정의

에이전트 계획(Agent Planning)은 지능형 에이전트가 지정된 고수준 목표를 달성하는 데 필요한 일련의 행동을 결정하는 인지 과정입니다. 에이전트 플래너는 단일 명령을 실행하는 대신, 복잡한 목표(예: '런던으로의 전체 출장 예약')를 받아 체계적으로 작고 관리 가능한 하위 작업들로 분해합니다. 그런 다음 이 하위 작업들은 최종 결과가 효율적으로 달성되도록 논리적으로 순서가 정해집니다.

중요성

AI 시스템이 단순한 반응형 스크립트를 넘어 발전하려면 계획 능력을 갖추어야 합니다. 에이전트 계획은 추상적인 인간의 의도와 구체적인 기계 실행 사이의 다리 역할을 합니다. 이것이 없다면 에이전트는 미리 정의된 단일 기능만 수행할 수 있습니다. 계획 기능은 에이전트가 모호성을 처리하고, 실패로부터 복구하며, 다단계의 실제 문제를 자율적으로 관리할 수 있도록 합니다.

작동 방식

계획 과정은 일반적으로 여러 단계를 포함합니다.

• 목표 해석: 에이전트는 최종 목표를 받습니다.
• 분해: 목표는 재귀적으로 더 작고 원자적인 작업들로 분해됩니다. 여기에는 종종 계층적 작업 네트워크(HTN)와 같은 기술이 사용됩니다.
• 행동 선택: 각 하위 작업에 대해 에이전트는 적절한 도구나 함수(예: '데이터베이스 검색', 'API 호출', '텍스트 생성')를 선택합니다.
• 순서 지정 및 제약 조건 확인: 에이전트는 이러한 행동들의 순서를 정하고, 전제 조건이 충족되는지 확인합니다(예: '요약'하기 전에 반드시 '검색'해야 함).
• 실행 및 모니터링: 계획은 단계별로 실행되며, 편차나 실패를 감지하기 위해 지속적으로 모니터링하고 필요시 재계획을 트리거합니다.

일반적인 사용 사례

에이전트 계획은 여러 고급 애플리케이션에서 매우 중요합니다.

• 자동화된 연구: '3분기 재생 에너지 시장 분석'이라는 임무를 받은 에이전트는 '주요 보고서 식별', '데이터 스크래핑', '분석 결과 종합', '프레젠테이션 슬라이드 생성'과 같은 단계를 계획해야 합니다.
• 소프트웨어 개발 보조 도구: 계획 기능을 통해 에이전트는 기능 요청을 받아 필요한 단계를 계획할 수 있습니다: '스키마 설계', '단위 테스트 작성', '핵심 로직 구현', '통합 테스트 실행'.
• 복잡한 고객 서비스: '청구 오류 문제 해결 및 계정 업데이트'와 같은 다단계 지원 문제를 처리하려면 재무 및 기술 모듈 전반에 걸친 순차적 계획이 필요합니다.

주요 이점

• 자율성: 에이전트가 지속적인 인간의 감독 없이 작동할 수 있도록 합니다.
• 견고성: 재계획 능력은 시스템이 예상치 못한 오류나 외부 변경 사항을 우아하게 처리할 수 있게 합니다.
• 확장성: 핵심 알고리즘의 복잡성을 높이는 대신 계획의 깊이를 확장함으로써 복잡한 문제를 관리할 수 있습니다.

과제

• 상태 공간 폭발: 매우 복잡한 목표의 경우 가능한 행동 시퀀스의 수가 계산적으로 다루기 어려워질 수 있습니다.
• 접지(Grounding): 추상적인 계획이 에이전트 도구의 실제 세계 기능과 완벽하게 일치하도록 보장하는 것이 여전히 중요한 난제입니다.
• 계획 시간: 최적의 계획을 생성하는 데 작업 자체보다 더 오랜 시간이 걸릴 수 있으며, 이는 효율적인 검색 알고리즘을 필요로 합니다.

관련 개념

이 개념은 에이전트가 시행착오를 통해 최적의 정책을 학습하는 강화 학습(RL) 및 잠재적인 계획 경로를 탐색하는 데 사용되는 트리 탐색 알고리즘과 밀접하게 관련되어 있습니다.