<aside> 🔵 2H AI Agent 설계 및 분석 이론: Agent 활용 목적 및 비즈니스 요구사항 분석 실습: 데모 시나리오 분석 및 Agent 아키텍처 설계

</aside>

이론 — AI Agent의 개념과 비즈니스 요구사항 분석

단순 LLM 호출 vs AI Agent

구분          단순 LLM 호출                    AI Agent
──────────────────────────────────────────────────────────────
동작 방식      입력 → 출력 (1회성)               목표 달성까지 반복 루프
도구 사용      없음                              웹 검색, DB 조회, API 호출
상태 관리      없음                              대화 기록, 작업 진행 상태 유지
적합한 용도    Q&A, 텍스트 생성, 번역             다단계 업무 자동화, 리서치

Agent의 핵심 구성 요소

Planner    목표를 하위 작업으로 분해하고 실행 순서를 결정
Tools      외부 시스템과의 인터페이스 (검색, DB, API, 파일 등)
Memory     단기(대화 기록)와 장기(벡터 DB) 정보 보관
Executor   계획에 따라 도구를 순서대로 실행하고 결과 수집

Agent가 필요한 비즈니스 케이스

• 여러 단계를 거쳐야 하는 업무 자동화 (리서치 → 분석 → 리포트)
• 외부 데이터를 실시간으로 가져와야 하는 경우 (뉴스, 공시, 시세)
• 사람이 결정해야 할 분기점이 많은 프로세스
• 반복 일정 실행 (매일 오전 9시에 브리핑 생성 등)

비즈니스 요구사항 → Agent 설계 변환

<aside> 📋 요구사항을 정리할 때 아래 네 가지 질문에 답하면 설계가 완성됩니다.

</aside>

1. 최종 산출물이 무엇인가?     예) 반도체 뉴스 일일 브리핑
2. 어떤 데이터가 필요한가?     예) 뉴스 기사 URL, 본문 텍스트
3. 데이터를 어디서 가져오나?   예) DuckDuckGo 검색, RSS 피드
4. 언제, 얼마나 자주 실행하나? 예) 매일 오전 8시, APScheduler