멀티 에이전트 오케스트레이션

이번 주 학습 목표

단일 에이전트의 한계

W3~W6에서 만든 에이전트는 매우 똑똑하지만 문제가 있습니다. 모든 툴을 다 알아야 한다는 점입니다. 실제로 AI Agent에 5~7개 이상의 툴이 연결되면 에이전트의 판단 정확도가 급격히 떨어집니다. "결정 피로"가 발생하는 것입니다.

팀 아키텍처 시각화

1교시 — 3개 전문 에이전트 역할 설계

서브 에이전트 각각에 좁은 역할 + 전용 데이터 소스 + 구조화된 출력을 부여합니다. 각 에이전트의 "명함"을 만드는 작업입니다.

2교시 — 서브 에이전트 구현

패턴 — 각 서브 에이전트의 공통 구조

모든 서브 에이전트는 동일한 패턴입니다: AI Agent Tool 노드 + 전용 Chat Model + 전용 툴 2~3개 + 전용 System Message.

News Agent 구현

OnChain Agent 구현

입문자 친화적 무료 API로 Blockchair(Bitcoin/Ethereum 트랜잭션) + Whale Alert Public Feed 조합을 사용합니다.

// OnChain Agent의 툴 #1 — Blockchair Bitcoin 활성 주소
// Method: GET
// URL: https://api.blockchair.com/bitcoin/stats
// 응답에서 중요 필드:
{
  "data": {
    "blocks": 830000,
    "transactions_24h": 450000,
    "outputs_24h": 1200000,
    "circulation": "19700000",
    "market_price_usd": 62450,
    "hashrate_24h": "...",
    "mempool_transactions": 18500
  }
}

Whale Alert의 무료 공개 피드는 twitter.com/whale_alert 또는 RSS를 통해 간접 수집합니다. n8n RSS Feed Trigger 노드로 처리.

Macro Agent 구현 — W6 RAG와 결합

Macro Agent는 특별합니다. FRED API(숫자 데이터) + W6에서 구축한 Vector DB(FOMC 의사록)를 모두 활용합니다.

3교시 — Orchestrator 에이전트 구현

Orchestrator는 팀장입니다. 질문을 보고 어느 전문가에게 물어볼지 결정하고, 답변들을 종합해 최종 답변을 만듭니다. Claude Sonnet(Haiku보다 상위)을 씁니다.

Orchestrator System Message — 가장 중요한 프롬프트

전체 워크플로

4교시 — 메시지 버스 로깅과 디버깅

멀티 에이전트의 가장 큰 함정은 "왜 이런 답이 나왔는지 모른다"는 점입니다. 에이전트 3명이 동시에 일하는데 중간 과정을 못 보면 디버깅이 지옥. 메시지 버스로 모든 에이전트 대화를 기록합니다.

Return Intermediate Steps 활용

Orchestrator의 Return Intermediate Steps를 ON으로 하면 응답에 모든 sub-agent 호출 내역이 포함됩니다.

// Orchestrator 응답에서 메시지 버스 추출
const orchestratorOutput = $input.item.json;
const steps = orchestratorOutput.intermediateSteps || [];

// 각 sub-agent 호출을 타임스탬프와 함께 로그화
const messageBus = [];
const startTime = new Date();

for (let i = 0; i < steps.length; i++) {
  const step = steps[i];
  const agentName = step.action?.tool || 'unknown';
  const input = step.action?.toolInput || {};
  const output = step.observation || '';
  
  // 호출 시점
  messageBus.push({
    t: new Date(startTime.getTime() + i * 100).toISOString(),
    actor: 'orchestrator',
    action: 'CALL',
    target: agentName,
    payload: JSON.stringify(input).slice(0, 100)
  });
  
  // 응답 시점
  messageBus.push({
    t: new Date(startTime.getTime() + i * 100 + 50).toISOString(),
    actor: agentName,
    action: 'RESPOND',
    target: 'orchestrator',
    payload: typeof output === 'string' ? output.slice(0, 150) : JSON.stringify(output).slice(0, 150)
  });
}

// 최종 결정
messageBus.push({
  t: new Date().toISOString(),
  actor: 'orchestrator',
  action: 'FINAL',
  target: 'user',
  payload: orchestratorOutput.output?.slice(0, 200) || ''
});

return {
  final_answer: orchestratorOutput.output,
  message_bus: messageBus,
  agent_count_called: steps.length,
  total_time_ms: new Date() - startTime
};

예시 메시지 버스 (Discord 디버그 채널 출력)

로그 저장 — Sheets "agent_trace" 탭

메시지 버스를 Google Sheets에 기록해두면 주간·월간 분석에 유용합니다. 어느 에이전트가 가장 자주 틀리는지, 평균 응답 시간은 얼마인지 집계 가능.

실행 테스트와 디버깅

이번 주 완료 체크리스트

이번 주 과제

참고 자료