여러 에이전트가 함께 일한다는 것

DAPPOS의 멀티에이전트 프레임워크입니다. 공식 문서에서 다룹니다.

하나의 AI가 모든 것을 처리하는 대신 역할이 나뉜 여러 에이전트가 협력하는 구조입니다.

사람의 조직과 비슷합니다. 한 사람이 기획하고 만들고 검수까지 하면 사각지대가 생깁니다. 나눠 맡으면 각자가 자기 몫에서 정확해집니다.

복잡한 작업일수록 이 차이가 커집니다. 단계가 많은 일을 한 번에 시키면 중간에서 흐트러지는데, 단계별로 담당이 있으면 그 지점에서 잡힙니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #멀티에이전트 #MAF #스토리텔러

여러 에이전트가 하나의 상태를 공유한다. 공식 문서

DAPPOS 공식 문서는 멀티 에이전트 프레임워크의 중심에 StateGraph라는 구조가 있다고 설명합니다.

멀티 에이전트란 하나의 AI가 전부 처리하는 대신, 역할이 다른 여러 AI가 나눠 맡는 방식입니다. 사람으로 치면 혼자 하는 일과 팀으로 하는 일의 차이입니다.

팀으로 일할 때 가장 흔한 문제는 정보가 어긋나는 것입니다. 앞사람이 무엇을 왜 그렇게 했는지 뒷사람이 모르면 같은 일을 다시 하거나 반대로 갑니다.

StateGraph는 그 문제를 다루는 장치입니다. 여기에는 에이전트끼리 주고받는 메시지, 작업 계획, 산출물, 사람이 개입하는 지점, 최종 결과, 오류, 조건 분기용 표시가 담깁니다.

이 값들이 단계마다 그대로 넘어가며 판단의 근거가 됩니다. 각 단계가 자기 앞의 맥락을 그대로 물려받는 구조입니다.

문서에 따르면 각 노드가 하나의 에이전트입니다. 그중 컨트롤러 노드는 지금 상태를 보고 다음에 어디로 보낼지 정하고 상태를 갱신합니다.

요청이 들어오면 먼저 작업 계획 노드가 의도를 분류합니다. 정보 수집인지, 전략 실행인지, 기회 탐지인지에 따라 검색이나 디파이 같은 하위 경로로 갈립니다.

판단 근거가 상태에 남기 때문에 왜 그런 결론이 나왔는지 되짚을 수 있습니다. DAPPOS 문서가 설명 가능한 의사결정을 앞세운 이유가 여기 있습니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #멀티에이전트 #MAF #스토리텔러

지능 계층은 두 부품으로 돌아간다. 공식 문서

공식 문서는 지능 계층을 DAPPOS의 인지 중추라고 표현합니다. 조사와 계획과 판단을 맡는 자리입니다. 구성은 둘입니다. 멀티 에이전트 프레임워크와 Bubble Engine입니다. 하나는 배치를 맡고 다른 하나는 학습을 맡습니다.

멀티 에이전트 프레임워크는 조율 모듈입니다. 300개에서 400개의 전문 에이전트와 200개가 넘는 도구를 상태 기반 그래프 위에서 움직입니다. 문서가 든 특징은 결정적 라우팅과 작업별 서브그래프, 멀티 에이전트 검색, 도구를 결합한 생성입니다. 어떤 요청이 어디로 갈지 규칙으로 정해지고, 작업마다 별도의 갈래를 탄다는 뜻입니다.

Bubble Engine은 적응형 학습 코어입니다. 웹3에 맞춘 강화학습으로 계속 진화하며, X와 바이낸스 스퀘어의 실시간 데이터와 Bubble 작업 플랫폼의 사용자 기여를 함께 받아들입니다. 핵심 장치로 두 가지가 나옵니다. 출처를 먼저 따지는 Contextual RAG와, 오래 가는 지식과 최근 학습을 섞는 Compound Memory입니다.

DAPPOS 문서가 강조하는 단어가 설명 가능성입니다. 왜 그런 판단이 나왔는지 되짚을 수 있어야 실제 업무에 쓸 수 있다는 것입니다. 돈이 걸린 판단일수록 근거가 남는지가 중요해집니다.

설계는 그럴듯한데 실사용에서 갈릴 부분입니다. 직접 써보신 분 있으실까요.

#DAPPOS #지능계층 #MAF