다중 에이전트 시스템: 고전적 패러다임에서 LFM이 실현하는 미래로

Wang Zixiang 등이 작성한 arXiv 서베이 논문이 IEEE/CAA 자동화 학보에 게재 수락되었으며, 다중 에이전트 시스템(MAS)에 관한 고전적 문헌과 대형 기반 모델(LFM)에 의존하는 현대적 접근 방식을 체계적으로 연결합니다. 2026년 4월 20일 공개된 이 논문은 패러다임 전환을 공식적으로 기록한 최초의 시도 중 하나입니다.

고전적 MAS 프레임워크는 무엇을 제공합니까?

전통적인 MAS 시스템은 네 가지 핵심 차원, 즉 지각, 통신, 의사 결정, 제어로 에이전트를 조직합니다. 이 차원들은 에이전트가 상태를 교환하고 역할을 협상하며 작업을 실행하는 폐루프 조율 프레임워크를 형성합니다.

고전적 접근 방식은 제어 이론적 토대에 의존합니다. 수학적으로 증명 가능한 프로토콜, 고정 통신 체계, 명시적으로 모델링된 상태입니다. 구체적인 예로는 드론 군집을 위한 합의 알고리즘, 작업 분배를 위한 경매 프로토콜, 확률적 환경에서의 마르코프 의사 결정이 있습니다.

이 접근 방식의 강점은 증명 가능성에 있습니다. 수렴성, 안정성, 최적성을 수학적으로 보장할 수 있습니다. 약점은 경직성에 있으며, 새로운 작업마다 새로운 모델링이 필요합니다.

LFM은 어떻게 상황을 바꿉니까?

저자들에 따르면, LFM은 에이전트가 「저수준 상태 교환에서 의미론적 추론으로 협력을 끌어올릴」 수 있게 합니다. 수치 벡터를 주고받는 대신, 에이전트들은 자연어로 상호 통신하고 맥락을 공유하며 계획에 대해 공동 추론합니다.

이를 통해 적응적 조율 전략이 가능해집니다. 에이전트는 임시로 프로토콜을 즉흥적으로 만들고, 사전 정의된 스키마 없이 역할을 협상하며, 협력 시 기반 모델의 모든 지식을 활용할 수 있습니다. 논문은 이 전환이 인간 커뮤니케이션에서 어셈블리 언어에서 자연어로의 전환과 유사하다고 설명합니다.

서베이는 아키텍처, 운영 메커니즘, 적응 가능성의 잠재력, 실제 응용 시나리오 측면에서 고전적 접근 방식과 LFM 접근 방식을 비교합니다.

어떤 연구 방향이 남아 있습니까?

저자들은 이 분야의 미래를 위한 몇 가지 핵심 과제를 파악합니다. 첫 번째는 검증과 신뢰성입니다. LFM 기반 에이전트는 고전적 프로토콜의 형식적 보장을 잃어 정체되거나 유해한 결과를 초래하지 않음을 증명하기 어렵습니다. 두 번째는 통신의 확장성입니다. 수백 개의 에이전트 간에 실시간으로 자연어를 교환하는 비용이 높습니다.

세 번째 과제는 창발적 행동입니다. 조율은 명시적으로 프로그래밍되지 않은 예상치 못한 현상을 만들어낼 수 있습니다. 서베이는 이를 기회(적응성)이자 위험(예측 불가능성)으로 다룹니다. 자율 차량 군집이나 분산 AI 보조 시스템 같은 실제 응용에서는 LFM의 의미론적 추론과 고전적 프로토콜의 형식적 보장을 결합한 접근 방식이 필요합니다.

이 논문은 AutoGen, CrewAI, LangGraph 등 LLM 에이전트 프레임워크 작업자 모두에게 유용한 참조 가이드입니다. 이러한 프레임워크의 아이디어를 선행하는 수십 년간의 MAS 연구 맥락에 위치시키기 때문입니다.