연구에 따르면 에이전트 팀이 단일 에이전트보다 빠를 수는 있지만 품질 향상으로 이어지지는 않는 것으로 나타났습니다. 에이전트 수를 10개에서 100개로 늘려도 품질 개선은 없었으며 비용만 크게 증가했습니다.

출처더 디코더(https://the-decoder.com/anthropic-says-one-ai-agent-beats-many-subagents-now-that-models-can-handle-complexity-alone/)의 보도를 교차 검증했습니다.