LangChain CEO가 제안하는 에이전트 설계 핵심: '복합 학습 머신'

요약

LangChain의 공동 창업자인 Harrison Chase는 Jeff의 글에 대한 견해를 밝히며, 에이전트 구축 시 '복합 학습 머신(compound learning machine)'을 설계하는 것이 중요하다고 강조했습니다. 그는 에이전트가 배포 후에도 지속적으로 학습해야 하며, 이를 위해 '추적(traces)'을 통한 데이터 확인과 피드백 반영이 핵심이라고 설명했습니다. 또한 기업은 범용적인 모델(intelligence)은 임대하되, 사내 고유의 지식(tacit and institutional knowledge)은 직접 소유해야 한다고 주장했습니다. 인프라는 범용적인 것을 구매하고 그 위에 특정 기능을 구축해야 하며, 이를 위해 LangChain은 관측 가능성(observability), 배포, 샌드박스 등 최하위 인프라에 집중하고 있습니다. 마지막으로 AI 에이전트의 성능 개선을 위해서는 정교한 평가 기준(rubrics) 마련과 실시간 운영 데이터의 저장 및 학습이 필수적이라고 덧붙였습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.