스크래치(Scratch)를 이용한 자율적인 AI 에이전트 만들기

Langchain이나 CrewAI 같은 라이브러리를 사용하지 않고 Python만을 사용하여 자율(autonomous) AI 에이전트를 생성하는 기사 공유합니다.😃 AI 에이전트란? * LLM(대형 언어 모델)의 주요 제한 사항 중 하나는 실시간 데이터에 액세스할 수 없으며 기존 학습 데이터만을 기반으로 응답을 생성한다는 것인데요, 자율 AI 에이전트를 통해 LLM을 외부 기능이나 향상된 프롬프트 메커니즘과 통합할 수 있습니다. * AI 에이전트가 LLM가 결합해서 질문에 답하는 과정 * 쿼리 입력(input): LLM에 질문을 보냅니다. * ReAct 시스템 프롬프트를 사용한 프로세싱 * 외부 기능 실행 * 응답(Response) 생성: AI가 실시간 데이터를 획득한 후 결과에 따라 응답을 작성하고 전달합니다. 비쥬얼 스튜디오 코드를 이용해서 AI 에이전트 만들기: 시작하기 1. 파이선 가상 환경(Virtual Environment) 생성 및 활성화: pip install openai 2. OpenAI 패키지 설치: OpenAI API를 LLM으로 사용하기 위해서. Anthropic, Gemini 또는 오픈 소스 모델을 사용해도 됩니다. 3. 프로젝트 파일 설정: actions.py, main.py, prompts.py 4. OpenAI API로 텍스트 생성: (상세내용은 원본 기사를 참조하세요.🙏) 5. 기능 테스트 기능 정의하기 * 기본 기능 생성: actions.py에 시뮬레이션에 필요한 함수 정의 ReAct 프롬프트 * ReAct 프롬프트는 모델에 사용자 쿼리에 대해 생각하고, 이해하고, 답변 방법을 결정하고, 필요한 경우 작업을 선택한 다음, 이를 사용하여 가능한 최선의 방법으로 질문에 답변하도록 지시한다고 하네요. 1. ReAct 프롬프트 정의: Prompts.py 파일에 시스템 프롬프트 구성 추가 (상세내용은 원본 기사를 참조하세요.🙏) * Thought: 쿼리를 이해하고 해석합니다. * Action: 사용 가능한 작업 중에서 적절한 기능을 선택하고 실행합니다. * Action_Response: 작업의 결과를 사용하여 응답을 공식화합니다. 2. 가능한 Action: LLM에 어떤 작업을 사용할 수 있는지 알려주고 매개변수가 포함된 간단한 예와 해당 기능이 무엇인지 알 수 있는 모델에 대한 간단한 설명을 보여줍니다. 3. 예제 세션(Example session): LLM이 샘플 쿼리에 응답하는 방법에 대한 예를 보여줍니다. 4. 루프(loop) 메커니즘: 루프 메커니즘은 LLM이 수행하는 단계, 즉 질문을 이해하고, 해당 이해를 바탕으로 조치를 취하고, 조치 결과를 사용하여 응답하는 단계를 모방합니다. 모든 것을 연결하기 * ReAct 시스템 프롬프트를 설정하고 필요한 기능을 정의한 후 이제 이러한 요소를 통합하여 AI 에이전트를 구성할 수 있습니다. 1. 가능한 Action 정의 2. 사용자 및 시스템 프롬프트 설정 3. 에이전트 루프 생성 4. 에이전트 테스트 원본 기사 링크는 아래와 같습니다. 원본 기사를 통해 구현에 필요한 소스코드 및 테스트 결과를 확인하실 수 있습니다. 감사합니다🙏. [Source Link] https://hasanaboulhasan.medium.com/how-to-create-autonomous-ai-agents-from-scratch-56950bb31f7e