본문으로 건너뛰기

주체적 의존 구조: 기존 기업 어플리케이션 통합 및 서비스를 위한 새로운 방법론

AI 자동 생성

기업의 운영은 여러 가지 다른 종류의 비즈니스 시스템과 정보 응용 프로그램에 의존하는데, 이로 인해 심각한 데이터 격리와 프로세스 분할이 발생한다. 기업은 이러한 응용 프로그램을 구축하기 위해 재정적이고 물리적 자원을 크게 투자했지만, 그들을 효과적으로 활용하고 조율하는 것은 여전히 어려운 과제이다. 기업 응용 프로그램 통합에 대한 전통적인 접근 방식은 Enterprise Service Bus (ESB)와 같은 중간 소프트웨어 아키텍처, API 게이트웨이 인프라스트럭처, 그리고 Robotic Process Automation (RPA)과 같은 기존의 한계점을 지니고 있다. 이러한 한계점은 높은 아키텍처 결합, 운영 및 유지 보수 비용의 상승, 그리고 지능력의 한계점을 포함한다. 이 논문은 기존의 기업 응용 프로그램을 자율적 인 인공지능 agent로 encapsulating 한 계층적 구조에 있는 multi-agent 협력 framework, Agentic Nesting을 제안한다. 기존의 응용 프로그램을 encapsulating 한 digital agent proxy를 추출하여 자연어 상호 작용과 자율적인 조작을 허용하고, 중앙의 orchestrator를 통해 여러 agent를 조율하여 작업 분할과 동적 dispatching을 수행하고, 다양한 응용 프로그램에 대한 쿼리와 프로세스 조율을 위한 통합 대화 인터페이스를 제공한다. 이 논문의 주요 CONTRIBUTION은 "Application-as-Agent" 통합 패러다임과 "Conversation-as-Integration" 상호 작용 철학을 제안하는 것이며, 이 방법론의 일반화 가능성의 잠재력을 탐색하는 것이다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

에이전트 17시간 전

Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.

AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는

에이전트 2일 전

강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정

역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.