NewsAgent | 뉴스레터 생성을 위한 Multi-Agent 설계

🗨️ 들어가며

지난 포스팅에서는 사회초년생을 위한 뉴스레터 생성 프로젝트를 소개드렸습니다.

이번 글에서는 뉴스레터 생성에 필요한 'Agent 설계 과정'을 더욱 구체적으로 정리해 보려 합니다.

 

여러분도 경험해 보셨겠지만, 뉴스를 읽다 보면 종종 배경지식이 부족해 맥락을 이해하기 어렵고, 결국 추가 검색을 하느라 시간을 허비하게 됩니다. 이런 불편함을 해소하기 위해 시작한 이번 프로젝트는 뉴스에서 다루고 있는 주제의 역사적 배경부터 앞으로의 영향력까지 모든 것을 체계적으로 정리해 주는 원스톱 뉴스레터 서비스를 목표로 합니다. 이 과정에서 단순 뉴스 요약을 넘어, 깊이 있는 정보를 다루기 위해 Multi-Agent 방식으로 한 편의 뉴스레터를 생성하기로 하였습니다.

 

 

🗨️ Multi-Agent 시스템 도입의 필요성

Multi-Agent 시스템이란?

Multi-Agent 시스템은 여러 독립적인 에이전트(Agent)들이 각자 고유한 역할을 수행하면서 하나의 복잡한 목표를 달성하기 위해 유기적으로 협력하는 구조입니다. 여기서 '에이전트'란 특정 작업이나 임무를 독립적으로 수행할 수 있는 소프트웨어 모듈이나 인공지능(AI)을 의미합니다.

이 시스템의 핵심은 각 Agent가 자신의 전문 영역에서 독립적으로 의사결정과 행동을 수행하면서도, 전체 시스템의 목표를 위해 다른 Agent와 정보를 교환하고 협력한다는 점입니다. 마치 잘 조직된 팀원들이 각자의 전문성을 발휘하면서 하나의 프로젝트를 완성해나가는 과정과 유사하죠.

 

왜 Single-Agent이 아닌 Multi-Agent 방식을 선택했나요?

Single-Agent만으론 복잡한 뉴스레터를 생성하는 것에는 분명한 한계가 있습니다.

뉴스레터를 생성하기 위해선 아래와 같이 복잡한 요구사항이 있습니다.

• 어려운 개념 설명
• 주제와 관련된 과거 맥락과 배경지식 설명
• 관련된 뉴스 추가 수집
• 뉴스레터의 흐름과 톤앤매너 통일

하지만 단일 LLM에게 이 모든 것을 한 번에 요청하면, 깊이 있는 분석보다는 일반적인 정보만 제공되는 경우가 많았습니다. 또한 콘텐츠가 너무 길어지면 LLM의 특성상 중간에 집중력이 흐트러지는 현상도 발견했죠. 그래서 각 Agent가 특정 역할에 집중하고, 그 결과물을 다른 Agent와 협력적으로 공유하는 Multi-Agent 시스템을 구축하기로 결정했습니다. 이 접근 방식은 다음과 같은 이점을 제공합니다:

• 전문성 강화: 각 Agent는 자신의 특화된 임무에만 집중
• 역할 분담: 복잡한 작업을 관리 가능한 단위로 분할
• 확장성: 필요에 따라 새로운 Agent 추가 가능

 

🗨️ 뉴스레터 생성을 위한 Multi-Agent 구조

뉴스레터 생성을 위한 multi-agent 시스템은 우선 다섯 개의 핵심 Agent로 구성되어 있으며, 각각은 뉴스레터 생성 과정의 특정 단계를 담당합니다. 기술적인 관점의 Agent 설계와 더불어, 해당 서비스를 사용하게 될 독자들의 사용자 경험을 개선하기 위한 노력을 많이 담은 만큼, 사용자 경험 관점에서도 함께 공유드리겠습니다. 아래는 전체 시스템의 구조 도입니다.

 

 

1. 스크래퍼 Agent : 뉴스 원본 수집

• 사용자가 입력한 뉴스 URL에서, 뉴스 콘텐츠를 추출하고 정제합니다.
• 이는 "링크만 입력하세요"라는 직관적인 메시지로 사용자에게 전달될 수 있어 UX관점에서 편리함을 제공해 줍니다.

 

2. 타이틀 및 서론 Agent : 첫인상을 결정하는 중요 요소

• 원본 뉴스를 분석하여 매력적인 제목과 흥미로운 서론을 생성합니다.
• 뉴스레터가 첫 줄부터 어려운 내용으로 시작하면 독자들은 끝까지 읽기를 포기할 가능성이 큽니다. 흥미로운 제목과 독자의 뇌를 예열시켜 줄 서론을 제공한다면, 뉴스에 대한 관심도를 높일 수 있을 것이란 가설을 세웠습니다.
• 또한, 전체 콘텐츠를 생성하는 데 시간이 꽤 오래 걸리기 때문에, 제목과 서론을 먼저 보여줌으로써 사용자의 기다림을 덜 지루하게 만들고 관심을 계속 유지하도록 했어요.

 

3. 소제목 Agent: 뉴스레터의 뼈대를 구성하는 핵심

• 뉴스의 핵심 내용을 파악하고 이에 맞는 체계적인 소제목들을 생성합니다.
• 이 과정에서 Perplexity AI를 활용해 관련된 과거 뉴스, 전문가 의견, 통계 데이터 등을 웹 상에서 수집하여 보다 다채로운 정보를 기반으로 콘텐츠 구조를 만듭니다.
• 소제목 생성 없이 뉴스레터의 본문을 바로 작성하도록 요구하면 글의 흐름과 맥락을 컨트롤하기가 어렵습니다. 최악의 경우, 원본 뉴스를 단순히 요약만 하는 수준에 머무를 수도 있죠. 소제목의 흐름을 사전에 지정해 주면 더욱 의도한 바대로 뉴스레터가 생성될 수 있습니다.

 

4. 뉴스레터 Agent: 뉴스레터의 정확성과 가독성을 책임지는 핵심

• 각 소제목 대한 상세한 콘텐츠를 생성하여 뉴스레터의 본문을 완성시킵니다. 이 과정에서 앞서 Perplexity가 수집해 온 자료들을 반영하여 신뢰성과 다양성이 있는 정보를 활용할 수 있도록 합니다.

 

 

 

5. QnA Agent : 한 걸음 더 나아가는 서비스가 되기 위해서

• 생성된 뉴스레터를 분석하여 사회초년생이 가질 법한 추가 질문을 예측하고, 그에 대한 답변을 제공합니다.
• 이 Agent는 단순히 뉴스를 전달하는 것에서 한 걸음 더 나아가, 사용자가 가질 수 있는 궁금증을 미리 해소함으로써 뉴스에 대한 완전한 이해를 돕습니다. 또한 사용자 스스로 생각하지 못했을 질문을 제시함으로써 새로운 관점을 제공합니다.

 

 

🗨️ 개선점 : 진정한 Multi-Agent가 되려면

현재 구현된 시스템은 각 Agent들이 사전에 정의된 순서대로 실행되고, 그 결과를 주고받는 구조입니다. 이러한 구조는 단방향이라는 한계점이 있습니다. 가령 예를 들어보면,

소제목 생성 Agent가 만든 구조가 콘텐츠 생성 Agent에게 전달된 이후, 콘텐츠 생성 과정에서 소제목의 구조가 적합하지 않다고 판단되더라도 다시 소제목 단계로 돌아가 수정하기가 어렵습니다. 또한, QnA Agent가 도출한 질문이 본문의 흐름과 일부 어긋난다 해도, 이미 생성된 본문 콘텐츠를 재조정하는 것은 현재 구조상 쉽지 않습니다. 결국 각 Agent가 독립적으로 실행은 되지만, 상호작용이 단방향으로만 이루어져 전체 시스템의 유기적 협력이 부족한 상황입니다.

 

진정한 의미의 Multi-Agent 시스템이 되기 위해서는 Agent 간의 상호 피드백 구조가 강화되어야 합니다. 각 Agent가 결과물을 제공한 뒤에라도 다음 단계의 Agent에게 받은 피드백을 기반으로 이전 작업을 재검토하거나 재조정할 수 있는 '양방향 협력 구조'가 필수적입니다. 이러한 양방향 소통을 위해서 agent들을 연결하는 다양한 아키텍처들이 존재합니다.

 

향후에는 이러한 피드백 루프가 포함된 진정한 Multi-Agent 시스템으로 발전시켜, 뉴스레터 서비스의 완성도를 높이고 사용자에게 더 큰 가치를 제공할 수 있도록 할 예정입니다.

 

 

🗨️ 결론: Multi-Agent 시스템의 가능성

NewsAgent 프로젝트를 통해 Multi-Agent 시스템이 복잡한 콘텐츠 생성 작업에 얼마나 효과적인지 확인할 수 있었습니다. 단일 LLM으로는 달성하기 어려운 뉴스 이해의 깊이와 범위를 여러 Agent의 협업을 통해 구현했으며, 이는 사회초년생들이 경제 뉴스를 더 쉽고 깊이 있게 이해하는 데 큰 도움이 될 것입니다.

현재 구현된 시스템은 시작에 불과합니다. Agent들 간의 보다 동적이고 자율적인 협업, 지속적인 학습과 개선, 그리고 사용자 맞춤형 콘텐츠 생성으로 발전해 나갈 계획입니다. 이를 통해 NewsAgent는 단순한 뉴스 요약 서비스를 넘어, 사용자의 경제 문해력을 위한 지식과 학습에 메이트가 될 수 있기를 목표로 합니다!