용어집
《멀티 에이전트 협업》의 용어 71개. 레슨 본문에서 처음 등장하는 용어에 마우스를 올리면 정의를 볼 수 있습니다.
| 용어 | 정의 | 출처 |
|---|---|---|
| 컨텍스트 오염 | 작업 초반에 주워 든 오류나 무관한 조각이, 이후 모든 추론이 의존하는 하나의 컨텍스트에 섞여 들어, 나중에 들어온 올바른 정보로도 완전히 씻어 내기 어려워지는 현상. | Effective context engineering for AI agents (Anthropic Engineering) |
| 어텐션 희석 | 하나의 컨텍스트 윈도에 담기는 내용이 많아질수록 개별 조각 하나에 쏟을 수 있는 어텐션이 옅어져, 많은 세부를 동시에 정확히 붙들어야 하는 작업에서 실수하거나 빠뜨리게 되는 현상. | Effective context engineering for AI agents (Anthropic Engineering) |
| 어텐션 예산 | 모델이 방대한 양의 컨텍스트를 해석할 때 끌어다 쓰는 유한한 어텐션을 가리키는 Anthropic의 표현. 새로 들어오는 토큰마다 그 예산을 얼마간 소모한다. | Effective context engineering for AI agents (Anthropic Engineering) |
| 성능 기울기 | 컨텍스트로 인한 성능 저하가 실제로 드러나는 양상에 대한 Anthropic의 설명. 어떤 임계치까지는 완벽하다가 갑자기 무너지는 것이 아니라, 컨텍스트가 늘어남에 따라 품질이 점진적으로 떨어진다. | Effective context engineering for AI agents (Anthropic Engineering) |
| 멀티 에이전트 시스템 | 도구를 루프 안에서 자율적으로 쓰는 LLM인 에이전트 여럿이, 각자 자신의 컨텍스트를 갖고 하나의 작업에 함께 매달리는 구조. | How we built our multi-agent research system (Anthropic Engineering) |
| 조율 오버헤드 | 여러 에이전트가 일을 나누고 협업하게 만드는 데 드는 추가 시간과 토큰. 작업을 쪼개고, 결과를 취합하고, 서로 어긋나는 산출물을 맞추는 몫이 여기 들어간다. | How we built our multi-agent research system (Anthropic Engineering) |
| 병렬화 | 작업에서 진정으로 갈라낼 수 있는 부분 — 서로의 중간 결과에 의존하지 않는 부분 — 을 서로 다른 에이전트에게 맡겨 동시에 진행하게 하는 것. | How we built our multi-agent research system (Anthropic Engineering) |
| 깊이 우선 작업 | 답이 한 줄기 추론을 단계마다 밟아 나가야 나오는 작업. 단계들이 단단히 얽혀 있어 여러 에이전트에게 깔끔하게 쪼개 주기 어렵다. | How we built our multi-agent research system (Anthropic Engineering) |
| 너비 우선 작업 | 답이 서로 비교적 독립적인 몇 갈래로 퍼져 있어, 서로의 중간 결과에 기대지 않고 각각 따로 좇을 수 있는 작업. | How we built our multi-agent research system (Anthropic Engineering) |
| 컨텍스트 윈도 | 모델이 한 번의 추론에서 붙들 수 있는 정보의 범위. 멀티 에이전트 시스템은 에이전트마다 별개의 컨텍스트 윈도를 줌으로써 오염과 희석을 완화한다. | How we built our multi-agent research system (Anthropic Engineering) |
| 단일 에이전트 시스템 | 작업을 쪼개거나 멀티 에이전트 협업을 끌어들이지 않고, 에이전트 하나로 처음부터 끝까지 해내는 방식. | Building effective agents (Anthropic Engineering) |
| 규모 산정 경험칙 | 작업 복잡도에 맞춰 에이전트 수를 정하는 Anthropic의 경험칙. 단순한 사실 확인은 에이전트 1개와 도구 호출 3~10회, 직접적인 비교는 서브에이전트 2~4개와 각각 호출 10~15회, 책임을 깔끔하게 나눌 만큼 복잡한 조사라야 서브에이전트 10개를 넘어간다. | How we built our multi-agent research system (Anthropic Engineering) |
| 경제적으로 성립 | 멀티 에이전트 시스템은 성능 향상에 딸려 오는 추가 토큰 비용을 치를 만큼 작업 자체의 가치가 높을 때에만 쓸 값어치가 있다는 조건. | How we built our multi-agent research system (Anthropic Engineering) |
| separation of concerns | 서브에이전트가 가져다주는 것에 대한 Anthropic의 표현. 에이전트마다 별개의 도구·프롬프트·탐색 경로를 가져 경로 의존성이 줄고, 한 에이전트가 빠진 막다른 길이 다른 에이전트들을 끌고 가지 않는다. | How we built our multi-agent research system (Anthropic Engineering) |
| 오케스트레이터-서브에이전트 | 하나의 중앙 LLM이 동적으로 작업을 분해해 워커 LLM들에게 위임하고 그 결과를 종합하는 아키텍처. | Building effective agents (Anthropic Engineering) |
| 오케스트레이터 | 일을 어떻게 나눌지, 누구에게 어느 조각을 줄지, 돌아온 여러 결과를 어떻게 하나의 일관된 답으로 꿰맬지 정하는 중앙 에이전트. | Building effective agents (Anthropic Engineering) |
| 서브에이전트 | 오케스트레이터가 파견해, 새롭고 격리된 컨텍스트 윈도 안에서 위임받은 하나의 작업을 마치고 그 결과를 돌려주는 에이전트. | Create custom subagents (Claude Code Docs) |
| 컨텍스트 격리 | 각 에이전트의 작업 범위를 자기 컨텍스트 윈도 안에 가둬, 한 에이전트 안의 컨텍스트 오염이 다른 에이전트로 번지지 않게 하는 것. | Create custom subagents (Claude Code Docs) |
| 팬아웃 | 오케스트레이터가 쪼갠 서브태스크들을 그 수에 맞는 서브에이전트에게 병렬로 뿌려, 차례로 줄 서지 않고 모두 동시에 일을 시작하게 하는 것. | Building effective agents (Anthropic Engineering) |
| 취합 | 팬아웃 다음 단계로, 오케스트레이터가 따로따로 만들어진 여러 결과를 나란히 놓고 비교해 중복이나 모순을 해소하고, 최종 산출물의 꼴로 재조직하는 것. | Create custom subagents (Claude Code Docs) |
| 결론만 돌려준다 | 서브에이전트는 에움길과 자기수정이 담긴 추론 과정 전체가 아니라, 최종적으로 방어 가능한 결론과 그 근거가 되는 핵심 증거를 돌려줘야 한다는 원칙. | Create custom subagents (Claude Code Docs) |
| 포크 | 백지에서 시작하는 대신 지금까지의 대화 전체를 물려받는 서브에이전트. 자신의 도구 호출은 여전히 메인 대화 밖에 머물고 최종 결과만 돌아온다. | Create custom subagents (Claude Code Docs) |
| 매니저 패턴 | 오케스트레이터-서브에이전트 구조에 OpenAI Agents SDK가 붙인 이름. 중앙 매니저가 특화된 서브에이전트를 도구로서 호출하고 대화의 제어권을 유지한다. | Agents (OpenAI Agents SDK) |
| 쪼개기 | 오케스트레이터의 세 동작 중 첫째. 하나의 큰 작업을 놓고 어떤 덩어리로 나뉘는지 가려내는 일. | Building effective agents (Anthropic Engineering) |
| 위임 | 오케스트레이터의 세 동작 중 둘째. 각 덩어리를 그것에 필요한 배경과 함께 서브에이전트에게 넘겨 수행하게 하는 일. | Building effective agents (Anthropic Engineering) |
| 종합 | 오케스트레이터의 세 동작 중 셋째. 서브에이전트들이 결과를 돌려주면 그것들을 최종 답으로 합치는 일. | Building effective agents (Anthropic Engineering) |
| 전화 놀이 | 서브에이전트의 결과가 오케스트레이터를 거치며 바꿔 말해지고 압축되는 동안 쌓이는 충실도 손실. 서브에이전트 출력을 파일 시스템에 곧장 쓰는 것이 이를 피하는 한 방법이다. | How we built our multi-agent research system (Anthropic Engineering) |
| 자기완결적 | 위임 프롬프트의 성질. 그것을 읽고 나면 서브에이전트가 무엇을 해야 하는지 정확히 알아내는 데 추가 배경이 필요하지 않다. | Create custom subagents (Claude Code Docs) |
| 출처 안내 | 위임 프롬프트에서 서브에이전트에게 답을 어디서 찾아야 하는지 — 공식 가격 페이지인지, 서드파티 비교 사이트인지, 아니면 둘 다이되 어느 쪽이 우선인지 — 를 알려 주는 부분. | How we built our multi-agent research system (Anthropic Engineering) |
| 작업 경계 | 위임 프롬프트에서 서브에이전트에게 이번 실행은 이 몫만 다루며 그 너머로 손을 뻗지 말라고 알려 주는 부분. | How we built our multi-agent research system (Anthropic Engineering) |
| 하나의 문제 영역, 하나의 에이전트 | 각 서브에이전트는 뚜렷이 경계 지어진 한 부류의 문제만 맡아야 하며, 성질이 다른 여러 일을 한꺼번에 저글링해서는 안 된다는 원칙. | How we built our multi-agent research system (Anthropic Engineering) |
| CitationAgent | Anthropic 프로덕션 시스템의 전용 서브에이전트. 문서와 조사 보고서를 처리해 인용이 들어갈 구체적 위치를 식별하고, 모든 주장이 그 출처에 제대로 귀속되도록 보장한다. | How we built our multi-agent research system (Anthropic Engineering) |
| 위임 프롬프트 | 오케스트레이터가 서브에이전트에게 건네는 과제 설명. 그 품질 상한이 서브에이전트 산출물의 품질 상한을 정한다. | How we built our multi-agent research system (Anthropic Engineering) |
| 막연한 지시 | 'research the semiconductor shortage' 같은, 기간도 각도도 출처도 산출물도 짚어 주지 않아 서브에이전트가 즉흥으로 채우게 만드는 지시. | How we built our multi-agent research system (Anthropic Engineering) |
| 출력 형식 | 위임 프롬프트에서 서브에이전트의 산출물이 어떤 꼴이어야 하는지 밝히는 부분. 오케스트레이터가 그 결과를 곧바로 쓸 수 있는지를 좌우한다. | How we built our multi-agent research system (Anthropic Engineering) |
| 작업을 오해 | 충분히 상세하지 않은 작업 설명을 받은 서브에이전트가 요구사항을 잘못 읽고, 오케스트레이터가 원한 것과 어긋난 결과를 내놓는 실패. | How we built our multi-agent research system (Anthropic Engineering) |
| 파이프라인 | 과제를 여러 단계의 연속으로 분해하고, 각 LLM 호출이 이전 호출의 출력을 처리하는 협업 패턴. | Building effective agents (Anthropic Engineering) |
| 프롬프트 체이닝 | 파이프라인 패턴의 공식 명칭. 과제가 여러 단계의 연속으로 분해되어 순서대로 실행된다는 점을 강조한다. | Building effective agents (Anthropic Engineering) |
| 프로듀서-리뷰어 | 한 LLM 호출이 응답을 생성하고 다른 호출이 루프 안에서 평가와 피드백을 제공하며, 수렴할 때까지 반복하는 협업 패턴. | Building effective agents (Anthropic Engineering) |
| 평가자-최적화자 | 프로듀서-리뷰어 패턴의 공식 명칭. 한 호출이 생성하고 다른 호출이 평가해 피드백을 돌려준다는 점을 강조한다. | Building effective agents (Anthropic Engineering) |
| 다관점 투표 | 여러 에이전트가 이미 존재하는 같은 내용을 각자 독립적으로, 병렬로 판정하고, 그중 하나라도 문제를 발견하면 곧바로 그 내용에 표시가 붙는 협업 패턴. | Building effective agents (Anthropic Engineering) |
| 핸드오프 | 동료 에이전트들이 대화를 넘겨받는 전문 에이전트에게 제어권을 넘기는, 탈중앙적인 협업 방식. | Agents (OpenAI Agents SDK) |
| 동료 에이전트 | 핸드오프 방식에서 서로 대등한 위치에 있는 에이전트들. 고정된 상하 관계 없이 자기들끼리 직접 제어권을 넘긴다. | Agents (OpenAI Agents SDK) |
| 탈중앙적 | 핸드오프식 협업을 규정하는 특징. 제어권을 하나의 중앙 노드가 끝까지 쥐지 않고 동료 에이전트들 사이에서 직접 넘긴다. | Agents (OpenAI Agents SDK) |
| 제어권 | 다음에 무엇이 올지 정하는 권한. 오케스트레이터-서브에이전트에서는 오케스트레이터가 끝까지 쥐고 있고, 핸드오프는 그것을 넘겨받는 에이전트에게 이전한다. | Agents (OpenAI Agents SDK) |
| 하나의 실행 | 핸드오프가 머무는 경계. 제어권 이전은 이번 실행 안에서만 유효하며, 나중의 독립적인 실행으로 이어지지 않는다. | Handoffs (OpenAI Agents SDK) |
| 신뢰-후-검증 격차 | 모델이 엣지 케이스를 다루지 못하는, 그럴듯해 보이는 구현을 내놓는다는 이름 붙은 실패 양상. 해결책은 항상 검증을 붙이는 것이며, 검증할 수 없다면 내보내지 않는 것이다. | Best practices for Claude Code (Claude Code Docs) |
| 점검 가능한 기준 | 특정 과제에 맞춰 정의된 구체적인 검증 잣대. 인상으로 점수 매기는 대신 산출물을 항목별로 대조해 잴 수 있다. | How we built our multi-agent research system (Anthropic Engineering) |
| LLM 판정자 | Anthropic 프로덕션 시스템에서 각 서브에이전트 출력을 루브릭의 기준에 비추어 평가하는 역할. | How we built our multi-agent research system (Anthropic Engineering) |
| 사실 정확성 | LLM 판정자 루브릭의 기준 중 하나. 출력의 주장이 그것이 인용한 출처와 일치하는가? | How we built our multi-agent research system (Anthropic Engineering) |
| 인용 정확성 | LLM 판정자 루브릭의 기준 중 하나. 인용된 출처가 그것이 붙은 주장과 정말로 일치하는가? | How we built our multi-agent research system (Anthropic Engineering) |
| 출처 품질 | LLM 판정자 루브릭의 기준 중 하나. 서브에이전트가 질 낮은 2차 출처보다 1차 출처를 썼는가? | How we built our multi-agent research system (Anthropic Engineering) |
| 중복 작업 | 여러 서브에이전트가 같은 땅을 훑어 크게 겹치는 산출물을 내놓는 것. 보통 결과가 취합되는 순간에야 표면에 드러난다. | How we built our multi-agent research system (Anthropic Engineering) |
| 상충하는 결과 | 두 서브에이전트가 독립적으로 조사해 서로 모순되는 결론을 돌려주는 것. 아무 쪽이나 고르거나 가운데를 취해 해결할 수 없다. | How we built our multi-agent research system (Anthropic Engineering) |
| 잘못된 귀속 | 한 서브에이전트가 찾은 데이터를 다른 서브에이전트가 맡은 몫에 대한 결론인 양 적어 넣는, 통합 단계의 오류. | How we built our multi-agent research system (Anthropic Engineering) |
| 통합 단계 | 오케스트레이터가 중복 내용을 합치고, 모순되는 결론을 검증하거나 표시하고, 모든 주장이 올바른 출처로 거슬러 올라가는지 점검하는 마무리 단계. | How we built our multi-agent research system (Anthropic Engineering) |
| 중복 제거 | 여러 서브에이전트 출력에 걸쳐 겹치는 내용을 합쳐, 최종 결과가 같은 말을 두 번 하지 않게 하는 통합의 한 부분. | How we built our multi-agent research system (Anthropic Engineering) |
| 구조화된 리뷰 결과 | 뭉뚱그린 자연어 판정 대신 `{approved, issues}` 같은 고정된 필드로 돌려주는 리뷰. 뒤따르는 코드가 그것을 읽고 움직일 수 있다. | How we built our multi-agent research system (Anthropic Engineering) |
| MAX_ROUNDS | 파이프라인이 프로듀서-리뷰어 라운드를 몇 번까지 돌릴지 정하는 상한. 두 에이전트가 끝없이 주고받으며 다듬는 것을 막는다. | Building effective agents (Anthropic Engineering) |
| 안전밸브 | 루프가 반드시 끝나도록 보장하는 장치. 이 레슨의 파이프라인에서는 `MAX_ROUNDS`가 그 역할을 한다. | Building effective agents (Anthropic Engineering) |
| REVIEW_CRITERIA | 이 레슨의 코드에서 리뷰어에게 건네는 명시적 체크리스트. 초안을 하나씩 대조해 점검해야 할 구체적 기준들을 담는다. | How we built our multi-agent research system (Anthropic Engineering) |
| runProducer | 이 레슨의 코드에서 초안을 생성하거나 수정하는 함수. 다시 돌 때는 이전 버전과 리뷰 지적을 함께 실어 보내, 프로듀서가 처음부터 다시 쓰지 않고 고치게 한다. | Using the Messages API (Claude API) |
| runReviewer | 이 레슨의 코드에서 초안을 `REVIEW_CRITERIA`에 하나씩 대조해 점검하고 리뷰 결과를 돌려주는 함수. | How we built our multi-agent research system (Anthropic Engineering) |
| parseReview | 이 레슨의 코드에서 리뷰어의 텍스트 응답을 구조화된 객체로 바꾸는 함수. 파싱이 실패하거나 필드 모양이 어긋나면 언제나 반려를 돌려준다. | Best practices for Claude Code (Claude Code Docs) |
| extractJson | 이 레슨의 코드에서 모델 응답에 마크다운 코드 펜스가 붙어 있으면 벗겨 내, 안의 JSON을 파싱할 수 있게 해 주는 헬퍼. | Structured outputs (Claude API) |
| approved | 이번 초안이 리뷰 기준을 통과했는지를 나타내는 리뷰 결과의 불리언 필드. | Structured outputs (Claude API) |
| issues | 실패한 기준과 그 구체적 문제를 나열하는 리뷰 결과의 배열 필드. 전부 통과하면 비어 있다. | Structured outputs (Claude API) |
| 방어적 파싱 | 모델 응답이 약속된 형식에 맞을 것이라 믿는 대신, 펜스를 벗기고 파싱 오류를 잡고 필드 타입을 검사하는 점검을 직접 둘러 두는 것. | Structured outputs (Claude API) |
| 구조화 출력 | 모델 응답이 샘플링 수준에서 스키마에 엄격히 맞도록 제약해, 유효하고 파싱 가능한 출력을 보장하는 공식 기능. | Structured outputs (Claude API) |
| 무상태 | 요청 사이에 아무 상태도 보관하지 않으므로 모든 요청이 필요한 대화 이력 전체를 담아야 한다는 Messages API의 성질. | Using the Messages API (Claude API) |
| runPipeline | 이 레슨의 코드에서 프로듀서·리뷰어·파서를 `MAX_ROUNDS`로 묶인 루프에 엮고, 상한에 걸리면 마지막 초안을 미해결 문제와 함께 넘기는 함수. | Building effective agents (Anthropic Engineering) |