- 먼저 검색을 해서 검색을 기반으로 답변을 하는 것
사용자 쿼리가 들어오면 논리식 베이스에서 검색 후 답변을 할 수 있도록
- 사용자 의도를 파악해서 쿼리를 던짐
문서를 담아두는 그래프로 논문 안에 여러개의 청크로 나눔. 도큐먼트 안의 청크를 하위 노드로 설정하고 상위 노드와 관계를 설정한다.
청크 안에서 엔티티를 만들어서 포함할 수 있음. 여러 청크에 걸쳐서 포함이 될 수 있고, 엔티티 간의 관계도 가질 수 있음.
벡터 기반에 그래프 정보를 추가한 그래프 강화 벡터 검색기를 사용할 수 있다. 사용자의 질문과 비슷한 청크를 벡터 기반으로 검색한다. 초기 노드 집합을 검색 후 그래프 순회 로직을 통합하는 방식이다. 각 청크 안에 연결되어 있는 엔티티 정보를 확인하고 관계를 찾는 단계가 추가됨.
문서 청크에 엔티티와 커뮤니티까지 추가할 수 있음. 각각의 커뮤니티 노드들은 청크와 텍스트 요약을 가지고 있고, 얼마나의 청크를 가지고 있는 지에 대한 정보를 가질 수 있다.
검색기의 종류
1) 로컬 검색기
공원나연 엔티티와 주변에 있는 -연결되어 있는- 4가지 노드를 함께 검색. 또는 커뮤니티를 검색. 계층과 주제를 알 수 있음. 또는 간접적인 외부 노드와의 관계를 확인. 마지막으로 직접적인 내부 노드와의 관계를 검색. 이 네가지를 모두 취합해서 풍부한 맥락을 가지고 답변함.
2) 글로벌 검색기
전체 검색에 대한 요약이 필요할 때 쓸 수 있음. 그래프의 커뮤니티 정보를 추출하고 LLM이 답변하도록 함.
AI Agent란?
ReAct : 추론+행동
1. sort
2. action
3. observation 단계를 반복하면서 진행
웹 검색 에이전트 : 사용자 질문을 받았을 때, 이 질문에 대한 해결 방법을 생각함. 만약 웹 검색이 필요할 것 같다고 생각하면 도구 호출을 진행함(웹 검색 도구). 실제 웹 검색 결과를 받아와서 확인하고 다시 생각함. 사용자의 질문에 답을 할 수 있을 지에 대해서. 답변을 할 수 있을 때까지 진행.
자신이 어떤 도구를 사용할 것인지 알고 있는 에이전트. text2cypher라는 기술로 동적으로 결정을 내리며 동작
에이전틱 RAG 아키텍처
사용자 질문 -> 질문이 디비 검색이 필요한지 안한지 판단. -> 디비 검색이 필요없으면 답. -> 필요하면 cypher 쿼리를 생성후 실행. 쿼리 실행 중 오류가 있으면 쿼리를 수정하고 정상적으로 될 때까지 반복. 관련성/해결성 평가 노드를 추가하여 오류 발생 여부 + 검색된 컨텍스트가 질문을 해결되는지를 다시 확인. 질문과의 관련성을 평가. 성능을 높이기 위해서 LLM이 기여를 하고 LLM의 판단과 결정에 의해 RAG가 동작함
Multi Agent Supervisor
중앙 관리자 에이전트가 전문 에이전트들을 조종.
GraphRAG를 구현하기 위한 Neo4j MCP Server
MCP를 사용하면 에이전트 도구를 mcp 규약으로 되어 있으면 바로 연동해서 사용 가능함. Neo4j : 그래프 래그 서버.
'스터디 > 세미나 특강' 카테고리의 다른 글
[Season of Agent] 2025 마이크로소프트 빌드 애프터 파티 (3) | 2025.06.16 |
---|---|
[일할맛 5월]MCP + A2A를활용한Multi Agent System (feat. LangGraph) (0) | 2025.06.04 |
[2025/4/24 패스트캠퍼스 -일할맛 in 판교 4월 DevOps 세미나] (0) | 2025.04.24 |