AI
RAG기반 Multi-Agent를 구현해보자(feat.데보션 오픈랩)
두줄요약
RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.
핵심 내용
- RAG 논문 스터디를 바탕으로 개인용 AI 데이터 분석 보조 시스템 DRA를 구현한 과정
- Supervisor 패턴의 멀티 에이전트 구조로 RAG, Web, Literature 에이전트를 분리해 과거 자료, 최신 트렌드, 논문 지식을 결합
- LangGraph, LangSmith, Streamlit, OpenAI, ChromaDB, Tavily, arXiv API를 사용한 아키텍처와 구현 경험 정리
- 기본 RAG부터 시작해 재점수화, handoff, 라우팅, 모니터링, 프롬프트 설계 등 실무 적용 포인트 공유
적용해볼 점
- 사내 과거 분석 자료를 외부 지식으로 활용하는 RAG 기반 보조 도구 구상
- 고정 파이프라인보다 역할별 에이전트 분리와 Supervisor 중심 라우팅 검토
- 초기에는 단순 구조로 시작해 점진적으로 리팩토링하는 접근