사전 정의된 에이전트 전략

원문: Koog Documentation — predefined-agent-strategies 이 글은 Koog 공식 문서의 predefined-agent-strategies 페이지를 한국어로 옮긴 번역본입니다. 문서 구조와 링크 의미를 유지하되, MkDocs 전용 UI 문법은 블로그에서 읽기 좋도록 정리했습니다.

사전 정의된 에이전트 전략

에이전트 구현을 더 쉽게 만들기 위해 Koog는 일반적인 에이전트 사용 사례에 대해 사전 정의된 에이전트 전략을 제공합니다. 다음과 같은 사전 정의된 전략을 사용할 수 있습니다.

• Chat agent strategy
• ReAct strategy

채팅 상담원 전략

채팅 상담원 전략은 채팅 상호작용 프로세스를 실행하기 위해 설계되었습니다. 다양한 단계, 노드 및 도구 간의 상호 작용을 조율하여 사용자 입력을 처리하고, 도구를 실행하고, 채팅과 같은 방식으로 응답을 제공합니다.

개요

Chat 상담원 전략은 상담원이 다음을 수행하는 패턴을 구현합니다.

1. 사용자 입력을 받습니다
2. LLM을 사용하여 입력을 처리합니다.
3. 도구를 호출하거나 직접 응답을 제공합니다.
4. 도구 결과를 처리하고 대화를 계속합니다.
5. LLM이 도구를 사용하는 대신 일반 텍스트로 응답하려고 하면 피드백을 제공합니다.

이 접근 방식은 에이전트가 도구를 사용하여 사용자 요청을 이행할 수 있는 대화형 인터페이스를 만듭니다.

설정 및 종속성

Koog에서 채팅 에이전트 전략의 구현은 chatAgentStrategy 기능을 통해 수행됩니다. 에이전트 코드에서 이 기능을 사용할 수 있게 하려면 다음 종속성 가져오기를 추가하세요.

1ai.koog.agents.ext.agent.chatAgentStrategy

전략을 사용하려면 아래 패턴에 따라 AI 에이전트를 만듭니다.

코틀린

1val chatAgent = AIAgent(2    promptExecutor = promptExecutor,3    toolRegistry = toolRegistry,4    llmModel = model,5    // Set chatAgentStrategy as the agent strategy6    strategy = chatAgentStrategy()7)

자바

1AIAgent<String, String> chatAgent = AIAgent.builder()2    .promptExecutor(PromptExecutor.builder().openAI("OPENAI_API_KEY").build())3    .llmModel(OpenAIModels.Chat.O4Mini)4    .toolRegistry(ToolRegistry.builder().build())5    // Set chatAgentStrategy as the agent strategy6    .graphStrategy(AIAgentStrategies.chatAgentStrategy())7    .build();

Chat 상담원 전략을 사용해야 하는 경우

Chat 상담원 전략은 특히 다음과 같은 경우에 유용합니다.

• 도구를 사용해야 하는 대화형 에이전트 구축
• 사용자 요청에 따라 작업을 수행할 수 있는 어시스턴트 만들기
• 외부 시스템이나 데이터에 접근해야 하는 챗봇 구현
• 일반 텍스트 응답 대신 도구 사용을 적용하려는 시나리오

예

다음은 사전 정의된 Chat 에이전트 전략(chatAgentStrategy)과 에이전트가 사용할 수 있는 도구를 구현하는 AI 에이전트의 코드 샘플입니다.

코틀린

1val chatAgent = AIAgent(2    promptExecutor = promptExecutor,3    llmModel = model,4    // Use chatAgentStrategy as the agent strategy5    strategy = chatAgentStrategy(),6    // Add tools the agent can use7    toolRegistry = ToolRegistry {8        tool(searchTool)9        tool(weatherTool)10    }11)1213suspend fun main() { 14    // Run the agent with a user query15    val result = chatAgent.run("What's the weather like today and should I bring an umbrella?")16}

자바

1// Add tools the agent can use2ToolRegistry toolRegistry = ToolRegistry.builder()3    .tools(new SearchAndWeatherTools())4    .build();56AIAgent<String, String> chatAgent = AIAgent.builder()7    .promptExecutor(PromptExecutor.builder().openAI("OPENAI_API_KEY").build())8    .llmModel(OpenAIModels.Chat.O4Mini)9    // Use chatAgentStrategy as the agent strategy10    .graphStrategy(AIAgentStrategies.chatAgentStrategy())11    .toolRegistry(toolRegistry)12    .build();1314// Run the agent with a user query15String result = chatAgent.run("What's the weather like today and should I bring an umbrella?");

리액트 전략

ReAct(Reasoning and Acting) 전략은 추론과 실행 단계를 번갈아 가며 작업을 동적으로 처리하고 LLM(Large Language Model)의 출력을 요청하는 AI 에이전트 전략입니다.

개요

ReAct 전략은 에이전트가 다음을 수행하는 패턴을 구현합니다.

1. 현재 상태에 대한 이유와 다음 단계 계획
2. 그 추론에 따라 조치를 취합니다.
3. 그 행동의 결과를 관찰한다
4. 사이클을 반복합니다

이 접근 방식은 추론(단계적으로 문제를 통해 생각)과 실행(정보를 수집하거나 작업을 수행하기 위한 도구 실행)의 강점을 결합합니다.

흐름도

ReAct 전략의 흐름도는 다음과 같습니다.

설정 및 종속성

Koog에서 ReAct 전략의 구현은 reActStrategy 기능을 통해 수행됩니다.

전략을 사용하려면 아래 패턴에 따라 AI 에이전트를 만듭니다.

코틀린

1val reActAgent = AIAgent(2    promptExecutor = promptExecutor,3    toolRegistry = toolRegistry,4    llmModel = model,5    // Set reActStrategy as the agent strategy6    strategy = reActStrategy(7        // Set optional parameter values8        reasoningInterval = 1,9        name = "react_agent"10    )11)

자바

1AIAgent<String, String> reActAgent = AIAgent.builder()2    .promptExecutor(PromptExecutor.builder().openAI("OPENAI_API_KEY").build())3    .llmModel(OpenAIModels.Chat.O4Mini)4    .toolRegistry(ToolRegistry.builder().build())5    // Set reActStrategy as the agent strategy6    .graphStrategy(AIAgentStrategies.reActStrategy(7        // Set optional parameter values8        1, // reasoningInterval9        "react_agent" // name10    ))11    .build();

매개변수

reActStrategy 함수는 다음 매개변수를 사용합니다.

매개변수	유형	기본	설명
reasoningInterval	정수	1	추론 단계의 간격을 지정합니다. 0보다 커야 합니다.
name	끈	re_act	전략의 이름입니다.

사용 사례 예시

다음은 ReAct 전략이 간단한 은행 에이전트와 어떻게 작동하는지에 대한 예입니다.

1. 사용자 입력

사용자가 초기 프롬프트를 보냅니다. 예를 들어 How much did I spend last month?과 같은 질문이 될 수 있습니다.

2. 추론

에이전트는 사용자 입력과 추론 프롬프트를 받아 초기 추론을 수행합니다. 추론은 다음과 같이 보일 수 있습니다. 다음과 같습니다:

1I need to follow these steps:21. Get all transactions from last month32. Filter out deposits (positive amounts)43. Calculate total spending

3. 행동과 실행, 1단계

에이전트가 이전 단계에서 정의한 작업 항목을 기반으로 도구를 실행하여 모든 트랜잭션을 가져옵니다. 지난달부터.

이 경우 실행할 도구는 정의된 startDate 및 endDate 인수와 함께 get_transactions입니다. 지난 달의 모든 거래를 가져오려면 요청을 일치시키세요.

1{tool: "get_transactions", args: {startDate: "2025-05-19", endDate: "2025-06-18"}}

이 도구는 다음과 같은 결과를 반환합니다.

1[2  {date: "2025-05-25", amount: -100.00, description: "Grocery Store"},3  {date: "2025-05-31", amount: +1000.00, description: "Salary Deposit"},4  {date: "2025-06-10", amount: -500.00, description: "Rent Payment"},5  {date: "2025-06-13", amount: -200.00, description: "Utilities"}6]

4. 추론

도구에서 반환된 결과를 사용하여 에이전트는 흐름의 다음 단계를 결정하기 위해 다시 추론을 수행합니다.

1I have the transactions. Now I need to:21. Remove the salary deposit of +1000.0032. Sum up the remaining transactions

5. 행동과 실행, 2단계

이전 추론 단계를 기반으로 에이전트는 다음과 같이 제공된 금액을 합산하는 calculate_sum 도구를 호출합니다. 도구 인수. 그 추론 역시 거래에서 플러스 금액을 제거하는 액션 포인트로 이어졌기 때문에, 도구 인수로 제공된 금액은 음수입니다.

1{tool: "calculate_sum", args: {amounts: [-100.00, -500.00, -200.00]}}

도구는 최종 결과를 반환합니다.

1-800.00

6. 최종 답변

에이전트는 계산된 합계를 포함하는 최종 응답(보조 메시지)을 반환합니다.

1You spent $800.00 last month on groceries, rent, and utilities.

ReAct 전략을 사용해야 하는 경우

ReAct 전략은 특히 다음과 같은 경우에 유용합니다.

• 다단계 추론이 필요한 복잡한 작업
• 상담원이 최종 답변을 제공하기 전에 정보를 수집해야 하는 시나리오
• 더 작은 단계로 분해하면 도움이 되는 문제
• 분석적 사고와 도구 활용이 모두 필요한 작업

예

다음은 사전 정의된 ReAct 전략(reActStrategy)을 구현하는 AI 에이전트의 코드 샘플과 다음을 수행하는 도구입니다. 상담원은 다음을 사용할 수 있습니다.

코틀린

1val bankingAgent = AIAgent(2    promptExecutor = promptExecutor,3    llmModel = model,4    // Use reActStrategy as the agent strategy5    strategy = reActStrategy(6        reasoningInterval = 1,7        name = "banking_agent"8    ),9    // Add tools the agent can use10    toolRegistry = ToolRegistry {11        tool(getTransactions)12        tool(calculateSum)13    }14)1516suspend fun main() { 17    // Run the agent with a user query18    val result = bankingAgent.run("How much did I spend last month?")19}

자바

1// Add tools the agent can use2ToolRegistry toolRegistry = ToolRegistry.builder()3    .tools(new BankingTools())4    .build();56AIAgent<String, String> bankingAgent = AIAgent.<String, String>builder()7    .promptExecutor(PromptExecutor.builder().openAI("OPENAI_API_KEY").build())8    .llmModel(OpenAIModels.Chat.O4Mini)9    // Use reActStrategy as the agent strategy10    .graphStrategy(AIAgentStrategies.reActStrategy(1, "banking_agent"))11    .toolRegistry(toolRegistry)12    .build();1314// Run the agent with a user query15String result = bankingAgent.run("How much did I spend last month?");