Spring AI Multi-LLM & Orchestrated Multi-Agent 시스템
본 과정은 Spring AI·Spring Boot를 기반으로 GPT, Gemini, LLaMA(로컬) 를 전략적으로 조합해 Multi-LLM 아키텍처와 오케스트레이션 중심 Agent 시스템(Main/Sub, Tool, Task Runtime, Agent Registry) 을 설계·구현하는 고급 과정입니다. 단일 LLM 호출을 넘어 Agentic Workflow Pattern(Chain, Parallel, Routing, Orchestrator–Workers, Evaluator–Optimizer) 과 Multi-Agent 구조를 적용하고, Tool·ToolRegistry로 RAG·외부 API/DB 등 실행 레이어를 분리하며, DAG 엔진·YAML 선언적 워크플로·로딩 직후 검증(Validated DSL) 으로 확장 가능하고 안정적이며, 품질이 지속 개선되는 AI 시스템을 구현하는 흐름을 다룹니다. 또한 Circuit Breaker, Reactive Stream, Redis 모니터링, 병렬 처리, 반복 평가 루프까지 포함하며, Thymeleaf(SSR) 실습에 React·REST로 프론트/백을 나누고 MCP로 툴·에이전트 런타임을 표준 프로토콜로 연동하는 확장을 더해 실제 운영 환경 수준의 AI 아키텍처 설계 역량을 갖추도록 합니다. 최종 목표는 단일 API 연동·프롬프트 수준에 머무는 단순한 AI 이용자가 아니라, Multi-LLM·에이전트·워크플로·선언·검증을 하나의 실행 아키텍처로 설명·절충할 수 있는, AI 시스템을 설계할 수 있는 개발자로 성장하는 것입니다.
Spring Boot + Spring AI: 멀티에이전트·워크플로·운영 관점까지
안녕하십니까 이진만 입니다.
Spring AI Multi-LLM 아키텍처와
Orchestration 중심 Multi Agent 시스템
과정에 대한 업그레이드 소식 전해 드립니다.
많은 관심 부탁 합니다.
이번에 Spring AI를 기반으로 GPT, Gemini, LLaMA(로컬) 를 전략적으로 조합하는 Multi-LLM 아키텍처와, Main/Sub·Tool·Task로 이어지는 Orchestrated Multi-Agent 시스템을 설계·구현하는 고급 과정을 안내드립니다.
이 과정에서 다루는 핵심은 다음과 같습니다.
단일 LLM 호출이 아니라 Agentic Workflow(Chain, Parallel, Routing, Orchestrator–Workers, Evaluator–Optimizer)로 확장·안정·지속 품질 개선
Multi-LLM 라우팅·Fallback·보안 분기로 운영·규제를 전제에 둔 모델 선택·전환
멀티 에이전트 오케스트레이션 — Agent Registry, Tool/RAG 실행 분리, Task Runtime과 HTTP·SSE·Redis로 진행·상태까지 엮기
DAG 워크플로 엔진과 YAML 선언적 DSL, 로딩 직후 검증(Validated DSL) 으로 그래프 실행과 신뢰를 한 흐름으로
선택 확장: React·REST, MCP로 UI/API 분리·표준 툴 연동
Circuit Breaker, Reactive Stream, Redis 모니터링, 병렬, 반복 평가 등 Production에 가까운 설계 관점
이런 분께 추천드립니다.
API만 붙여 본 수준을 넘어, 에이전트·워크플로·운영까지 설계하고 싶은 백엔드·풀스택 개발자
복합 질의·자동화 파이프라인을 구조화해 팀에 설명해야 하는 아키텍처·리드 역할을 준비하는 분
수강 후에는 “프롬프트 한 방”이 아니라 Multi-LLM·오케스트레이션·Tool·Task·DAG·선언·검증을 하나의 실행 아키텍처로 말하고 문서화할 수 있는 AI 시스템 설계 관점을 확실히 가져가실 수 있도록 구성했습니다.
감사합니다.
본 과정에서 배우는 시스템으로 아래와 같은 복합 업무·의사결정을 처리 하는 시스템을 구축 하는 것이
본 과정의 목적입니다.
본과정의 커리큘럼은 아래와 같습니다.
1⃣ SpringBoot에서 Spring AI 개발 환경 및 Multi LLM 환경 구축
2⃣Chapter 1. Multi-LLM Architecture(다중 모델 과 AI 아키텍처 설계)
3⃣Chapter 2. Agentic Workflow Patterns(5가지 Agent Workflow 패턴)
4⃣Chapter 3. Orchestrated Multi-Agent Patterns(파이프라인으로 구현)
5⃣Chapter 4. Multi-Agent Architecture (Main Agent & SubAgent 분리 전략)
6⃣Chapter 5. Tool-Orchestrated Multi-Agent(Tool 기반 실행 레이어 분리)
7⃣Chapter 6. Task-Orchestrated Multi-Agent(TaskTool Agent Runtime)
8⃣Chapter 7. DAG-Orchestrated Multi-Agent(DAG기반 AI Workflow 설계)
9⃣Chapter 8. Declarative Agent Workflow with YAML(YAML 기반 DAG)
🔟Chapter 9. Validated Agent Workflow DSL(DSL 검증 기반 DAG)
🅰Appendix A. React Front-End & REST API Server Integration
🅱 Appendix B. MCP Integration(MCP로 Tool·에이전트 런타임 연동)
본과정의 시스템 구성은 아래와 같습니다.
