Agent에 LLM이 필요한 이유

우선 Rule 베이스로 하드코딩해서 Agent 자체의

자연어 쿼리 > 툴 선택 > 툴 실행 > 리턴 반환 플로우를 익혀보기 위해 

대충 후딱 코드를 작성하기 시작했다.

 

가벼운 계산기, 문자열에서 문자 뽑기 같은 간단한 툴들을 만들었다.

이후 툴 선택을 위해 툴 대기열, 등록? 까지는 마쳤는데

자연어 쿼리 > 툴 선택

이 답이 없다.

툴 선택까지는 어찌어찌 하면 된다.

근데 이제 그 툴에 해당 툴들에 대한 파라미터는 어떻게 추출하지?...

당장 계산기만 해도, 단순 사칙연산만 해도

a랑 b를 더해줘, a+b는 뭐야?, a 더하기 B를 알려줘, a + b + c + d ...를 알려줘 등등

예외케이스, alias가 많다. 

이걸 다 if문으로 처리한들 자연어 쿼리에서 나오는 모든 케이스를 커버칠수가 없다.

그렇다고 nlp를 쓰자니 이건 뭐 닭잡는데 소잡는 칼 쓰는 격이다.

정규식을 쓴다 한들 마찬가지. 예외케이스가 너무 많다...

 

이래서 LLM이 뜬 후에, 에이전트가 빛을 본거구나 싶었다.

자연어 해체분석이 진짜 와...

 

룰베이스로 완성하는건 일단 접고... LLM 기반으로 완성하는걸로 방향을 틀어야겠다.