멀티 에이전트 시스템 소개

Hugging Face smolagents로 AI 에이전트 만들기

Adel Nehme

VP of AI Curriculum, DataCamp

시나리오: 커리어 상담 에이전트

요청에는 여러 작업이 포함됩니다:

이력서 업데이트
채용 공고 탐색
면접 준비
연봉 조사

각 작업에는 다른 도구와 워크플로가 필요합니다!

왜 멀티 에이전트 시스템인가?

전문 에이전트 팀을 사용합니다
각 에이전트는 한 작업/도메인에 집중합니다
과부하와 혼선을 방지합니다

전문 이력서 에이전트

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

기업 조사 전문가

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

같은 패턴으로 추가 전문 에이전트를 만듭니다.

매니저 에이전트

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

설명에 따라 적절한 전문가에게 작업을 위임합니다.
managed_agents 매개변수로 네 명의 전문 에이전트를 조율합니다.
강한 추론·조정 능력을 가진 모델을 활용합니다.

멀티 에이전트 오케스트레이션

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

연습해 봅시다!

Hugging Face smolagents로 AI 에이전트 만들기