멀티에이전트 LLMmulti-agent LLM

멀티에이전트 LLM은 하나의 언어모델에 모든 일을 맡기는 대신, 역할이 나뉜 여러 에이전트가 메시지를 주고받으며 일을 나눠 처리하는 구조예요. 하나는 자료를 찾고, 하나는 검토하고 반박하고, 또 하나는 결과를 정리하는 식이죠. 각 에이전트는 자기 지시문과 목표만 보면 되고, 역할별로 다른 도구나 데이터 권한을 주기도 쉬워요.

효과와 비용이 함께 커진다는 점을 숫자로 보여 준 사례가 있어요. 앤트로픽이 2025년 6월 공개한 리서치 기능 구축기에서, 상위 모델(Claude Opus 4)이 하위 에이전트(Claude Sonnet 4) 여럿을 지휘하는 구조는 단일 Opus 4보다 내부 리서치 평가에서 90.2% 더 좋은 성과를 냈습니다. 대신 토큰은 일반 채팅의 약 15배를 썼어요(단일 에이전트는 약 4배). 여러 갈래를 동시에 조사해야 하는 넓은 질문일수록 이득이 크고, 단순한 작업에서는 비용만 늘 수 있다는 뜻이에요.

실패 방식도 따로 연구돼 있어요. UC 버클리 연구진(2025)은 여러 멀티에이전트 프레임워크의 실행 기록을 분석해 실패 유형 14가지를 시스템 설계 결함, 에이전트 간 불일치, 작업 검증 부족의 세 묶음으로 정리했습니다. 검증이 없거나 부실하면 한 에이전트의 오류가 걸러지지 않고 다음 단계로 넘어가는 식이에요.

그래서 실무에서는 어떤 업무까지 에이전트를 나눌 가치가 있는지, 중간 검증을 어디에 둘지, 언제 멈출지를 먼저 설계해요. 보고서 작성이나 다단계 리서치처럼 갈래가 많은 업무가 주 무대입니다.

참고: Anthropic, How we built our multi-agent research system(2025), Cemri 외, Why Do Multi-Agent LLM Systems Fail?(2025)