Agentic AI 패턴 가이드 1: Workflow vs Agent
LLM 시스템을 설계할 때 가장 먼저 정해야 할 것은 Workflow로 충분한지, Agent가 필요한지다. 대부분의 문제는 단일 LLM 호출, RAG, 정해진 workflow로 해결된다. Agent는 실행 중 판단과 도구 선택이 필요할 때만 추가하는 편이 안전하다.
Workflow vs Agent
Workflows는 미리 정의된 경로로 LLM을 오케스트레이션합니다. 예측 가능하고 디버깅하기 쉽습니다. Agents는 LLM이 스스로 도구와 경로를 결정합니다. 유연하지만 비용과 실패 위험이 높습니다.
대부분의 문제는 단일 LLM 호출 + RAG + 잘 쓴 프롬프트로 해결됩니다. 복잡도는 측정 가능한 성능 이득이 있을 때만 추가하세요. 이 가이드는 Anthropic의 “Building effective agents” 분류를 기반으로 합니다.
목차
00 Augmented LLM (foundation)
01 Prompt Chaining
02 Routing
03 Parallelization
04 Orchestrator-Workers
04+ Multi-agent Topologies
05 Evaluator-Optimizer
06 Autonomous Agent
07 Human-in-the-Loop
추가 정리
핵심 요약
Workflow와 Agent의 차이는 자율성의 위치다. Workflow는 사람이 경로를 정하고, Agent는 모델이 실행 중에 경로를 선택한다.
보충 해설
실무에서는 Agent라는 이름을 붙이기 전에 제어 흐름이 정말 동적인지 확인해야 한다. 고정된 단계를 자동화하는 문제라면 Workflow가 더 적합하다. Agent는 불확실성과 탐색이 필요한 문제에서 가치가 생긴다.