AI 에이전트

AI 에이전트 구성 요소는 AI 워크플로우 내에서 지능형 에이전트로 작동하도록 설계된 다목적 구성 요소입니다. 이 에이전트는 대규모 언어 모델(LLM)을 활용하고 외부 도구에 연결할 수 있으며, 대화형 AI, 복잡한 자동화 및 동적 작업 실행과 같은 광범위한 사용 사례에 맞게 구성할 수 있습니다.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

구성 요소의 기능

AI 에이전트는 입력 프롬프트를 처리하고, 대화 기록(선택적)을 고려하며, 외부 도구를 사용하여 문맥에 맞는 응답을 생성할 수 있습니다. 에이전트의 기능은 배경 스토리, 역할 및 목표를 지정하여 조정할 수 있으므로 에이전트가 특정 페르소나 또는 목표에 따라 동작하도록 할 수 있습니다. 에이전트는 함수 호출을 수행할 수도 있어 활성화된 도구를 통해 API 또는 외부 시스템과 프로그래밍 방식으로 상호 작용할 수 있습니다.

AI 에이전트 설정

LLM

에이전트가 사용할 대규모 언어 모델을 선택하세요. 6개 주요 제공업체에서 다양한 모델을 선택할 수 있습니다. 기본 모델은 OpenAI의 최신 중급 모델입니다.

도구

여기서 에이전트에 모든 도구를 제공합니다. 도구로 연결할 수 있는 900개 이상의 항목이 있습니다. 이는 새로운 기능부터 통합된 도구에서 수행되는 간단한 작업까지 다양합니다. 가상으로 모든 인터페이스, 데이터베이스 또는 통신 앱이 API 및 MCP 서버를 통해 도구가 될 수 있습니다.

도구 연결 방법

+ 도구 추가를 클릭하세요. 사용 가능한 모든 도구의 전체 목록입니다. 카테고리별 또는 검색을 통해 필터링할 수 있습니다:

각 도구에는 고유한 설정이 있습니다. 각 항목에 대해 AI가 필요한 대로 사용하도록 결정하거나 매개변수를 수동으로 구성할 수 있습니다. “AI가 결정” 버튼을 클릭하여 수동 입력으로 전환할 수 있습니다. 매개변수를 정의하면 잠겨있고 AI가 편집할 수 없습니다.

“건너뛰고 추가"를 클릭하여 매개변수 구성을 건너뛸 수 있습니다. 도구가 구성되면 *“구성과 함께 추가”*를 클릭하세요. 그런 다음 다른 도구를 계속 추가할 수 있습니다.

시스템 메시지

에이전트의 역할, 작업, 동작 및 기타 지침을 정의하는 주요 프롬프트입니다.

시스템 메시지 예시:

당신은 AI 워크플로우 자동화 플랫폼인 FlowHunt의 친근하고 박식한 고객 서비스 어시스턴트 Sam입니다.

당신의 주요 목표는 고객 문제를 빠르고 만족스럽게 해결하여 모든 고객이 들었다고 느끼고, 도움을 받았으며, 소중함을 느끼게 하는 것입니다. 대부분의 요청을 독립적으로 효율적으로 처리하여 에스컬레이션을 줄이는 것을 목표로 합니다.

지침:
항상 고객을 따뜻하게 인사하고 제공된 경우 그들의 이름을 사용하세요.
침착함, 인내심, 공감을 유지하세요 - 고객이 좌절감을 느끼더라도.
간결하지만 철저하게 - 질문에 답하지 않은 채 남겨두지 마세요.
전문용어를 피하세요. 정책 문서가 아닌 도움이 되는 인간처럼 말하세요.
고객과 논쟁하거나 그들의 우려를 무시하지 마세요.
뭔가 모르면 솔직하게 말하고 알아내거나 에스컬레이션할 것을 제안하세요.
주문 상태, 반품 및 환불, 제품 질문, 배송 문제 및 계정 도움을 포함한 일반적인 요청을 직접 처리하세요.
다음의 경우 인간 에이전트로 에스컬레이션하세요: 문제가 당신의 권한을 벗어난 불만을 포함하거나, 법적 문제이거나, 고객이 명시적으로 인간을 요청하는 경우.
모든 상호 작용의 끝에서 해결을 확인하세요 - 도와드릴 다른 것이 있는지 물어보세요.
내부 정책을 그대로 공유하거나, 당신의 권한 밖의 약속을 하거나, 없는 정보를 지어내지 마세요.

톤: 따뜻하고 전문적이며 안심시키는 - 기업 스크립트가 아닌 박식한 친구 같은.

최대 실행 시간

에이전트가 작업에 소비할 수 있는 시간(초) 제한(기본값: 300).

최대 반복

최대 사고 단계 수(기본값: 10)

최대 RPM

분당 요청 수 제한(기본값: 100).

역할

선택적으로 에이전트의 역할을 정의하세요. 역할을 에이전트의 직책으로 생각하세요. 에이전트가 블로그 게시물을 작성해야 하나요? “콘텐츠 작성자"라고 부르세요.

목표

목표는 에이전트의 작업과 이상적인 결과입니다. 예를 들어, 콘텐츠 작성자의 작업은 새로운 게시물을 만들거나 기존 콘텐츠를 교정하고 수정하는 것일 수 있습니다.

배경 스토리

당신은 항상 당신이 하는 모든 일에 당신의 개성, 말하는 방식, 경험을 가져옵니다. 그것이 당신의 배경 스토리이고 당신과 당신의 일을 다른 사람과 구분 짓는 것입니다. 배경 스토리는 에이전트에 이야기, 개성, 업무 경험을 부여하는 곳입니다.

에이전트 채팅 기록

과거 채팅 메시지를 컨텍스트로 제공합니다. 기록을 활성화하지 않으면 에이전트는 메시지 단위로 작동합니다.

에이전트 메모리

에이전트가 워크스페이스의 메모리를 읽고 쓸 수 있는지 여부입니다. 활성화되면 모드와 동작 프롬프트를 정의하라는 메시지가 표시됩니다.

참고: 도구 입력만 엄격히 필요합니다. 다른 모든 설정은 선택 사항이며 추가 사용자 정의 및 안정적인 출력 품질을 제공합니다.

좋은 AI 에이전트가 되려면: 올바른 모델

AI 에이전트의 힘은 AI 모델에 있습니다. 올바른 모델은 그 기능과 성능에 모든 차이를 만듭니다. 벤치마크 테스트를 기반으로 한 궁극의 비교를 위해 이 블로그를 확인하세요.

• 대규모 언어 모델(LLM): GPT-4, Gemini, Claude와 같은 모델은 강력한 자연어 이해 및 생성 기능을 갖추고 있습니다. 복잡한 추론, 계획 및 다중 작업 처리에 완벽합니다. 하지만 더 큰 계산 능력을 요구하며 가끔 사실적 또는 논리적 오류나 “환각"을 일으킬 수 있습니다.
• 소형 언어 모델(SLM): 특정 작업은 전문화되고 전력 절약형 모델이 필요하며 낮은 운영 비용으로 최고의 기능을 발휘할 수 있습니다.
• 벡터 임베딩 모델: 벡터 임베딩을 출력하는 모델은 콘텐츠 발견 및 검색에 뛰어납니다. 빠른 의미론적 검색과 에이전트가 빠른 통찰력 생성에 필요한 지식 기반의 쉬운 검색을 가능하게 합니다.
• 의사결정 추론 및 계획 모델: 주요 의사결정을 포함하는 의사결정 선택의 경우 추론 및 계획 모델이 초점에 들어옵니다. 고전적 알고리즘 기반 계획이나 강화 학습 기반 계획을 사용하여 의사결정 선택은 에이전트가 정보에 입각한 선택을 하도록 합니다.

궁극적으로, 에이전트 작업 복잡도, 데이터 가용성 및 예산이 올바른 모델을 결정합니다. 힘과 실용성의 균형을 찾는 것이 중요합니다.

AI 에이전트가 작업을 해결하는 방법

AI 에이전트는 단순히 반응하지 않고 명시된 목표에 대해 적극적으로 행동합니다. 이 프로세스는 일반적으로 다음과 같은 주요 이정표를 거칩니다:

• 목표 정의: 프로세스는 에이전트가 달성해야 하는 명확하게 명시된 목표, 작업 또는 과제로 시작합니다.
• 환경 관찰: 에이전트는 다음으로 환경에서 관련 사실을 취합니다. API, 데이터베이스, 웹 스크래핑 또는 센서 입력을 통해 수행할 수 있습니다.
• 계획 및 추론: 축적된 사실을 바탕으로 에이전트는 행동 계획을 세우고 복잡한 작업을 관리 가능한 작업 조각으로 나눕니다.
• 행동 실행: 에이전트는 사용 가능한 도구를 활용하여 환경에 작용함으로써 계획을 실행합니다.
• 학습 및 적응: 실행할 때 에이전트는 성능을 테스트하고 피드백을 통해 학습하여 다음 작업에 더 적합한 프로세스를 개선합니다.

이는 AI 에이전트를 자동화된 고객 서비스에서 콘텐츠 생성에 이르기까지 광범위한 앱에 적용할 수 있게 합니다.