Agents
AI 에이전트는 특정 목표를 달성하기 위해 추론하고, 의사 결정을 내리며, 환경과 상호작용하고, 행동을 취할 수 있는 자율 시스템입니다. Koog에서 AI 에이전트는 단순히 LLM을 감싸는 래퍼(wrapper) 이상의 의미를 갖습니다. 이는 JVM 생태계를 위해 설계된 구조화되고 타입 안전한(type-safe) 상태 머신입니다.
Koog 에이전트는 다음과 같은 핵심 개념을 중심으로 구축됩니다:
- 프롬프트 실행기(prompt executor)는 프롬프트를 관리하고 실행하여 에이전트가 추론 및 의사 결정을 위해 LLM과 상호작용할 수 있도록 합니다.
- 전략(strategy)은 에이전트의 워크플로를 정의합니다. 유향 그래프(directed graph), 함수 또는 플래너 형태가 될 수 있습니다. 에이전트 유형을 참조하세요.
- 에이전트는 외부 데이터 소스 및 서비스와 상호작용하기 위해 도구를 사용할 수 있습니다.
- 기능(features)을 사용하여 AI 에이전트의 기능을 확장하고 강화할 수 있습니다.
팁
최소한의 에이전트를 생성하고 실행하는 방법에 대한 정보는 퀵스타트를 참조하세요.
Agent types
수행해야 하는 작업에 따라 Koog는 여러 에이전트 유형을 제공합니다:
- 기본 에이전트(Basic agents)는 커스텀 로직이 필요 없는 간단한 작업에 이상적입니다. 이 에이전트들은 대부분의 일반적인 사용 사례에 적합한 미리 정의된 전략을 구현합니다.
- 그래프 기반 에이전트(Graph-based agents)는 에이전트의 워크플로, 상태 관리 및 시각화에 대한 완전한 제어와 유연성을 제공합니다.
- 함수형 에이전트(Functional agents)는 에이전트의 컨텍스트에 접근할 수 있는 함수로서 커스텀 로직을 신속하게 프로토타이핑할 수 있게 해줍니다.
- 플래너 에이전트(Planner agents)는 원하는 최종 상태에 도달할 때까지 반복적인 사이클을 통해 다단계 작업을 자율적으로 계획하고 실행할 수 있습니다.
Agent configuration
에이전트 설정(Agent configuration)은 초기 프롬프트, 언어 모델, 반복 횟수 제한을 포함한 에이전트의 실행 파라미터를 정의합니다.
팁
최소한의 에이전트를 생성하고 실행하는 방법에 대한 정보는 퀵스타트를 참조하세요.
단순한 에이전트의 경우, 필수적인 프롬프트 실행기와 언어 모델 외에도 초기 시스템 프롬프트 및 기타 일부 파라미터를 에이전트 생성자에서 직접 지정할 수 있습니다:
val agent = AIAgent(
promptExecutor = simpleOpenAIExecutor(System.getenv("YOUR_API_KEY")),
llmModel = OpenAIModels.Chat.GPT4o,
systemPrompt = "You are a helpful assistant.",
temperature = 0.7,
maxIterations = 10
)AIAgent<String, String> agent = AIAgent.builder()
.promptExecutor(simpleOpenAIExecutor(System.getenv("YOUR_API_KEY")))
.llmModel(OpenAIModels.Chat.GPT4o)
.systemPrompt("You are a helpful assistant.")
.temperature(0.7)
.maxIterations(10)
.build();또는, AIAgentConfig의 인스턴스를 생성하여 에이전트의 동작과 파라미터를 더 세밀하게 정의한 다음 에이전트 생성자에 전달할 수 있습니다. 이를 통해 여러 메시지가 포함된 복잡한 프롬프트, 대화 기록, LLM 파라미터 및 추가 실행 파라미터를 정의할 수 있습니다.
val agentConfig = AIAgentConfig(
prompt = prompt(
id = "assistant",
params = LLMParams(
temperature = 0.7
)
) {
system("You are a helpful assistant.")
},
model = OpenAIModels.Chat.GPT4o,
maxAgentIterations = 10
)
val agent = AIAgent(
promptExecutor = simpleOpenAIExecutor(System.getenv("OPENAI_API_KEY")),
agentConfig = agentConfig
)Prompt prompt = Prompt.builder("assistant")
.system("You are a helpful assistant.")
.build()
.withParams(new LLMParams(
0.7, // temperature
null, // maxTokens
1, // numberOfChoices
null, // speculation
null, // schema
LLMParams.ToolChoice.Auto.INSTANCE, // toolChoice
null, // user
null // additionalProperties
));
AIAgentConfig agentConfig = AIAgentConfig.builder(OpenAIModels.Chat.GPT4o)
.prompt(prompt)
.maxAgentIterations(10)
.build();
AIAgent<String, String> agent = AIAgent.builder()
.promptExecutor(simpleOpenAIExecutor(System.getenv("OPENAI_API_KEY")))
.agentConfig(agentConfig)
.build();AIAgentConfig의 파라미터는 다음과 같습니다:
model은 에이전트가 상호작용하는 언어 모델을 지정합니다. 미리 정의된 모델 중 하나를 사용하거나 커스텀 모델 설정 생성을 통해 설정할 수 있습니다.maxAgentIterations는 에이전트가 종료되기 전까지 취할 수 있는 최대 단계 수를 제한합니다. 각 단계는 에이전트 워크플로의 노드입니다.missingToolsConversionStrategy는 에이전트 실행 중 누락된 도구를 처리하기 위한 전략을 정의합니다.
responseProcessor는 커스텀 응답 프로세서를 정의하는 데 사용할 수 있습니다. 예를 들어, 응답 내용을 검토(moderate) 및 검증하거나, 응답 형식을 변경하거나, 응답을 기록(log)할 수 있습니다.
