에이전트 인지 아키텍처

에이전트 인지 아키텍처 Map of Content

대규모 언어 모델이 단순한 텍스트 완성기를 넘어, 스스로 계획을 세우고 외부 환경과 상호작용하며 문제를 해결하는 자율 지능체로 진화하는 인지 구조를 다룬다. 상위 지도는 AI 에이전트다.

이 지도가 있는 이유

“AI는 어떻게 환각을 없애고 사실에 기반한 답을 찾는가”, “생각하는 뇌와 행동하는 손발은 어떻게 결합되는가”, “작업 기억과 상태는 어떻게 유지하는가”, “사람이 에이전트의 잘못된 행동을 어떻게 쉽게 교정하는가”에 답하기 위한 지도다.

처음 읽는다면 추론과 행동의 결합부터 시작한다.

핵심 노트

ReAct: 생각과 행동의 결합

• 추론과 행동의 결합: 생각만 하는 CoT와 행동만 하는 Act의 한계를 깨고 시너지를 낸 ReAct 패러다임.
• 환경 관측과 환각의 제로화: 외부 환경의 관측값(Observation)을 루프에 주입하여 환각을 0%대로 떨어뜨린 원리.
• 에이전트 행동 공간의 확장: 외부 도구($A$)와 내부 생각($L$)을 하나로 통합한 행동 공간($\hat{A}=A\cup L$).
• 생각과 행동의 상호 전환: 직관적 내부 추론과 무거운 외부 도구 검증을 유연하게 오가는 하이브리드 파이프라인.

출처

• ReAct - Synergizing Reasoning and Acting in Language Models: 슈뉴 야오와 구글 브레인이 발표한 ICLR 2023 원전.

이웃 지도

• 판단과 의사결정: 인간의 이중 처리 시스템(시스템 1과 2)과 에이전트 인지 루프의 연결.
• 인과 추론: 에이전트가 개입($do$)을 통해 환경의 진짜 인과 법칙을 학습하는 메커니즘.

열린 질문 / 빈틈

• 순환 그래프 상태 머신과 지속성 체크포인터를 다루는 LangGraph 아키텍처는 아직 노트가 없다.
• Claude의 5대 에이전틱 워크플로(라우팅, 병렬화, 오케스트레이터, 평가자-최적화자)는 아직 노트가 없다.