Agentic AI 패턴 가이드 2: 8가지 패턴
Agentic Workflow의 패턴은 결국 LLM + Tools + Memory + Retrieval 블록을 어떻게 연결하느냐의 문제다. 아래 8가지 패턴은 단순한 순차 처리부터 자율 실행, Human-in-the-Loop까지 복잡도가 점점 올라간다.
8가지 핵심 패턴
| 패턴 | 핵심 구조 | 적합한 상황 |
|---|---|---|
| Augmented LLM | LLM에 tools, memory, retrieval을 결합 | 모든 agentic system의 기본 블록 |
| Prompt Chaining | 이전 단계 출력이 다음 단계 입력 | 고정된 순차 작업 |
| Routing | 입력을 분류해 전문 handler로 전달 | 입력 유형이 명확히 갈릴 때 |
| Parallelization | 여러 관점을 병렬 실행 후 집계 | 독립 하위 작업이 있을 때 |
| Orchestrator-Workers | 중앙 orchestrator가 worker를 동적 배정 | 작업 분해가 실행 중 결정될 때 |
| Multi-agent Topologies | 여러 agent가 역할을 나눠 협업 | 규모가 크고 책임 분리가 필요할 때 |
| Evaluator-Optimizer | 생성과 평가를 반복 | 품질 기준이 명확할 때 |
| Human-in-the-Loop | 위험 작업 전 사람 승인 | 비용이 큰 실수나 권한 작업 |
Augmented LLM
모든 패턴의 기본 블록이다. LLM이 언제, 어떻게 tools, memory, retrieval을 쓸지 결정한다.
Prompt Chaining
작업을 순차 단계로 쪼개서 이전 LLM의 출력이 다음 LLM의 입력이 됩니다. 중간에 게이트(검증)를 넣어 조건에 맞지 않으면 중단하거나 재시도할 수 있습니다.
언제 쓰나
작업을
고정된 단계
로 명확히 쪼갤 수 있을 때
대표 예시
마케팅 카피: 아웃라인 → 초안 → 번역 → 검수
실패 모드
앞 단계 에러가 뒷 단계로 전파 → 게이트 필수
Routing
입력을 분류해서 적절한 전문 핸들러로 라우팅합니다. 각 핸들러가 자기 작업에만 특화되어 품질이 올라갑니다.
언제 쓰나
입력 타입이
명확히 구분
되고 각각 다른 처리가 필요할 때
대표 예시
고객지원: 환불/기술지원/일반 분류 → 전문 에이전트로
팁
Router는 작은 모델(Haiku)로, Handler는 적절한 크기 모델로 → 비용 절감
Parallelization
작업을 병렬로 쪼개 실행 후 집계합니다. Sectioning은 독립 하위 작업 분할, Voting은 같은 작업을 여러 번 실행해 다수결.
언제 쓰나
작업이
독립적
이거나
신뢰도
를 높여야 할 때
대표 예시
코드 리뷰: 보안/성능/스타일 관점을 동시에 검토
장점
레이턴시 단축 + 컨텍스트 분리로 각 관점 집중
04
Orchestrator-Workers
Dynamic
Advanced
중앙 Orchestrator LLM이 런타임에 하위 작업을 동적으로 분해하고 워커들에게 위임합니다. 서브태스크를 미리 정해둘 수 없는 문제에 적합합니다.
언제 쓰나
서브태스크가
런타임에 결정
되고 병렬화 가능할 때
대표 예시
Claude Code의 sub-agents, 검색 에이전트
핵심 차이
Parallelization은 고정 분할, Orchestrator는
동적 분할
04+
Multi-agent Topologies
— Orchestrator 확장
LangGraph
Extension
Orchestrator-Workers는 Supervisor 토폴로지의 한 형태입니다. 실무에서는 제어 구조에 따라 세 가지로 나뉩니다: Supervisor(중앙 조정) · Swarm(피어 handoff) · Hierarchical(다층 구조).
Supervisor
현재 우리의 Orchestrator-Workers. 코드 에이전트, Claude Code의 sub-agents
Swarm
고객지원 multi-specialist, 다중 역할 롤플레잉, OpenAI Swarm SDK
Hierarchical
엔터프라이즈 에이전트 플랫폼 (회계·법무·고객 팀 병렬 운영)
05
Evaluator-Optimizer
Iterative
Feedback Loop
한 LLM이 생성(Generator), 다른 LLM이 피드백(Evaluator). 기준을 충족할 때까지 반복해 품질을 끌어올립니다.
언제 쓰나
정답은 없지만
품질 기준이 명확
할 때
대표 예시
번역, 에세이 개선, 코드 리팩토링
주의
최대 반복 횟수(예: 3회) 제한 필수 → 무한루프 방지
06
Autonomous Agent
Autonomous
High Complexity
LLM이 스스로 도구 사용과 경로를 결정합니다. 환경에서 피드백을 받고 계획을 수정하며 종료 조건까지 자율 실행. 유연하지만 비용과 실패 위험이 큽니다.
언제 쓰나
경로가
완전히 열려있고
자율성이 핵심 가치일 때
대표 예시
Claude Code, Computer Use, 리서치 에이전트
필수 가드레일
Max steps · 비용 한도 · Human check-in · 테스트 샌드박스
07
Human-in-the-Loop
— Pause · Approve · Resume
Production-grade
Safety
에이전트가 중요한 결정 직전에 일시정지하고 사람의 검토/승인/수정을 기다린 뒤 재개합니다. 자율성과 안전성의 균형을 잡는 프로덕션 1순위 패턴. LangGraph는 이를 checkpoint + interrupt로 구현합니다.
언제 쓰나
실수의 비용이
크고 되돌릴 수 없는
모든 상황
대표 예시
코드 PR 머지 · 송금 · 이메일 발송 · 회의 예약 · 리소스 삭제
구현 핵심
상태 직렬화(checkpoint) · 비동기 대기 · 알림 · 재개 가능 메시지 큐
추가 정리
핵심 요약
8가지 패턴은 서로 경쟁하는 기술이 아니라 조합 가능한 설계 블록이다. Prompt Chaining, Routing, Parallelization, Orchestrator-Workers, Evaluator-Optimizer, Autonomous Agent, Human-in-the-Loop는 문제의 불확실성 수준에 따라 선택된다.
보충 해설
고정 절차는 Prompt Chaining이 적합하고, 입력 유형이 갈리면 Routing이 적합하다. 병렬 검토가 필요하면 Parallelization을 쓰고, 하위 작업이 실행 중에 정해지면 Orchestrator-Workers가 필요하다. 위험한 행동은 Human-in-the-Loop로 멈춤 지점을 만들어야 한다.