[수업노트] Tool Calling & 멀티 에이전트 — AI에게 손발을 달아주기

LLM은 ‘말’은 잘하지만 혼자선 아무것도 ‘실행’하지 못합니다. 도구(tool) 를 쥐여줘야 검색·계산·저장을 하죠. #4 데이터 연결에서 예고한 그 개념을 정리합니다.

🔧 Tool Calling이란

LLM이 “이 작업엔 이 도구가 필요해”라고 판단해, 정해진 도구(함수)를 호출하고 그 결과를 받아 이어가는 것.

flowchart LR
    U[사용자 요청] --> A[LLM]
    A -->|이 도구 필요| T[🔧 도구: 지표조회 · 검색 · 계산]
    T -->|결과| A
    A --> R[최종 답변]

내 프로젝트로 치면, “요약해줘”라는 말에 에이전트가 지표 조회 도구를 스스로 불러 데이터를 가져오는 것. 에이전트 vs RPA에서 말한 “목표를 주면 알아서” 가 이 메커니즘으로 구현됩니다.

🏗️ 워크플로우 vs 에이전트 (중요)

Anthropic은 이 둘을 구분합니다.

	워크플로우(Workflow)	에이전트(Agent)
제어	사람이 짠 순서대로	AI가 스스로 판단
장점	예측·일관성	유연성
적합	정해진 작업	열린·복잡한 작업

Anthropic의 핵심 조언: “단순하게 시작하라. 유연성의 이득이 비용·지연·오류 누적을 넘어설 때만 ‘에이전트’로 올려라.” 처음부터 거창한 자율 에이전트를 만들 필요가 없습니다.

👥 멀티 에이전트 — 역할 나눠 협업

한 에이전트가 다 하기 버거우면, 역할별로 나눠 협업시킵니다. (컴퓨팅 사고의 “에이전트 팀 꾸리기”와 연결)

flowchart TD
    O[오케스트레이터] --> A1[지표 분석 에이전트]
    O --> A2[VOC 분류 에이전트]
    O --> A3[문서 작성 에이전트]
    A1 & A2 & A3 --> O
    O --> R[통합 리포트]

• 장점: 각자 전문화 → 품질↑
• 단점: 복잡·비용·디버깅 난이도↑ → 정말 필요할 때만

🧩 내 프로젝트 로드맵에 대입

단계	형태	설명
지금(MVP)	단순 워크플로우	정해진 순서로 요약
다음	+ Tool Calling	지표조회·VOC분류 도구 자동 호출
나중	멀티 에이전트	분석/분류/작성 역할 분리

“start simple” 원칙대로, 지금은 워크플로우로 충분합니다. 도구·멀티에이전트는 필요가 명확해질 때 얹으면 돼요.

📚 참고 자료

• Building Effective AI Agents — Anthropic
• Writing effective tools for AI agents — Anthropic