이 백서 소개

엔터프라이즈 에이전트 아키텍처 및 디자인 패턴은 멀티 에이전트 아키텍처의 가능성을 구조화하여 AI 에이전트에 새로운 기능을 결합하여 신뢰할 수 있고 반복 가능하며 확장 가능하며 관리 가능한 에이전트 솔루션을 제공하는 방법을 파악하고 강조합니다. 개체 지향 프로그래밍에 대한 “설계 패턴”에서 영감을 얻은 패턴을 결합하고 확장하여 에이전트 기술 이전에 기존 결정적 기술을 기반으로 구축된 비즈니스 시스템 범위를 벗어난 많은 흥미로운 문제를 해결할 수 있습니다.

다중 에이전트 아키텍처의 근거에 대한 논의 후 자연어 처리를 활용하여 사용자 의도를 결정하는 간단한 패턴에서 에이전트 간의 우려 사항을 분리하는 다중 에이전트 패턴, 시스템, 정보, 콘텐츠와의 프레젠테이션 및 상호 작용에 에이전트의 근거를 가져오는 UX 에이전트 패턴에 이르기까지 다양한 에이전트 패턴이 소개됩니다.

먼저 에이전트를 구성 요소로 생각하고, 에이전트를 작성자로, 에이전트를 작업자로, 에이전트를 공동 작업자로 생각하며, 특히 더 큰 아키텍처 내에서 의도적으로 행동하고 개별 관심 범위 내에서 행동하는 에이전트를 새로운 방식으로 생각합니다.

사용자 여정을 아우르고, 이전에는 불가능했던 중요한 에이전틱 경험을 제공하는 풍부한 에이전틱 솔루션을 구상하는 데 필요한 포인터를 얻게 됩니다.

이 문서의 초기 섹션은 muti-agent 아키텍처에 대한 근거를 제공합니다. 다중 에이전트 아키텍처가 제공하는 문제 및 기회를 더 잘 이해하려면 다음을 읽으십시오.

다음은 상호 작용을 지원하는 패턴, 전문 에이전트의 패턴, 백그라운드 작업의 패턴, 장기 실행 패턴을 포함하는 간단에서 복잡한 간단한 에이전트 패턴에 대한 정의 및 설명입니다. 각 패턴에는 패턴을 실현하는 주요 구성 요소의 다이어그램과 사용량 및 대표적인 사용 사례에 대한 권장 사항이 포함되어 있습니다.

마지막으로 부록에 이러한 패턴이 고객 서비스 또는 중개 판매를 지원하는 등 더 큰 에이전트 환경을 지원하는 포괄적인 에이전트 솔루션으로 결합되는 방법에 대한 예가 포함되어 있습니다. 이 섹션을 참조하여 풍부한 에이전트 환경이 에이전트 및 작업 수준에서 우려 사항의 세분화 및 분리 기능을 활용하여 보조 및 자율 모드에서 내부 및 외부 구성원을 모두 지원하는 공유 에이전트를 통해 상호 작용 수준에서 재사용을 유도하는 방법을 알아보십시오.

엔터프라이즈 설계자가 생성형 AI를 에코시스템에 통합할 때 일반적인 설계 질문 집합을 해결해야 합니다.

• 필요한 에이전트는 몇 개입니까?
• 에이전트가 상호 운용하는 방식
• 에이전트와 사람 간의 업무 분담은 어떻게 됩니까?
• 이러한 구성 요소를 일관된 시스템으로 어떻게 구성합니까?

이 문서는 에이전트 솔루션 설계 및 구축을 위한 패턴 기반 방법론을 제공합니다.

모놀리틱 에이전트는 대부분의 에이전트 솔루션의 출발점입니다. 에이전트—특히 Agentforce agents—는 다양한 주제에서 능숙한 수행자입니다. 일반적인 사용 사례의 경우 단일 에이전트로 시작합니다.

조직이 성장함에 따라 다중 에이전트 아키텍처가 선호되는 접근 방식입니다. 다중 에이전트 아키텍처는 단일 에이전트 시스템에 비해 더 큰 규모, 제어 및 유연성을 제공합니다.

다중 에이전트 아키텍처는 다음의 주요 혜택을 제공합니다.

• 향상된 성능 및 복잡성 분해: 여러 전문 에이전트가 있는 시스템은 향상된 기능을 제공하고 지침 준수를 간소화합니다.
• 모듈화 및 확장성: 개별 에이전트를 더 쉽게 추가, 교체, 수정 및 테스트하여 민첩성을 촉진할 수 있습니다.
• 복원력 및 고장 내성: 단일 구성 요소가 실패해도 전체 시스템이 영향을 받지 않으므로 전반적인 복원력이 향상됩니다.
• 분산된 거버넌스: 문제 해결 및 관리를 특정 에이전트 및 해당 애플리케이션으로 분리하여 유지 관리 및 감독을 간소화할 수 있습니다.

다중 에이전트 아키텍처를 합리화하는 것은 에이전트의 기능 및 구조에 핵심 아키텍처 원칙을 투영하는 것부터 시작합니다. 그 결과로 나타나는 다중 에이전트 아키텍처는 AI 기술의 고유한 “결”에 부합하는 핵심 시스템 설계 및 시스템 아키텍처 원칙의 구현입니다.

이 아키텍처를 구동하는 핵심 원칙은 다음과 같습니다.

• 세분화를 통한 복잡성 관리
• 분리하여 복원 능력 향상 및 취약성 줄이기
• 코드를 재사용하여 신뢰성 및 효율성 향상
• 각 에이전트의 관심사 범위를 제한하여 에이전트 신뢰도 향상
• 모듈화 및 확장성을 통해 시스템 유지 관리 및 진화 개선
• 전문화를 통해 에이전트 관리 및 책임을 간소화합니다.

더 원시적인 에이전트 아키텍처(예를 들어, LLM을 핵심 아키텍처 구조로 사용하는 아키텍처)와 달리, Agentforce는 초기부터 멀티 에이전트 오케스트레이션을 위해 설계되었습니다. 다중 에이전트 오케스트레이션은 Atlas Reasoning 엔진과 에이전트 사유의 기반이 되어, 에이전트 응답 내에서 동적이고 효과적인 프로그래밍 경로를 만들어 사용자 경험(UX)에 광범위하고 심층적인 에이전트 증강을 제공하는 능력을 획기적으로 확장합니다.

Agentforce 내에서 이러한 키가 열려 있고 상호 운용 가능한 프로토콜 및 Salesforce 제품에 의해 이러한 유형의 조정이 활성화됩니다.

• Agentforce는 에이전트의 모든 주요 요소(주제, 지침, 작업, 가드레일, 컨텍스트, 호출, 출력, 실행 세부 사항, 로그 등)를 캡슐화하는 에이전트 하위 시스템을 제공합니다.
• 작업: 데이터 액세스, 호출 플로, 외부 시스템 호출 및 다른 에이전트 호출을 위한 후크를 제공합니다.
• Data 360: 데이터 가상화 계층을 제공하여 에이전트에게 특정하고 개별화된 컨텍스트를 제공합니다(Data 360의 통합 프로파일 및 키 체인을 활용하여 엔터프라이즈 전반에서 특정 정보를 가져옵니다).

엔터프라이즈 전반에 걸친 에이전트 또는 에이전트나 리소스에 접근하기 위해, 저희는 다음을 지원합니다.

• 모델 컨텍스트 프로토콜(MCP): 맥락의 정확성을 보장하기 위해 에이전트를 엔터프라이즈 도구, 데이터 및 지식에 연결하는 안전한 통신 계층입니다.
• 에이전트 간(A2A) 프로토콜: 시스템, 조직 및 공급업체 간의 안전하고 규제된 조정이 가능하도록 하는 에이전트 간 위임을 위한 표준화된 손잡이입니다.

이러한 원칙은 확장 가능하고 관리 가능한 오케스트레이션된 인텔리전스 시스템을 구축하는 기반을 제공합니다.

강력한 에이전트 솔루션은 효과적인 기술 전달을 기반으로 하는 비기능 요구 사항에 대한 명확한 접근 방식을 필요로 합니다.

• 보안 및 거버넌스(ID 및 액세스 관리, 데이터 프라이버시, 데이터 보안, 위협 모델링).
• 관찰 가능성 및 모니터링(배포 추적, 중앙 집중식 로깅, 메트릭, 대시보드)
• 운영 및 수명 주기 관리(사양, 테스트 사례 생성, 테스트, 사용자 의견, 연속 학습, 폐기)

이들은 이 백서에 포함되지 않은 엔터프라이즈 에이전트 솔루션 구축을 위한 주요 아키텍처 고려사항입니다. 그러나 향후 출판물에서 다룰 예정입니다.

엔터프라이즈 전체 에이전트 환경을 관리하려면 설계자가 기술 기능 및 비즈니스 영향의 두 가지 보완 렌즈를 통해 에이전트를 분류해야 합니다.

이 분류는 에이전트가 아키텍처 내에서 가정할 수 있는 기능적 역할을 범주화합니다.

• 채널/UX 역할: 상호 작용 방식을 정의합니다(예: 헤드리스, 프롬프트, 채팅 및 메시지, 또는 AI 관리 작업 공간).
• 전문가 역할: 깊은 도메인 지식을 캡슐화합니다(예: 도메인 전문가, 지식 미니언, 어시스턴트 또는 플래너).
• 유틸리티 서비스 역할: 개별적이고 트랜잭션성 작업(예: 생성, 요약, 변환 또는 구성)을 수행합니다.
• 유지 관리 및 사전 예방적 서비스 역할: 데이터 상태와 품질에 중점을 둡니다(예: 큐레이션, 정합성, 데이터 품질 또는 데이터 보강).
• 장기 실행 역할: 오랜 기간 동안 프로세스를 관리합니다(예: 컨시어지, 프로젝트 관리자, 양육자 또는 감시자/알림자).

명확한 설계와 소통을 촉진하기 위해 에이전트 지도는 에이전트 솔루션을 설명하는 표준 템플릿입니다. 특정 설계 패턴 내에서 주요 엔티티, 시스템, 상호 작용을 정의합니다.

다음은 에이전트 지도 템플릿 구성 요소입니다.

• 사용자 계층은 시스템의 인적 작업자를 정의합니다(예: 고객, 인증된 직원(SF-Users), 인증되지 않은 직원).
• 에이전트 계층은 필수 에이전트, 표시된 패턴, 서로의 관계, 특정 패턴을 실현하는 데 사용되는 지침을 설명합니다.
• 컨텍스트/작업은 에이전트가 관리하거나 액세스하는 리소스, 기능 또는 작업입니다.
• 소스는 에이전트가 연결하는 기본 데이터, 응용 프로그램, 지식 베이스 및 기타 시스템입니다.

부록 A와 B는 에이전트 맵 템플릿의 스윔레인(swimlane) 내에서 구성 방식을 보여줌으로써 시스템 수준의 에이전트 패턴을 설명합니다.

Salesforce에서는 에이전트 패턴 라이브러리를 사용하여 신뢰할 수 있고 예측 가능한 에이전트 솔루션을 구성하고 제공합니다. 이러한 패턴은 일반적인 아키텍처 문제를 해결하기 위한 청사진입니다.

이들은 네 가지 주요 범주로 분류됩니다.

• 상호 작용 패턴: 에이전트 참여 및 사용자 환경(UX)에 중점을 둡니다.
• 전문가/작업자 패턴: 특정 영역 내에서 깊은 지식이나 특정 기술을 캡슐화합니다.
• 유틸리티 및 데이터 관리 패턴: 다른 에이전트 또는 프로세스를 지원하는 특정한 반복 가능한 과업을 수행합니다.
• 장기 실행 패턴: 여러 단계를 포함하여 장기간 발생하는 프로세스 및 워크플로를 관리합니다.

다음 섹션은 각 범주의 주요 패턴을 자세히 설명합니다. 각 패턴 설명은 개요, 출력 유형, ** 패턴 사용 지침**, 전체적인 사용 사례 및 솔루션 다이어그램을 제공하며, Salesforce Agentic 성숙도 범주에 대한 매핑을 제공합니다.

_상호 작용 패턴_은 에이전트 참여 및 사용자 경험에 초점을 맞춘 기본 설계입니다.

• 개요: _그레터 패턴_은 사용자 의도를 결정하기 위해 자연어를 사용하는 간단하고 구현하기 쉬운 패턴입니다. 그런 다음, 사용자를 적절한 에이전트에게 라우팅합니다.

• 출력 유형: 다음 자원으로 핸드오프/에스컬레이션합니다.

• 비즈니스 가치: 서비스 공급자의 의도 해결 및 컨텍스트 수집을 극대화하면서 고객에게 원활하고 효율적인 첫 연락을 제공합니다.

• 패턴 사용 지침: 에이전트를 브랜드 채널의 기본 참여 자원으로 구성합니다. 사용자 의도를 기반으로 라우팅 지침과 연결된 브랜드, 제품, 서비스에 대한 지침을 제공합니다. 에이전트가 따뜻한 인계를 제공하기 위해 의도를 수집하고 요약합니다.

• 대표 사용 사례: 채팅 Bot을 사용하여 사용자가 모든 옵션을 클릭해야만 사람에게 라우팅되는 옵션 메뉴를 표시하는 웹 페이지를 가정해 보겠습니다. 백오피스 생산성과 효율성을 향상하기 위해 챗봇은 종종 복잡한 작업 경로와 상호작용을 사용합니다. 이로 인해 고객에게 ‘입력, 선택, 클릭’ 피로 시나리오가 발생하며, 사용 가능한 메뉴 옵션 외에 컨텍스트가 있을 경우 불만이 발생합니다. 전통적인 채팅봇을 자연어 상호 작용을 사용하는 _에이전트 프런트 도어_로 대체함으로써 부담을 완화하고 인간과 유사한 상호 작용을 제공합니다.

• Agentforce 레시피:

  • Agentforce 서비스 에이전트: Agentforce Builder로 서비스 에이전트 조립
    • 패키지된 서비스 에이전트에는 다양한 전송을 지원하는 구성 가능한 전송 기능이 있습니다.
      • 에이전트 대상
      • AI 에이전트
      • 외부 에이전트에게 전송
  • 코드 예제가 포함된 산업별 패턴을 제공합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 1(또는 전송 및 에스컬레이션이 내장된 기본 서비스 에이전트를 사용하는 경우 레벨 0)

• 개요: _Operator 패턴_은 요청을 적절한 전문 에이전트 또는 인간 및 협상 의도(필요한 경우)로 라우팅하여 _Greeter 패턴_을 기반으로 합니다.

• 출력 유형: 핸드오프/다음 자원으로 전송합니다.

• 패턴 사용 지침: 브랜드 및 서비스별 지침을 의도에 따라 사용자를 보낼 위치에 대한 지침과 연결합니다. 에스컬레이션 리소스를 정의합니다. 이는 인간이거나 다른 에이전트일 수 있습니다.

• 대표 사용 사례: _Agentic Front Door_를 인간 또는 AI 대표자 간에 높은 수준의 전문성이 요구되는 시나리오에서 사용합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

• 개요: _Orchestrator 패턴_은 AI Agent “Swarm”을 관리합니다. 사용자 요청을 수신하면 하나 이상의 전문 에이전트에게 발화를 전달한 다음, 사용자에 대한 응답을 집계합니다. 운영자 패턴과 달리, 첫 번째 접촉점(POC)이 됩니다.

• 출력 유형: 작업자 에이전트의 응답을 수집하고 준비합니다.

• 패턴 사용 지침: 기본 참여자로 구성됩니다. 오케스트레이터가 각 지원 작업자 에이전트(예: Prioritizer 또는 도메인 SME)에게 발화를 릴레이할 수 있는 지침을 제공합니다.

• 대표 사용 사례: _오케스트레이터 패턴_을 에이전트 프론트 도어(agentic front door)로 사용하여, 대화당 여러 주제를 논의해야 하는 고객을 지원합니다. 이는 멀티 에이전트 솔루션과 일관된 상호작용이 필요합니다. 다중 시스템 아키텍처에서 _Orchestrator 패턴_을 고려하여 외부 에이전트의 협력과 함께 시스템 간에 응답을 조정합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 3

• 개요: _Listener/Feed 패턴_은 대화의 흐름 중에 컨텍스트와 인사이트를 표시합니다. _Listener_은 각 대화 순간에 트리거되어 직원의 관련 정보를 찾고 표시합니다.

• 출력 유형: 대화를 기반으로 관련 컨텍스트를 제공합니다. 이 컨텍스트는 효과(예: 비교 또는 핵심 지점을 강조 표시)로 서식 지정할 수 있습니다.

• 패턴 사용 지침: 수신기를 턴 기반 채널(예: 채팅, 음성 또는 SMS)에 연결합니다. 각 주제 영역에 대한 주제를 정의합니다. 에이전트가 전사를 검토하고, 주제를 식별하며, 작업을 실행하여 직원의 실시간 피드에 관련 콘텐츠를 검색 및 게시합니다.

• 대표 사용 사례: _Universal Assistant_를 사용하여 고객 서비스 또는 세일즈 담당자를 지원합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 3

• 개요: _Workspace (Radar O’Reilly) 패턴_은 대화의 흐름에서 반응형 단일 창 UX를 관리합니다. 각 발화를 처리하여 관련 콘텐츠를 사용하여 UX의 일부를 업데이트합니다.

• 출력 유형: 더 큰 단일 창 보기 내에서 포틀릿에 있는 관련 컨텍스트를 제공합니다.

• 패턴 사용 지침: Orchestrator 에이전트가 발화를 주제 에이전트 모음에 전달합니다. 각 주제 에이전트가 UX 업데이트가 필요한지 여부를 판단하기 위해 진술을 평가합니다. 이러한 경우 해당 LWC에 동적 업데이트를 푸시합니다.

• 대표 사용 사례: 이는 고급 에이전트 프런트 도어와 같은 기능을 제공합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 3

_전문가 패턴_은 특정 영역에 대한 깊은 Knowledge 또는 기술을 캡슐화하며, 일반적으로 _상호 작용 패턴_으로 오케스트레이션됩니다.

• 개요: _Answerbot 패턴_은 셀프 서비스에 대한 효과적인 패턴으로, 키워드가 아닌 Knowledge 검색을 위한 자연어를 결정하기 위해 GenAI를 사용합니다.

• 출력 유형: 요약된 지식 및 지원 자료에 대한 참조/인용.

• 패턴 사용 지침: 에이전트를 구성하기 위해 신뢰할 수 있는 소스 자료(예: 지식 저장소 또는 FAQ)를 구성하고 수집합니다. 회사 웹 사이트 또는 내부 포털 내에서 에이전트를 배치합니다. 지식 공백을 식별하고 해결하기 위해 질문을 모니터링합니다.

• 대표 사용 사례: 기업 웹 사이트에서 자연어 검색을 수행하고, HR Benefits Bot과 상호 작용하고, 모든 구성원에게 셀프 서비스 구성 요소를 제공합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 1

• 개요: _도메인 SME 패턴_은 비즈니스 도메인(예: 주문 또는 청구)에 대한 자연스러운 언어 프런트엔드를 제공하는 기본 패턴입니다.

• 출력 유형: 도메인에 대한 관련 콘텐츠, 주제, 데이터, 서식이 지정된 정보를 제공합니다.

• 패턴 사용 지침: 이 패턴을 사용하여 주체 또는 비즈니스 도메인을 캡슐화합니다. 적절한 CRUD 작업을 수행할 수 있는 능력을 가진 에이전트를 구성합니다. 이러한 에이전트를 상호 작용 패턴(예: - 오케스트레이터 또는 수신기)을 통해 사용할 수 있도록 지정합니다.

• 대표 사용 사례: 비즈니스 데이터 도메인을 관리하고, “주문 에이전트” 또는 “재고 에이전트”를 제공하고, 비즈니스 도메인에 대한 에이전트 인터페이스를 제공합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

• 개요: _Interrogator 패턴_은 특정 주제에 대해 질문을 받아 여러 소스에서 컨텍스트를 모아 답변을 제공하는 SME(주제 전문가) 에이전트입니다. 사용되는 핵심 에이전트 기능은 콘텐츠를 읽고 내부화한 후 인간이 원하는 방식으로 컨텍스트를 가져오고 컨텍스트를 콘텐츠 본문에 연결하는 기능입니다. 이 패턴은 “swivel-chair integration(수동 통합 작업)“의 필요성을 줄여줍니다.

• 출력 유형: 질문에 대한 답변을 제공합니다.

• 패턴 사용 지침: 대개 사용자가 직접 질문할 수 있도록 사용자의 현재 컨텍스트에 연결된 콘솔 위젯으로 구성됩니다. 또한 FAQ, 정책 및 제품 카탈로그와 같은 Knowledge 리소스와 함께 사용됩니다. _Interrogator 패턴_을 표준 프롬프트와 결합하여 일반적인 질문에 대한 답변을 확장합니다.

• 대표 사용 사례: 계약 도우미 에이전트, 보상 문의 도우미 또는 다중 에이전트 패턴(예: 수신기 또는 작업 영역)의 전문 작업자 에이전트로 사용합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

• 개요: _Prioritizer 패턴_은 정의된 목표를 기반으로 작업 집합 또는 작업 개체를 정렬하는 데 사용됩니다. 여러 데이터 도메인의 정성 분석, 비정형 데이터 분석 또는 통합 분석에 GenAI를 활용합니다.

• 출력 유형: 생성 인사이트를 제공합니다.

• 패턴 사용 지침: 자연어를 사용하여 우선 순위 지정에 필요한 특성을 설명합니다. 선택 가능한 옵션 집합을 사용하여 에이전트의 기반을 설정합니다. Listener 패턴과 결합하여 작업 흐름에서 반응형 “Next Best Action”을 만듭니다.

• 대표 사용 사례: 장기 실행 또는 멀티 에이전트 패턴에서 Next Best Action 발생기 또는 전문 작업자 에이전트로 사용합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

_유틸리티 패턴_은 다른 에이전트 또는 프로세스를 지원하는 특정하고 반복 가능한 작업을 수행합니다.

• 개요: _생성기 패턴_은 기존 입력 및 표준에서 새로운 콘텐츠(예: 사례 요약 또는 이메일 초안)를 만드는 기본 패턴입니다. 이는 주로 프롬프트로 구현되며 다른 에이전트 내에 포함될 수 있습니다.

• 출력 유형: 요청된 형식 및 의도를 준수하는 생성된 콘텐츠를 제공합니다.

• 패턴 사용 지침: _생성기 패턴_은 대부분의 다른 패턴 내에서 또는 독립형으로 사용할 수 있습니다. 컨텍스트는 요청, 실행 중의 채우기 또는 추가 보강 단계를 통해 제공될 수 있습니다.

• 대표 사용 사례: 사례 요약, 이메일 초안, 지식 기사 또는 QBR에 대한 제안/응답을 제공합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 1

• 개요: _Data Steward 패턴_은 일관된 데이터 품질, 규정 준수 및 보강을 보장하기 위해 데이터 작업에 에이전트적 단계를 도입하는 자율적인 백그라운드 패턴입니다.

• 출력 유형: 저장하기 전에 업데이트된 레코드 및 데이터 필드를 제공합니다.

• 패턴 사용 지침: 데이터 저장 전에 트리거 플로우를 기록하는 데이터 스튜어드를 추가하여 데이터 생성 시점에 데이터 품질을 반영합니다. 분류, 요약, 상태 데이터를 일관되게 적용할 수 있습니다.

• 대표 사용 사례: 일관된 “피자 추적기” 스타일 업데이트를 보장하고, 계정 데이터를 보강하며, 일치하지 않는 우편 번호와 주소를 제거합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

• 개요: _젠 데이터 가든러 패턴_은 데이터를 정리하고 표준화하는 데 사용되는 예약된 백그라운드 패턴으로, 저렴한 비용의 추론을 활용하여 연결되지 않은 데이터 도메인 전반에 걸쳐 데이터를 검증, 보강 및 조정합니다.

• 출력 유형: 업데이트된 레코드 및/또는 데이터 관리 과업을 제공합니다.

• 패턴 사용 지침: 패턴을 사용하여 정기적인 데이터 검토 및 유효성 검사를 활성화합니다. 변경이 느린 데이터의 경우, 에이전트를 느린 주기(예: 매월)로 예약합니다. 데이터 스튜어드 패턴과 결합하여 전향적 및 회고적 데이터 품질 작업을 제공합니다.

• 대표 사용 사례: 판매된 혜택과 청구 시스템 간의 일치를 보장하고, 국가 등록부와 대조하여 중개인 라이선스를 정기적으로 검증합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 4

• 개요: _Configurer 패턴_은 자연어 요구 사항에서 구성 아티팩트(예: SQL/SOQL, JSON 및 CSV)를 생성합니다. 반대로 실행하여 요구 사항에 대한 기존 구성을 확인할 수도 있습니다.

• 출력 유형: 업데이트된 레코드와 데이터 관리 작업, 또는 수정할 빌드 이슈/오류를 제공합니다.

• 패턴 사용 지침: 특정 표준, 지침 또는 예시를 사용하여 에이전트의 기반을 마련합니다. 계약 또는 제품 사양과 같은 소스를 사용하여 빌드 요구 사항을 구성합니다. _Configurer 패턴_을 대상 시스템에 연결하여 생성된 구성을 푸시합니다.

• 대표 사용 사례: 의료 보험 제품에 대한 제품 구성 레코드를 생성하고 의료 제공자의 계약/결제 조건을 확인합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 4

• 개요: _Judge & Jury 패턴_은 ‘배심원’ 에이전트와 ‘판사’ 에이전트를 사용하여 환각을 최소화하고, 응답의 일관성을 평가하여 실질적으로 일관되고 근거 있는지를 확인합니다.

  • _Ensemble Approach_은 Agentforce 및 Atlas Reasoning 엔진에 내장되어 응답의 정확성과 관련성을 해결합니다. 높은 수준의 정확성이 필수인 경우 이 기능을 기반으로 하는 _판사 및 심사 패턴_입니다.
  • 데이터 기초 교육(예: “이 레코드/문서에서 답변을 찾으세요”) 및 프롬프트 엔지니어링(예: “이 레코드에서 찾을 경우에만 답변을 반환” 또는 “이 외부 소스에 대한 답변을 확인”)의 조합은 환각을 최소화하는 효과적인 방법입니다.

• 출력 유형: 생성 인사이트를 제공합니다.

• 패턴 사용 지침: 일관되고 기반 있는 생성 출력이 필요한 경우 사용합니다. _판사 에이전트_는 기반이 마련된 프롬프트를 조합하여 두 명 이상의 _배심원 에이전트_에게 전달한 후, 판사가 응답을 평가합니다. 최상의 결과를 얻으려면 각 배심원 에이전트에 대해 서로 다른 모델(예: OpenAI의 모델과 Anthropic의 모델)을 사용하십시오.

• 대표적인 사용 사례: 고충실도 사실 기반 응답을 제공하여 환각을 최소화합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

• 개요: _모델 패턴_은 여러 전문가 에이전트를 활용하여 광범위한 관점을 생성한 다음, 합의를 추출합니다. Judge & Jury 패턴과 달리, 이 패턴은 풍부함을 향상시키기 위해 여러 관점을 포용합니다.

  • 이 패턴은 탭에 유용할 수 있는 다른 POV(View Points)가 있는 전문가 모델이 있는 경우 전문가 패턴이라고도 불릴 수 있습니다.
  • 판사 및 배심원 패턴은 에이전트 응답이 일반적으로 접근 가능한 ‘진실’에 수렴하도록 하는 데 목적이 있는 반면, _모델들의 모델 패턴_은 에이전트 환경의 다양성을 활용하여 응답 범위를 확장합니다.
  • 이 패턴은 고유한 POV가 있는 추가 에이전트가 있다고 가정합니다. 예를 들어, 다중 조직, 다중 에이전트 환경 또는 기술 스택 전반에 여러 공급업체의 에이전트가 있는 환경에서 _모델들의 모델 패턴_은 여러 POV를 통합하는 구조를 제공합니다.
  • 이 패턴을 고려할 때, 다른, 종종 더 간단한 접근 방식도 함께 고려하십시오.
    • 여러 전문가 에이전트를 정의하는 대신 여러 프롬프트를 지정하고 시스템이 프롬프트의 집합으로 작동하도록 합니다.
    • 상황에 맞는 데이터에 액세스하는 작업을 통해 “그라운딩”을 활용합니다.

• 출력 유형: 생성 인사이트를 제공합니다.

• 패턴 사용 지침: 집계자 에이전트의 역할은 모델 에이전트가 반환한 주요 개념을 기반으로 풍부한 POV를 형성하고 반환하는 것입니다. 모델 에이전트는 고유한 POV를 기반으로 응답을 결정합니다.

• 대표 사용 사례: 서로 다른 관점을 함께 가져와 응답 품질을 향상할 수 있는 상황에서 사용합니다. 예를 들어, 권한이 있는 에이전트(예: ERP 에이전트)가 가치 있고 그렇지 않으면 액세스할 수 없는 POV를 가질 수 있는 멀티 시스템 에이전트 환경입니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 2

_장기 실행 프로세스 패턴_은 긴 기간 동안 발생하는 프로세스를 관리하며 여러 단계와 행위자를 포함합니다.

• 개요: _프로젝트 관리자 패턴_은 장기 실행 프로젝트를 감독하는 복잡한 패턴입니다. 활동을 조율하고 완료를 추적하고 사용자에게 알리고 이해당사자에게 프로젝트 상태를 나타냅니다.

• 출력 유형: 출력이 여러 개 있습니다(예: 사례, 과업, 상태 업데이트 및 알림).

• 패턴 사용 지침: 정기적이고 반복적인 다단계 활동을 지원하려면 상위 패턴으로 사용합니다. _프로젝트 관리자 패턴_은 프로젝트의 입력 템플릿/개요(과업, 역할 및 종속성 포함)을 가져온 다음, 사례와 활동을 인스턴스화하고 사용자에게 할당합니다.

• 대표 사용 사례: 계정 설치 관리 및 엔터프라이즈 세일즈 참여에 사용합니다.

• 도표:

• Salesforce 에이전트 성숙도: 레벨 4

패턴은 에이전트 역할을 설명하지만, _오케스트레이션 원형_은 에이전트의 플리트가 공동 작업하는 방법에 대한 시스템 수준의 청사진을 정의합니다. 이러한 원형은 오케스트레이션 뇌로서의 Agentforce 및 범용 커넥터 및 어댑터로서의 MuleSoft 역할을 명확히 합니다.

기형 1: SOMA(단일 조직, 여러 에이전트)

• 정의: 여러 에이전트가 공유 관리 및 데이터를 사용하는 하나의 Salesforce 조직 내에서 공동 작업을 수행합니다.
• 아키텍처 흐름: Agentforce에서 Supervisor 에이전트는 단일 프런트 도어 역할을 하며 조직 내의 _전문가 에이전트_에게 요청을 라우팅합니다. 외부 기능을 위해 에이전트는 _Agentforce MCP Client_를 사용하며, MuleSoft는 MCP가 활성화되지 않은 API의 MCP-wrapper 역할을 합니다.
• 기본 고려 사항: 이 패턴은 CRM 컨텍스트 및 Data 360과 유사한 Salesforce에서 오케스트레이션 논리를 중앙 집중화하여 통합 관리, ID, 권한, 관찰 가능성을 유지합니다.

기형 2: MOMA(다중 조직, 여러 에이전트)

• 정의: 에이전트는 여러 Salesforce 조직에서 공동 작업을 수행하므로 데이터 및 권한 경계에서 안전하게 조율해야 합니다.
• 아키텍처 흐름: 한 조직의 _감독자 에이전트_는 표준화된 에이전트 간(A2A) 프로토콜을 통해 다른 조직의 에이전트에게 과업을 위임합니다. 이 핸드셰이크는 조직 수준의 신뢰, 사용자 ID 흐름, 그리고 공유 대화 컨텍스트를 보장합니다.
• 기본 고려 사항: 이 패턴은 조직 자율성을 유지하면서 엔터프라이즈 전반의 워크플로를 활성화하여 복잡한 다중 조직 환경에서 일관된 에이전트 운영을 위한 기반을 마련합니다.

기형 3: 멀티 공급업체 A2A(Salesforce 주도 오케스트레이션)

• 정의: Salesforce의 감독자 에이전트는 A2A 프로토콜을 통해 Salesforce 네이티브 에이전트와 다른 공급업체(예: Google/Vertex 또는 LangGraph)의 에이전트의 혼합 작업을 조정합니다.
• 아키텍처 흐름: _Supervisor agent_는 요청을 처리하고 계획을 조율하며, A2A 프로토콜을 통해 내부 및 외부 공급업체 에이전트를 호출합니다. A2A를 지원하지 않는 외부 시스템의 경우, _MuleSoft_는 기존 도구를 래핑하고 A2A와 통신하는 “경량 에이전트 파사드”를 노출할 수 있습니다.
• 기본 고려 사항: A2A를 사용하여 별도의 오케스트레이션 계층 없이 깨끗하고 관리 가능한 구성을 생성하며, 오케스트레이션 두뇌를 CRM과 Data 360에 가깝게 유지합니다.

기형 4: 멀티 벤더 A2A(MuleSoft 주도 오케스트레이션)

• 정의: 오케스트레이션은 비 Salesforce 진입 지점에서 시작되며, 중립적인 외부 오케스트레이터가 추론과 라우팅을 수행해야 합니다.
• 아키텍처 흐름: 외부 시스템의 UI 에이전트가 요청을 오케스트레이션 서비스(_MuleSoft Conductor_로 개념화)에 전달하여 의도를 해석하고 작업을 계획합니다. 그런 다음 A2A를 사용하여 CRM 또는 서비스 작업을 위한 Agentforce 에이전트를 비롯한 공급업체 에이전트에게 요청을 라우팅합니다.
• 기본 고려 사항: 이 패턴은 중립 오케스트레이터가 아키텍처적으로 선호되는 비 Salesforce 진입 지점에 적용됩니다. 이는 MuleSoft에서 추론, 거버넌스, 정책, 관찰 가능성을 중앙 집중화하면서 도메인 시스템에서 UX를 유지합니다.

이러한 개별 패턴 및 오케스트레이션 아키텍처는 종단간 솔루션으로 구성되도록 설계된 아키텍처 빌딩 블록입니다. 에이전트적 솔루션 맵은 해당 구성 요소가 함께 연결되는 방식을 시각화하는 데 사용됩니다.

• 의료 서비스 제공자를 위한 _멤버 서비스 솔루션_은 SOMA 아케타입의 표준 구현입니다. 익명 사용자를 위한 Answerbot, 인증된 구성원을 위한 Orchestrator 및 여러 도메인 SME 에이전트(예: 사례, 청구서 및 보상)를 사용하여 특정 요청을 처리합니다.
• _B2C 브로커 포털_은 포털 오케스트레이터 에이전트를 사용하여 RFP 프로세스에 대해 오랫동안 실행 중인 프로젝트 관리자 에이전트를 호출하는 복잡한 구성입니다. 이 에이전트는 Headless, Data Steward 및 Interrogator 에이전트를 백오피스 데이터 작업에 사용합니다.

에이전트적인 디자인 패턴 방법론은 강력하고 확장 가능하며 유지 관리 가능한 엔터프라이즈 AI 시스템을 구축하는 데 필요한 아키텍처 분야를 제공합니다. 이러한 패턴은 복잡성을 파악하고 모듈성을 촉진하여 설계자가 신뢰할 수 있고 예측 가능한 에이전트 솔루션을 제공할 수 있도록 지원합니다.

오케스트레이션 아세타입 선택은 사용자가 작업하는 위치, 컨텍스트가 있는 위치, 엔터프라이즈가 사람, 에이전트, 시스템 간의 상호 작용을 관리하는 방식을 기반으로 하는 전략적 결정입니다. 빌드 에이전트와 오케스트레이션 간의 차이점을 이해하고 MCP 및 _A2A_와 같은 개방형 프로토콜을 활용함으로써 건축가들은 고립된 봇을 만드는 것 이상으로 일관되고 규제되고 분산된 엔터프라이즈 인식 시스템을 설계할 수 있습니다. 이 접근 방식은 공유 언어와 재사용 가능한 청사진 집합을 제공하여 지속 가능한 에이전트 아키텍처를 구축할 수 있게 합니다.

이 부록은 에이전트 패턴이 시스템 수준 솔루션으로 구성되는 방법에 대한 구체적인 예를 제공합니다.

이 다이어그램은 5가지 기본 패턴을 함께 연결하여 공통 고객 서비스 워크플로를 만드는 방법을 보여줍니다.

1. Answerbot: 익명 사용자가 질문을 하면, 지식 기반 에이전트가 이를 처리합니다.
2. 운영자: 직원의 질문은 Operator가 분류하여 대화를 관리하고, 이를 더 전문적인 에이전트에게 전달합니다.
3. 오케스트레이터: 인증된 사용자(SF 사용자)는 여러 에이전트를 조율하여 잠재적으로 다각적인 문의를 처리하는 오케스트레이터와 상호작용합니다.
4. Domain SME: 전문가 에이전트(예: HR 에이전트 또는 혜택 에이전트)는 오케스트레이터에 의해 호출되어 주제 관련 업데이트를 수행하고 특정 데이터를 검색합니다.
5. 제너레이터: 유틸리티 에이전트는 상호 작용이 완료된 후 계정 세부 사항을 요약하거나 사례를 마무리하는 데 사용됩니다.

이 솔루션 맵은 여러 패턴의 구성을 보여주는 구성원 서비스 사용 사례의 에이전트적 아키텍처를 자세히 설명합니다.

• 사용자 프로필: 솔루션은 다음과 같은 세 가지 고유한 사용자 유형을 제공합니다. 익명 사용자, 인증된 구성원, SF 사용자(예: 인간 CSR)
• 상호 작용 패턴: _Answerbot_은 익명 “Find-A-Doc” 쿼리를 처리하고 오케스트레이터(Agent Front Door)는 인증된 사용자 문의를 관리합니다. _Listener/Feed 패턴_이 SF 사용자를 지원합니다.
• Domain Agent Reuse: 전문화된 Domain SME agents(예: 사례 에이전트, 청구 에이전트 또는 혜택 에이전트)는 서로 다른 상호 작용 흐름에서 재사용됩니다.
• 자율 및 보조: 이 시스템은 자율 에이전트(사용자 상호 작용을 안내하기 위해)와 보조 에이전트(사람 CSR을 지원하기 위해)를 결합합니다.
• 데이터 소스: 아키텍처는 공용 및 엔터프라이즈 데이터 소스의 혼합을 통합하며, 연결을 위해 Data 360 및 _MuleSoft_을 광범위하게 사용합니다.

이 다이어그램은 기능 계층으로 구성된 상담 센터의 보조 AI 솔루션에 대한 논리 아키텍처를 보여줍니다.

• 오케스트레이터 에이전트: 다양한 페르소나(예: 익명, 외부 구성원 또는 CSR)에 대한 사용자 경험을 관리하고 전체 상호 작용 흐름을 오케스트레이션합니다.
• 워커 에이전트: _Multiple SME agents_는 Knowledge, 사례/청구/보상 및 제공자 디렉토리와 같은 핵심 비즈니스 영역에 집중합니다. Next Best Action 에이전트도 포함되어 있습니다.
• 유틸리티 에이전트: 번역, 사례 마무리, 통화 요약과 같은 재사용 가능한 특정 과업을 수행합니다. 통합 및 핵심 시스템: 전체 에이전트 시스템은 플랫폼 간 통합 계층을 통해 구조화되지 않은 데이터 자원, 구조화된 데이터 자원, 핵심 엔터프라이즈 시스템에 연결됩니다.
• 거버넌스: 거버넌스 계층은 에이전트가 사용하는 LLM/SLM에 대한 관찰 가능성, 평가, 관리를 제공합니다.

이 솔루션 맵은 B2B 건강 보험 중개인 포털에서 이루어지는 복잡하고 장기간 진행되는 에이전트 상호 작용을 자세히 설명합니다. 이 모델에는 포털 에이전트(Orchestrator)가 포함되어 있으며, 이는 브로커가 여러 단계(예: RFP 제출 및 제안 수신)를 거치며 진행할 수 있도록 돕습니다. 이 오케스트레이터는 프로젝트 관리자 에이전트를 호출하여 RFP 추출기, 인구 조사 변환, 데이터 스튜어드와 같은 백오피스 데이터 품질 및 변환을 위해 여러 헤드리스 에이전트를 조정합니다.

이 다이어그램은 상담 센터와 유사한 계층형 접근 방식을 보여주는 B2C Broker 솔루션의 논리 아키텍처를 보여줍니다. 다른 사용자 개인 정보에 대한 오케스트레이터 에이전트, 주요 도메인(예: Knowledge, 회원 서비스 또는 커미션)에 대한 재사용 가능한 노동 에이전트, 번역 및 요약과 같은 특정 기능을 위한 _유틸리티 에이전트_가 포함됩니다.

다음 다이어그램은 제공자 계약 솔루션의 논리 아키텍처를 보여줍니다. 오케스트레이터 에이전트는 전체 상호 작용을 관리하고, 작업 에이전트는 도메인 내의 특정 의도를 관리합니다(예: 계약 중소기업 에이전트), 유틸리티 에이전트는 계약 비교 또는 인사이트 생성과 같은 별도의 작업을 수행합니다.

다음 표에는 몇 가지 핵심 상호 작용 패턴, 일반적인 사용자 환경, 기본 아키텍처 목적이 요약되어 있습니다.

David Harshbarger는 성공적인 기업가이자 기술 리더로, 여러 선도 소프트웨어 회사에서 근무하며 아키텍처의 방향성과 비즈니스의 특성을 일치시키는 솔루션을 설계해 기술자들이 지원 기술과 협력하여 작업할 수 있도록 이끌어왔습니다. 현재 David는 Salesforce에서 Health & Life Sciences를 지원하는 핵심 엔터프라이즈 아키텍처로 근무합니다.

Chacha Choudhury는 수십 년간의 경험을 보유하고 있으며, 현재 Salesforce 아키텍처 프로그램 및 글로벌 아키텍처 커뮤니티를 이끄는 주요 엔터프라이즈 아키텍처로 근무하고 있으며, 성과가 뛰어나고 전망이 있는 IT CTO/Chief Architect입니다. 그는 엔터프라이즈 전반의 기술 전략 수립, 아키텍처 현대화 촉진, 그리고 생성형 AI 및 에이전트 AI 응용 프로그램 등 혁신적 솔루션의 선도적 도입 분야에서 탁월한 전문성을 인정받고 있습니다.