오늘 칼럼에서는 다중 에이전틱 AI의 사용 최적화를 목표로 한 새로운 프롬프트 전략을 소개합니다. 특정 작업을 수행하는 생성 AI 및 대규모 언어 모델(LLM)을 포함한 에이전틱 AI가 계속 발전함에 따라 이러한 AI의 수가 증가할 것입니다. 따라서 적절한 에이전틱 AI를 활용하기 위해 프롬프트를 효과적으로 구성하는 것이 중요합니다. 잘못된 프롬프트는 불필요한 상호작용을 초래하거나 필수 AI를 활성화하지 못할 수 있습니다. 이 칼럼은 AI의 최신 발전과 이 분야 내 다양한 복잡성을 탐구하는 저의 포브스 시리즈의 일환입니다. **에이전틱 AI 시대의 프롬프트 엔지니어링** 이전에는 생성 AI와 함께 작업 결과를 향상시키기 위한 여러 프롬프트 엔지니어링 기법에 대해 논의했습니다. 에이전틱 AI의 발전은 프롬프트 엔지니어링에 새로운 차원을 추가합니다. 예를 들어 생성 AI와 함께 휴가 계획을 세워보세요. 초기 계획은 간단할 수 있지만 예약은 종종 제 3자 웹사이트로 전환해야 합니다. 가상 여행사 역할을 할 수 있는 에이전틱 AI는 자연어 상호작용을 통해 계획과 예약을 처리합니다. **다중 에이전틱 AI의 가치** 단일 에이전틱 AI에 의존하기보다는 여러 에이전트를 활용하면 효율성을 크게 향상할 수 있습니다. 그러나 이는 어떤 에이전트를 호출할지를 결정하는 도전 과제를 제기합니다. 잘못된 선택은 비용을 초래하거나 작업을 복잡하게 만들 수 있으며, 올바른 에이전트를 활용하지 않으면 진행이 저해될 수 있습니다. 저는 다중 에이전 AI를 활용한 프롬프트 구성에 두 가지 주요 접근 방식을 제안합니다: 1. **운전석:** 사용자가 어떤 AI 에이전트를 언제 활성화할지를 지정하여 모호성을 줄입니다. 2. **승객석:** 사용자가 전체 작업을 설명하면, 생성 AI가 어떤 에이전트를 활용할지 결정합니다. 각 접근 방식에는 트레이드오프가 있습니다. 운전석은 복잡성의 대가로 제어를 제공하며, 승객석은 단순성을 제공하지만 명확한 커뮤니케이션이 필요합니다. **코딩 도움을 위한 예시** 이를 설명하기 위해, 다섯 개의 AI 에이전트가 있는 코딩 시나리오를 사용해 보겠습니다: 1.

**CodeFixer:** 코드를 디버깅하고 최적화합니다. 2. **CodeReviewer:** 코드의 모범 사례를 평가합니다. 3. **BugHunter:** 취약성과 논리 오류를 식별합니다. 4. **PerfAnalyzer:** 성능을 평가하고 최적화를 제안합니다. 5. **DocWriter:** 문서를 생성합니다. *운전석 예시:* 파이썬 스크립트 수정을 요청받았을 때, “CodeFixer를 호출하고, BugHunter, 그 다음 PerfAnalyzer를 호출합니다. ”라는 지시를 할 수 있습니다. 이후 생성 AI는 지정된 순서를 확인하고 실행합니다. *승객석 예시:* 대신, “내 파이썬 스크립트에 도움을 요청합니다; 도와줄 수 있는 에이전트를 호출해 주세요. ”라고 말할 수도 있습니다. AI는 제 요청을 해석하고 에이전트를 선택하며 계획된 작업에 대해 저에게 알려줍니다. 그러나 모호한 프롬프트는 덜 효과적인 결과를 초래할 수 있습니다. 예를 들어, 단순히 “내 파이썬 스크립트에 도움을 요청합니다”라고 요청하는 것은 명확하지 않으면 유용한 에이전트 참여로 이어지지 않을 수 있습니다. **다중 에이전 AI의 신흥 연구** AI 커뮤니티의 연구는 빠르게 발전하고 있습니다. 최근 연구에서는 사용자 프롬프트에 기반하여 에이전트를 효율적으로 선택하는 "AgentRec"를 소개했습니다. 이 연구의 통찰력은 생성 AI가 학습된 데이터에 기반하여 적절한 에이전트를 선택할 수 있는 능력을 향상시킬 가능성을 강조합니다. 이러한 기법을 채택하고 다듬는 과정에서 다중 에이전 AI를 활용하는 연습이 중요해질 것입니다. 현재 많은 생성 AI 애플리케이션은 직접 에이전트를 호출하는 것을 제한하고 있지만, 미래에는 개선이 예상됩니다. 링컨의 말을 기억하세요: "미래에 대한 가장 좋은 점은 하루에 한 번만 온다는 것"이라는 말은 다중 에이전틱 AI의 진화하는 환경에 적용됩니다.