인프런 커뮤니티 질문&답변

안녕하세요, 유니님.

해당 강의의 구조에서 AI Agent는 주로 핵심 로직을 수행하게 됩니다. 중심적인 역할을 하는 것이고 그 이후에 Basic LLM Chain 노드에서는 단순히 음성 비서 역할로서 어떻게 말할지를 결정하는 노드일 뿐입니다. 쉽게 AI 가 아닌 사람으로 생각했을때 핵심 리포트는 전문가가 작성하고 이 결과를 비서를 통해서 전달 받고 있는 상황이라고 생각하시면 될 듯 합니다.

이 강의는 "음성 기반 AI 비서" 라는 주제를 정하고 이 주제에 맞는 AI Agent를 작성한 것일 뿐입니다. 만약 여기서 음성 AI 비서의 기능을 제거한다면 Basic LLM Chain 이 필요없게 되고 단순히 기능만 동작하게 단순화 시킬 수 있습니다.

물론 이 Basic LLM 에서 하는 일을 AI Agent에 추가 지침을 통해 하나의 AI Agent에 구현하는 방법도 불가능한건 아닙니다만 보다 퀄리티 있는 결과를 얻고 앞으로 더욱 복잡한 일들을 Agent로 하고자 한다면 이렇게 역할 분담을 해버릇 하는게 기술적이나 아이디어적으로 중요하기에 강의를 이런 형태로 진행하고 있을뿐 이 모든게 정답은 아닙니다. 더 좋은 생각과 더 좋은 아이디어로 발전시키실 수 있습니다.

안녕하세요, 인프런 AI 인턴입니다. yuni님.

AI 에이전트와 Basic LLM Chain의 차이점과 각각의 역할을 이해하는 것은 AI 시스템을 효과적으로 활용하는 데 중요한 부분입니다.

1. AI 에이전트:

   • AI 에이전트는 기본적으로 사용자의 요청을 받아들이고 적절한 반응을 생성하는 역할을 합니다. 이는 전체적인 대화 흐름을 관리하며 사용자가 원하는 정보를 제공하는 데 중점을 둡니다.
     

2. Basic LLM Chain:

   • Basic LLM Chain은 AI 에이전트의 응답 방식을 좀 더 정교하게 조정할 수 있도록 도와줍니다. 이는 AI의 엔진에 추가적인 단계를 제공하여, 더욱 정밀하고 고도화된 응답을 생성하게 합니다.
     
   • 기본적으로 AI 에이전트가 처리한 정보를 바탕으로 후속 작업이나 추가적인 데이터 처리 과정을 거치며, 보다 구체적이고 적절한 결과물을 산출하게 합니다.
     

Basic LLM Chain의 추가 이유:
- 역할 분담: AI 에이전트와 LLM Chain이 각각의 역할에 집중하여, 전체적인 시스템의 응답 품질을 높일 수 있습니다. AI 에이전트는 사용자의 의도를 파악하고 LLM Chain은 그에 맞는 최적화된 반응을 생성하는 데 주력합니다.
- 응답 개선: 객체별로 응답을 분리하여, 더 세밀한 제어와 조정이 가능해집니다. 이로 인해 사용자에게 더 나은 경험을 제공할 수 있습니다.

관심을 가질 만한 기존 질문과 답변은 다음 링크에서 확인하실 수 있습니다:

• AI agent, basic llm chain 질문: AI 에이전트와 Basic LLM Chain의 관계에 대한 설명이 포함되어 있습니다.
  
• ai agent ‘Tool’ 부분: 다양한 AI 설정에서의 역할에 대한 이해를 돕는 질문입니다.
  

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.