에이전트 역할 및 전문화
각 에이전트에 계획자, 코더, 비평가, 실행자처럼 좁은 역할을 부여하면 범용 에이전트보다 더 나은 성능을 냅니다.
에이전트 역할 및 전문화은(는) CoddyKit의 무료 AI Agents 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Agents 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
전문화가 도움이 되는 이유
긴밀한 프롬프트와 작은 도구 집합을 가진 집중형 에이전트가 모든 것을 가진 일반형 에이전트보다 뛰어납니다. 이유는 다음과 같습니다:
- 역할마다 더 길고 구체적인 프롬프트를 작성할 수 있습니다
- 도구 설명이 더 깔끔합니다(모델을 혼란스럽게 할 선택지가 적습니다)
- 디버깅과 평가가 더 쉽습니다
- 각 에이전트가 서로 다른 크기의 모델을 사용할 수 있습니다
일반적인 역할
- 계획자 — 작업을 단계로 나눕니다
- 연구자 — 정보를 수집합니다
- 코더 — 코드를 작성합니다
- 검토자 / 비평가 — 문제를 찾습니다
- 편집자 — 출력을 다듬습니다
- 실행자 — 명령이나 도구를 실행합니다
Define a Role Clearly
RESEARCHER_PROMPT = '''
You are Researcher. Your job is to gather facts.
Never write code. Never make final decisions.
Return 3-5 sourced findings with URLs.
When finished, end your message with: HANDOFF: planner
'''
print(RESEARCHER_PROMPT.strip())
역할별 도구
역할마다 엄격한 도구 허용 목록을 지정하십시오:
researcher_tools = ['web_search', 'fetch_url']
coder_tools = ['read_file', 'write_file', 'run_python']
reviewer_tools = [] # critique-only, no tools
print("Researcher tools:", researcher_tools)
print("Coder tools:", coder_tools)
print("Reviewer tools:", reviewer_tools)
역할별 모델
간단한 역할에는 저렴한 모델을, 어려운 역할에는 대형 모델을 사용하십시오:
ROLE_MODELS = {
'planner': 'gpt-4o', # critical role
'researcher': 'gpt-4o-mini', # routine
'coder': 'gpt-4o', # hard
'reviewer': 'claude-sonnet-4-5' # second opinion
}
for role, model in ROLE_MODELS.items():
print(f"{role}: {model}")
모델 간 비평
품질을 높이려면 비평에 다른 모델 계열을 사용하십시오. 공유된 편향으로 인한 오류를 줄일 수 있습니다:
- 코더: GPT-4
- 검토자: 클로드
- 둘 다 동의하면 배포하고, 그렇지 않으면 상위 단계로 넘깁니다
작업 인계 프로토콜
에이전트가 작업을 명확하게 넘길 방법이 필요합니다. 간단한 규칙은 다음과 같습니다:
# Each message ends with one of:
HANDOFF: <role_name>
FINAL: <answer>
ABORT: <reason>작업 유형별 전문화
일부 팀에서는 분야별 전문가를 추가합니다:
- 규정 준수를 위한 법률 검토자
- 코드 안전성을 위한 보안 검토자
- 산업 지식을 위한 분야 전문가
역할별 상한
역할별 상한을 설정하면 통제 불능 상태를 방지할 수 있습니다:
MAX_ROLE_INVOCATIONS = {
'planner': 3,
'researcher': 5,
'coder': 10,
'reviewer': 3
}
for role, cap in MAX_ROLE_INVOCATIONS.items():
print(f"{role}: max {cap} invocations")
지나치게 전문화하지 않기
역할을 3개에서 30개로 늘리면 문제가 생깁니다. 감독자의 선택이 불안정해지고, 지연 시간이 크게 늘어나며, 대부분의 "전문가"가 작업을 중복해서 수행합니다.
실제로 이점이 측정될 때만 역할을 추가하십시오.
역할별 평가
각 역할을 독립적으로 테스트하십시오:
- 연구 담당자 평가: 출처가 있는 사실을 반환합니까?
- 코딩 담당자 평가: 코드가 컴파일되고 테스트를 통과합니까?
- 검토자 평가: 알려진 버그를 찾아냅니까?
조합 가능성
역할은 여러 에이전트 시스템에서 재사용할 수 있습니다. 잘 조정된 연구 담당자는 문서 작성자 워크플로와 사실 확인 워크플로 모두에서 사용할 수 있습니다.
역할이 필요한 이유
각 에이전트에 명확한 역할을 부여하는 주된 이점은 무엇일까요?
복습
계획 -> 조사 -> 코딩 -> 검토는 훌륭한 기본 파이프라인입니다. 간결한 프롬프트, 제한된 도구, 역할별 모델, 작업 인계 프로토콜을 사용하십시오. 측정된 이점이 있을 때만 역할을 추가하십시오.
자주 묻는 질문
“에이전트 역할 및 전문화” 강의는 무료인가요?
네 — “에이전트 역할 및 전문화” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Agents 강의 전체를 잠금 해제할 수 있습니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.
“에이전트 역할 및 전문화”에서 뭘 배우나요?
각 에이전트에 계획자, 코더, 비평가, 실행자처럼 좁은 역할을 부여하면 범용 에이전트보다 더 나은 성능을 냅니다. 브라우저에서 직접 실행하는 실습 코드로 AI Agents을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
AI Agents을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 AI Agents은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.
“에이전트 역할 및 전문화” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 AI Agents 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 AI Agents 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.