RAG 기반 Multi-Agent AI 시스템 구현

이 게시물은 RAG(Retrieval-Augmented Generation) 기반의 멀티 에이전트 AI 데이터 분석 보조 시스템(DRA) 구현 과정을 소개합니다.

주요 내용

• RAG 관련 논문 14편을 리뷰하며 문맥 처리, 생성, 검색 품질 문제를 분석
• Supervisor 패턴을 활용한 멀티 에이전트 아키텍처 설계 및 구현
• 과거 사내 데이터, 실시간 웹 트렌드, 학술 논문 정보를 다루는 세 가지 에이전트 구성
• LangGraph, LangSmith, Streamlit, OpenAI 등을 활용한 기술 스택
• 핵심 답변, 분석 방법론, 외부 트렌드, 실무 적용 방안, 참고 자료로 구성된 최종 결과 제공

학습 및 구현 과정

• Open Deep Research, Dify 등 기존 사례를 참고하였으나 내부 사내 데이터 연동에 초점
• RAG 에이전트는 벡터 DB(ChromaDB)와 LLM 재점수화를 통해 검색 정확도 향상
• Web 에이전트는 Tavily API로 최신 트렌드 검색 지원
• Literature 에이전트는 arXiv API 활용하여 최신 논문 검색
• Supervisor가 에이전트의 작업을 관리하고 결과를 통합하는 구조

교훈 및 전망

• 간단한 구조부터 시작해 자주 리팩토링하는 방법 권장
• AI와의 페어 프로그래밍이 효과적이며, 구현 과정에서 AI 도구 적극 활용
• 프로젝트는 프로토타입 단계이나 실무 적용 가능성 탐색