LLM과 에이전트¶
패널의 AI 튜터는 레이싱 CNN과는 다른 종입니다: 대형 언어 모델(LLM)을 에이전트로 감싼 것.
LLM이란¶
방대한 텍스트로 "다음 토큰 예측"을 훈련한 신경망입니다. 이 단순한 능력이 규모를 만나면 놀라운 것이 됩니다: 언어로 조종할 수 있게 됩니다. instructions는 코드가 아니라, 모델이 일관되게 이어 쓰는 텍스트입니다.
- 과제별 훈련이 필요 없습니다: 과제를 설명하면 행동이 나옵니다.
- 뒷면도 있습니다: 그럴듯한 텍스트를 예측할 뿐이라, 자신 있게 틀릴 수 있습니다. 그래서 에이전트는 추측 대신 세계를 확인해야 합니다.
LLM에서 에이전트로¶
LLM 혼자서는 말만 합니다. 에이전트 = LLM + 툴 + 루프:
- 모델이 내 요청과 툴 목록(이름·설명·파라미터)을 받습니다.
- 텍스트로 답하거나 — 툴콜로 답합니다.
- 플랫폼이 호출을 실행하고(카메라 읽기, 주행, 파일 수정) 결과를 되돌려줍니다.
- 과제가 끝날 때까지 반복하고, 보고합니다.
이 루프를 에이전트 코스에서 이미 실시간으로 봤습니다 — 모든 호출이 채팅에 찍힙니다.
instructions와 tools가 레버인 이유¶
- Instructions는 정체성·규칙·지식을 정합니다 — 모든 예측의 방향을 바꿉니다. 두루뭉술한 규칙은 구체적 요청에 지고, 구체적 규칙이 이깁니다 (실습).
- Tools는 행동 공간을 정합니다 — 툴이 없는 일은 못 하고, 준 툴은 반드시 써보려 합니다 (실습).
호출 한 번의 상세 동작 → LLM 에이전트 자세히
