한국어
Week 3: 멀티 에이전트
주말 프로젝트

주말 프로젝트: 가상 스타트업 팀

노트북: week3_multi_agent/project_startup_simulator.ipynb

핵심 질문

gpt-4o-mini 에이전트 팀이 단독 gpt-4o 천재를 이길 수 있을까?

이 프로젝트에서는 전문 에이전트들이 협력하여 비즈니스 피치 덱을 만드는 가상 스타트업 팀을 구축해 이를 검증합니다.

프로젝트 개요

두 가지 접근법을 비교합니다:

접근법설명
Solo GPT-4o하나의 강력한 모델이 모든 것을 처리
Mini 팀CEO, CTO, CMO (모두 gpt-4o-mini)가 협업

아키텍처: Supervisor 패턴

CEO가 팀을 조율하는 Supervisor 역할을 합니다:

도전 과제

스타트업 아이디어: "시골 지역을 위한 강아지 산책 서비스 (Uber for Dog Walking)"

요구 사항:

  1. 핵심 가치 제안
  2. 기술 스택
  3. 시장 진출 전략

구현

Step 1: 에이전트 정의

AGENTS = {
    "CEO": {
        "model": "gpt-4o-mini",
        "role": "당신은 CEO입니다. 팀을 조율하고 결과물을 통합합니다."
    },
    "CTO": {
        "model": "gpt-4o-mini",
        "role": "당신은 CTO입니다. 기술 스택, 확장성, 엔지니어링 타당성에 집중합니다."
    },
    "CMO": {
        "model": "gpt-4o-mini",
        "role": "당신은 CMO입니다. 타겟 고객, 마케팅 채널, 바이럴에 집중합니다."
    }
}

Step 2: Solo 접근법

def solo_run(idea):
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": "당신은 스타트업 전문가입니다."},
            {"role": "user", "content": f"아이디어: {idea}\n{REQUIREMENTS}"}
        ]
    )
    return response.choices[0].message.content

Step 3: 팀 접근법

def ask_agent(role_name, task):
    agent_cfg = AGENTS[role_name]
    response = client.chat.completions.create(
        model=agent_cfg["model"],
        messages=[
            {"role": "system", "content": agent_cfg["role"]},
            {"role": "user", "content": task}
        ]
    )
    return response.choices[0].message.content
 
# 1. CTO가 기술 분석
cto_out = ask_agent("CTO", f"기술 스택을 계획하세요: {STARTUP_IDEA}")
 
# 2. CMO가 마케팅 계획
cmo_out = ask_agent("CMO", f"마케팅을 계획하세요: {STARTUP_IDEA}")
 
# 3. CEO가 모든 것을 종합
final_prompt = f"""
다음 보고서들을 1페이지 피치로 종합하세요.
 
[기술 보고서]
{cto_out}
 
[마케팅 보고서]
{cmo_out}
"""
team_result = ask_agent("CEO", final_prompt)

왜 멀티 에이전트가 효과적인가

요소Solo 모델에이전트 팀
관점단일 관점여러 전문 관점
컨텍스트하나의 거대한 컨텍스트집중된 작은 컨텍스트
비용1× GPT-4o 호출3× GPT-4o-mini (여전히 저렴!)
품질좋지만 일반적도메인별 전문 인사이트

핵심 인사이트: CTO 에이전트는 페르소나 덕분에 자연스럽게 "시골 연결성" (오프라인 모드)를 고려했습니다. 일반적인 단일 프롬프트는 이런 도메인 특화 고려사항을 놓칠 수 있습니다.

결과 비교

Solo GPT-4o 출력

# RoverRural - 시골 지역 강아지 산책 서비스

## 1. 핵심 가치 제안
RoverRural은 시골 커뮤니티의 반려동물 케어를 혁신합니다...
[일반적이고 포괄적인 응답]

Mini 팀 출력

# Rural Rover - 1페이지 피치

## 개요
기술과 커뮤니티 참여를 결합...

## 기술 스택 (CTO)
- 열악한 연결성을 위한 오프라인 우선 아키텍처
- 알림을 위한 SMS 폴백
- 저대역폭 최적화 앱

## 마케팅 (CMO)
- 지역 수의사 및 펫샵과 파트너십
- 커뮤니티 앰배서더 프로그램
- 긴밀한 커뮤니티에서의 입소문

프로젝트 확장하기

다음 챌린지들을 시도해보세요:

CFO 에이전트 추가

번 레이트와 펀딩 필요량을 계산하는 CFO 에이전트 생성

토론 모드 구현

최종 종합 전에 에이전트들이 서로의 제안을 비평하게 하기

도구 접근 추가

시장 조사를 위한 웹 검색 도구 에이전트에게 제공

CrewAI 사용

더 깔끔한 오케스트레이션을 위해 CrewAI로 프로젝트 리팩토링

핵심 요점

  1. 전문화가 일반화를 이긴다 - 집중된 에이전트가 도메인 특화 인사이트 생성
  2. 컨텍스트 격리 - 각 에이전트가 깨끗하고 집중된 컨텍스트에서 작업
  3. 비용 효율성 - 여러 작은 모델이 하나의 큰 모델보다 저렴할 수 있음
  4. 창발적 협업 - 종합된 결과물이 종종 개별 접근법이 달성할 수 있는 것을 초월

참고 자료 & 추가 학습

관련 논문

다음 단계

Week 3를 완료한 것을 축하합니다! 배운 내용:

  • 작업 위임을 위한 라우터 에이전트
  • 에이전트 간 협업 패턴
  • 슈퍼바이저 계층 구조
  • 표준화된 도구 통합을 위한 MCP
  • 빠른 멀티 에이전트 개발을 위한 CrewAI

Week 4에서는 프로덕션 엔지니어링에 집중합니다—평가, 가드레일, 배포로 에이전트를 프로토타입에서 프로덕션으로 전환합니다.

노트북 실행

jupyter notebook week3_multi_agent/project_startup_simulator.ipynb