AI 原生开放教材

外观

FastCampus AI Agent 바이브코딩 강의系统课程·英文原文 ↗原件 ↓仓库 ↗

Clip 1: Agent vs Workflow 개념 이해하기 ​

학습 목표 ​

  • Agent와 Workflow의 근본적인 차이점 이해하기
  • 각 접근 방식의 특징과 적용 시나리오 파악하기
  • 프로젝트 요구사항에 따른 올바른 선택 기준 세우기

1. Agent와 Workflow의 정의 ​

Workflow란? ​

Workflow는 LLM과 도구들이 미리 정의된 코드 경로를 통해 조율되는 시스템입니다.

주요 특징:

  • 고정되고 사전에 결정된 단계의 순서를 따름
  • 예측 가능한 하위 작업들로 명확하게 분해될 수 있는 작업에 이상적
  • 더 많은 제어와 예측 가능성 제공
  • 프로세스를 사전에 매핑할 수 있을 때 가장 적합

Agent란? ​

Agent는 LLM이 자체 프로세스와 도구 사용을 동적으로 지시하는 시스템으로, 작업을 수행하는 방법에 대한 제어권을 유지합니다.

주요 특징:

  • 더 많은 자율성과 유연성을 가짐
  • 예측할 수 없는 단계를 가진 개방형 문제를 처리할 수 있음
  • 자체 경로와 도구 사용을 동적으로 결정
  • 정확한 솔루션 경로를 미리 알 수 없는 복잡하고 진화하는 작업에 가장 적합

2. 핵심 차이점 ​

출처: https://langchain-ai.github.io/langgraph/tutorials/workflows/

주요 차이점: 사전 결정 수준 ​

가장 중요한 차이점은 사전 결정의 수준입니다:

  • Workflow: 엄격하고 사전 설계된 경로를 따름
  • Agent: 환경 피드백을 기반으로 실시간으로 적응하고 결정을 내림

3. 언제 무엇을 사용할까? ​

Workflow 사용 시기 ​

✅ 다음과 같은 경우에 Workflow를 선택하세요:

  • 구조화되고 잘 이해된 프로세스
  • 작업 단계가 명확하게 정의됨
  • 높은 예측 가능성과 일관성이 필요함
  • 디버깅과 모니터링이 중요함

예시:

  • 문서 처리 파이프라인 (추출 → 변환 → 저장)
  • 정기적인 데이터 분석 리포트 생성
  • 승인 프로세스가 있는 워크플로우
  • ETL (Extract, Transform, Load) 작업

Agent 사용 시기 ​

✅ 다음과 같은 경우에 Agent를 선택하세요:

  • 개방형 문제 해결
  • 동적인 의사결정이 필요한 복잡한 작업
  • 예측할 수 없는 상황에 대한 적응이 필요함
  • 창의적이거나 탐색적인 작업

예시:

  • 고객 지원 챗봇 (다양한 질문 유형 처리)
  • 코드 리뷰 및 버그 수정 제안
  • 복잡한 리서치 및 정보 수집
  • 멀티 스텝 문제 해결 (해결 경로가 미리 알려지지 않음)

4. 실전 선택 가이드 ​

의사결정 플로우차트 ​

mermaid
graph TD
    Start[프로젝트 시작] --> Q1{작업 단계를<br/>미리 정의할<br/>수 있는가?}

    Q1 -->|예| Q2{단계가<br/>항상 동일한<br/>순서인가?}
    Q1 -->|아니오| Agent[Agent 사용]

    Q2 -->|예| Q3{외부 상황에<br/>따라 변경이<br/>필요한가?}
    Q2 -->|아니오| Agent

    Q3 -->|아니오| Workflow[Workflow 사용]
    Q3 -->|예| Hybrid[하이브리드<br/>접근 고려]

    Workflow --> Success[✓ 예측 가능하고<br/>안정적인 시스템]
    Agent --> Success2[✓ 유연하고<br/>적응적인 시스템]
    Hybrid --> Success3[✓ 균형잡힌<br/>시스템]

5. 핵심 원칙 ​

"LLM 분야에서의 성공은 가장 정교한 시스템을 구축하는 것이 아닙니다. 귀하의 요구사항에 맞는 올바른 시스템을 구축하는 것입니다."

— Anthropic, "Building Effective Agents"

설계 원칙 ​

  1. 가장 단순한 솔루션으로 시작하기
    • 불필요한 복잡성 피하기
    • 명확한 이점이 있을 때만 복잡성 추가
  2. 결과로 검증하기
    • 복잡한 Agent가 항상 더 나은 것은 아님
    • 실제 성과 지표로 평가
  3. 점진적 개선
    • Workflow로 시작 → 필요시 Agent 기능 추가
    • 단계별로 복잡성 증가

6. 하이브리드 접근 방식 ​

실제로는 Workflow와 Agent를 결합하는 것이 효과적인 경우가 많습니다:

mermaid
graph LR
    A[입력] --> B[Workflow: 데이터 전처리]
    B --> C[Agent: 지능형 분석]
    C --> D[Workflow: 결과 포맷팅]
    D --> E[출력]

예시:

  • 구조화된 데이터 수집 (Workflow)
  • AI 기반 분석 및 의사결정 (Agent)
  • 표준 형식으로 결과 출력 (Workflow)

요약 ​

특성WorkflowAgent
제어 방식사전 정의된 경로동적 의사결정
유연성낮음높음
예측 가능성높음낮음
적용 분야구조화된 작업개방형 문제
복잡도상대적으로 단순상대적으로 복잡
디버깅용이함도전적

다음 단계 ​

다음 Clip에서는 AI Agent의 내부 아키텍처를 자세히 살펴보고, Agent가 어떻게 작동하는지 깊이 있게 이해하겠습니다.

참고 자료 ​

강사 정보 ​

강의 자료 ​