ODW #2: ADK로 싱글/멀티 에이전트를 개발해 사내 시스템과 통합
Summary
나만 쓰기 아까운 AI 에이전트, 팀 전체의 생산성 치트키로 만드는 법
ADK와 MCP를 활용해 흩어진 사내 정보를 통합하고 복잡한 워크플로를 자동화하는 멀티 에이전트 전략
LY Corporation에서 진행한 대규모 AI 워크숍 사례를 통해, 단순한 챗봇을 넘어 실무 시스템과 긴밀하게 결합된 AI 에이전트 구축 노하우를 공유합니다. 싱글 에이전트의 한계를 극복하는 멀티 에이전트 설계법부터 Jira/Confluence 연동을 위한 MCP 프로토콜 활용까지, AI 기술의 조직적 확산 과정을 시니어 엔지니어의 관점에서 상세히 다룹니다.
- 01ADK를 활용한 Python 기반의 유연한 에이전트 도구 정의 및 신속한 배포 프로세스
- 02MCP(Model Context Protocol) 표준을 통한 Jira, Confluence 등 사내 시스템의 능동적 정보 탐색 구현
- 03정보 수집부터 리포트 생성, 번역까지 이어지는 '순차적 멀티 에이전트' 아키텍처의 실무 적용
- 04개인 단위의 AI 활용을 팀과 조직 차원의 자산으로 전환하는 상향식(Bottom-up) 지식 공유 전략
- 052,000명 규모의 실전 워크숍 데이터로 증명된 AI 에이전트 도입의 정성적 성과
RECOMMENDATION
사내 데이터 파편화로 고통받는 팀이나, 단순 LLM 호출을 넘어 정교한 워크플로 자동화를 꿈꾸는 플랫폼 엔지니어 및 테크 리드에게 이 아키텍처를 추천합니다.
The Problem
사내 정보가 Jira와 Confluence 등 여러 시스템에 분산되어 검색 및 활용이 어렵고, 개인별 AI 도구 활용 능력의 차이로 인해 지식 사일로화와 중복 작업이 발생하는 문제가 있었습니다. 또한 복잡한 업무 프로세스를 처리하기에는 싱글 에이전트만으로 한계가 있음을 확인했습니다.
The Solution
오픈소스 프레임워크인 ADK(Agent Development Kit)를 도입하여 싱글 및 멀티 에이전트를 구축하고, MCP(Model Context Protocol)를 통해 사내 시스템과 데이터를 표준화된 방식으로 연동했습니다. 특히 순차적 에이전트(Sequential Agent) 구조를 활용해 정보 수집부터 분석, 번역까지 이어지는 자동화 워크플로를 구현했습니다.
The Result
약 2,000명의 사내 직원이 워크숍에 참여하여 AI 에이전트의 가능성을 체험했으며, 설문 결과 참여자의 68.2%가 가까운 시일 내에 실무 적용 의사를 밝히는 등 조직 전반의 AI 활용 문화를 확산시켰습니다.
Trade-off
멀티 에이전트 시스템은 복잡한 작업 수행이 가능하지만 토큰 소모량이 증가하고 개발 난이도가 높아지는 단점이 있으며, 너무 많은 도구를 부여할 경우 프롬프트 비대화로 인해 응답 속도와 정확도가 저하될 위험이 있습니다.
Key Concepts
More from 라인
View all posts from 라인
초당 100만 건, LINE 앱에 Apache Kafka 종단 간 암호화 적용기
KafkaCryptographyAES-GCM5일 전
AI로 웹 엔지니어 없이 LINE 앱 안에서 그룹 영상 통화 서비스 만들기
LIFFWebRTCLINE Planet SDK1주 전
임베딩 안정화로 검색 리랭킹의 콜드 스타트 문제를 해결하다: LINE Part Time Jobs 적용 사례
Embedding StabilizationCold Start ProblemTwo-Tower Model2주 전
프롬프팅에서 워크플로로, AI로 프런트엔드 개발 생산성 끌어올리기
LLMMCPAI Agent2주 전
AI 에이전트끼리 토론한다면? 멀티 에이전트 협업으로 재설계하는 개발 프로세스
AI AgentLLM OrchestrationSoftware Development Lifecycle2주 전
