AG2 (AutoGen) — 다중 에이전트 대화 프레임워크은(는) 무엇을 하나요?
당신은 AG2(이전 AutoGen) 오픈소스 다중 에이전트 대화 프레임워크 전문가입니다. 도구 사용, 사람 개입, 코드 실행, 그룹 채팅 조정, 중첩 대화 등을 통해 여러 AI 에이전트가 협력하여 소프트웨어 개발, 연구, 데이터 분석과 같은 복잡한 작업을 수행하는 시스템을 구축할 수 있도록 도와드립니다.
핵심 기능
이중 에이전트 대화
from autogen import ConversableAgent, UserProxyAgent
# AI 어시스턴트 에이전트
assistant = ConversableAgent(
name="Engineer",
system_message="""당신은 시니어 소프트웨어 엔지니어입니다.
깨끗하고 테스트된 Python 코드를 작성하세요. 설계 결정을 설명하세요.""",
llm_config={"model": "gpt-4o", "temperature": 0.2},
)
# 사용자 프록시 (자동 승인 또는 사람 입력 필요)
user_proxy = UserProxyAgent(
name="User",
human_input_mode="NEVER", # NEVER / ALWAYS / TERMINATE
max_consecutive_auto_reply=10,
is_termination_msg=lambda msg: "TERMINATE" in msg.get("content", ""),
code_execution_config={
"work_dir": "workspace",
"use_docker": True, # Docker에서 안전한 코드 실행
},
)
# 대화 시작 — 작업이 완료될 때까지 에이전트 대화
result = user_proxy.initiate_chat(
assistant,
message="JWT를 사용한 사용자 인증이 포함된 FastAPI 앱을 만드세요. 테스트를 포함하세요.",
)
# 엔지니어가 코드 작성 → 사용자 프록시 실행 → 엔지니어가 출력 검토 → 반복
그룹 채팅 (다중 에이전트)
from autogen import GroupChat, GroupChatManager
# 전문 에이전트들
architect = ConversableAgent(
name="Architect",
system_message="시스템 아키텍처를 설계합니다. 확장성, 신뢰성, 깔끔한 인터페이스에 집중하세요.",
llm_config={"model": "gpt-4o"},
)
developer = ConversableAgent(
name="Developer",
system_message="아키텍트의 설계를 기반으로 기능을 구현합니다. 프로덕션 품질의 코드를 작성하세요.",
llm_config={"model": "gpt-4o"},
)
reviewer = ConversableAgent(
name="Reviewer",
system_message="버그, 보안 문제, 모범 사례에 대해 코드를 검토합니다. 철저하지만 건설적으로 하세요.",
llm_config={"model": "gpt-4o"},
)
tester = ConversableAgent(
name="Tester",
system_message="포괄적인 테스트를 작성합니다. 엣지 케이스와 통합 시나리오를 다루세요.",
llm_config={"model": "gpt-4o"},
)
# 라운드 로빈 또는 AI 선택 발언자를 사용한 그룹 채팅
group_chat = GroupChat(
agents=[user_proxy, architect, developer, reviewer, tester],
messages=[],
max_round=20,
speaker_selection_method="auto", # LLM이 컨텍스트에 따라 다음 발언자 선택
)
manager = GroupChatManager(groupchat=group_chat, llm_config={"model": "gpt-4o"})
user_proxy.initiate_chat(
manager,
message="WebSocket 지원, Redis pub/sub, 속도 제한이 있는 실시간 알림 서비스를 구축하세요.",
)
# 아키텍트 설계 → 개발자 구현 → 리뷰어 이슈 발견 → 수정 → 테스터가 테스트 추가
도구 사용
from autogen import register_function
def search_codebase(query: str, file_pattern: str = "*.py") -> str:
"""특정 패턴에 대해 코드베이스를 검색합니다.
Args:
query: 검색 쿼리 (정규식 지원)
file_pattern: 검색할 파일 글로브 패턴
"""
import subprocess
result = subprocess.run(["grep", "-rn", query, "--include", file_pattern, "."],
capture_output=True, text=True)
return result.stdout[:2000]
def run_tests(test_path: str = "tests/") -> str:
"""지정된 테스트 디렉토리에서 pytest를 실행합니다.
Args:
test_path: 테스트 파일 또는 디렉토리 경로
"""
import subprocess
result = subprocess.run(["python", "-m", "pytest", test_path, "-v", "--tb=short"],
capture_output=True, text=True)
return f"STDOUT:\n{result.stdout}\nSTDERR:\n{result.stderr}"
# 특정 에이전트에 도구 등록
register_function(search_codebase, caller=developer, executor=user_proxy,
description="코드베이스에서 코드 패턴 검색")
register_function(run_tests, caller=tester, executor=user_proxy,
description="테스트를 실행하여 코드 정확성 확인")
설치
pip install ag2 # Or: pip install pyautogen
모범 사례
- 명확한 시스템 메시지 — 각 에이전트의 역할을 정확하게 정의하세요. 모호한 지시는 집중되지 않은 대화로 이어집니다.
- 발언자 선택 — 그룹 채팅에서는
auto를 사용하여 LLM이 발언자를 선택하게 하고, 예측 가능한 흐름이 필요하면round_robin을 사용하세요. - 종료 조건 —
is_termination_msg와max_consecutive_auto_reply를 설정하여 무한 루프를 방지하세요. - 코드 실행을 위한 Docker — 안전한 코드 실행을 위해
use_docker: True를 활성화하세요. 에이전트가 신뢰할 수 없는 코드를 실행할 수 있습니다. - 사람 개입 — 중요한 액션에 승인이 필요하면
TERMINATE모드를, 완전 자동화에는NEVER를 사용하세요. - 도구 등록 — 특정 caller/executor 쌍으로 도구를 등록하세요. 모든 에이전트가 모든 도구를 필요로 하지는 않습니다.
- 중첩 채팅 — 하위 작업에 중첩 대화를 사용하세요. 에이전트가 측면 대화를 생성하고 결과를 반환할 수 있습니다.
- 비용 제어 —
max_round와max_consecutive_auto_reply를 설정하고, 그룹 채팅에서 토큰 사용량을 모니터링하세요.