에이전시 인공 지능 아키텍처에 대한 종합적 조사: 추론, 계획 및 실제 응용

에이전시 인공 지능(AI)은 근본적인 패러다임 변화를 나타냅니다: 수동적인 언어 모델에서 다단계 추론, 적응적 계획, 동적 도구 사용 및 지속적인 목표 지향 행동이 가능한 자율 시스템으로의 전환입니다. 본 조사는 에이전시 AI의 이론적 기초, 아키텍처 패턴, 추론 전략 및 실제 배치를 체계적으로 검토합니다. 최신 문헌을 바탕으로 현대 에이전시 프레임워크의 핵심 구성 요소인 지각, 추론 엔진, 기억 계층, 계획 모듈 및 도구 인터페이스를 살펴봅니다. 여기에는 대형 언어 모델(LLM) 기반 에이전트, 다중 에이전트 시스템, 체현된 에이전트, 하이브리드 상징-신경 접근법도 포함됩니다. Chain-of-Thought(CoT), Tree-of-Thought(ToT), ReAct, Reflexion, Monte Carlo Tree Search(MCTS) 보강 계획 등의 고급 추론 패러다임을 분석하고, 정렬, 안전성, 확장성 등의 새로운 도전 과제를 다룹니다. 소프트웨어 공학, 과학적 발견, 의료, 로봇 공학, 기업 자동화 및 교육 등 다양한 실제 응용 사례를 조사하고 주요 미해결 문제를 제시합니다. 본 조사는 에이전시 AI 시스템의 설계, 평가 및 배치에 관여하는 연구자와 실무자를 위한 참조 아키텍처로서 의도되었습니다.