과제 소개
Crew AI 라이브러리를 활용하여 복잡한 작업을 자동화하는 AI 에이전트 팀을 구축하고, 다양한 도메인에서 지능형 의사 결정 시스템을 개발하며, 일상적인 작업부터 전문적인 분석까지 다양한 업무를 자동화합니다.
목적
복잡한 작업을 여러 단계로 나누어 자동으로 처리합니다.
자연어 기반의 설정으로 코딩을 최소화하면서 AI 시스템을 구축합니다.
여러 AI 에이전트가 협력하여 작업을 수행하도록 합니다.
실시간 데이터에 접근하여 최신 정보를 활용할 수 있게 합니다.
방법론
CrewAI : AI 에이전트를 구축하고 관리
Streamlit : CrewAI의 전과정에 대한 UI UX 설정
RAG : CrewAI로 RAG 구축
Serper : The World's Fastest & CheapestGoogle Search API
browserless : Headless browser automation, without the hosting headaches
Tavily: Tavily AI is the leading search engine optimized for LLMs
Groq : Groq is an AI solutions company delivering ultra-low latency inference with the first ever LPU™ Inference Engine.
결론
Crew AI를 통해 복잡한 작업을 자동화하고 AI 에이전트 팀을 효율적으로 구축할 수 있습니다.
다양한 도메인에 적용 가능하며, 새로운 도구와 에이전트를 쉽게 추가할 수 있습니다.
자연어 기반의 설정으로 개발 시간을 단축하고 유지보수를 용이하게 합니다.
실시간 데이터 접근과 에이전트 간 협업을 통해 더 정확하고 효과적인 결과를 얻을 수 있습니다.
Crew AI의 개념
AI 에이전트를 구축하고 관리하기 위한 프레임워크입니다.
각 에이전트에 역할, 목표, 배경 스토리를 부여하여 특정 작업을 수 행하도록 설계합니다.
여러 에이전트를 하나의 크루(팀)로 조직화하여 복잡한 작업을 처리합니다.
GPT-4와 같은 AI 모델을 에이전트의 '두뇌'로 활용합니다.
에이전트 간 협업과 작업 위임이 가능하며, 단기 및 장기 메모리 기능으로 학습 및 개선이 가능합니다.
Crew AI 깃허브 주소
https://github.com/joaomdmoura/crewAI
Crew AI 평가 방법
작업 완료율: 주어진 작업을 얼마나 성공적으로 완료했는지 평가
효율성: 작업 수행에 소요된 시간과 자원 사용량 측정
정확성: 생성된 결과물의 정확도 평가
협업 능력: 에이전트 간 협력 정도와 작업 분배의 효율성 측정
적응성: 새로운 상황이나 예외 케이스에 대한 대응 능력 평가
Crew AI로 최적의 에이전트 팀 구성 방법
작업 분석: 전체 작업을 세부 단계로 분해
역할 정의: 각 단계에 적합한 에이전트 역할 설정
도구 선택: 각 에이전트에 필요한 도구 (함수, API 등) 정의
상호작용 설계: 에이전트 간 협력 방식과 정보 공유 방법 결정
테스트 및 최적화: 다양한 시나리오에서 팀 성능을 테스트하고 조정
여행 AI 에이전트
여러 AI 에이전트가 협력하여 작업을 수행합니다:
City Selection Expert: 도시 선택 및 분석
Local Expert: 현지 정보 제공
Amazing Travel Concierge: 상세한 여행 일정 계획
각 에이 전트는 특정 작업을 수행합니다:
날씨 정보 수집
관광지 정보 수집
호텔 및 식당 추천
일일 일정 계획
예산 책정
에이전트들은 인터넷 검색, 웹사이트 스크래핑, 작업 위임 등의 도구를 사용합니다.
최종 결과물로 15일간의 상세한 서울 여행 일정이 생성됩니다. 이 일정은 날씨, 숙박, 관광지, 식당, 예산 등을 포함합니다.
일부 작업에서 에이전트들이 웹사이트 스크래핑에 어려움을 겪는 모습이 보이며, 이를 해결하기 위해 다른 방법을 시도하는 과정이 나타납니다.
여행AI 에이전트 시연 동영상
https://bustling-volcano-840.notion.site/AI-Crew-AI-RAG-4d9a6f0c8d444ed09511542c8b485d98?pvs=4
-> 사진을 보면 15일간의 한국 여행에 관하여 AI 에이전트가 작성해준 것을 볼 수 있음
AI 에이전트가 작성한 여행 추천 일정
서울 여행 일정날짜: 2024년 7월 15일 - 7월 29일
개요: 이 일정은 미국 LA에서 오는 여행자를 위해 맞춤 제작되었으며, 멋진 수영장이 있는 호텔 숙박, 이태원 방문, 경복궁 관람, 익선동 탐방, 그리고 서울에서의 템플스테이 체험에 초점을 맞추고 있습니다. 이 계획에는 일기 예보, 일일 일정, 식사 장소, 짐 꾸리기 제안, 그리고 예산 내역이 포함되어 있습니다.
일기 예보:
평균 최고 기온: 29°C에서 32°C (84°F에서 90°F)
평균 최저 기온: 22°C에서 25°C (72°F에서 77°F)
날씨 상태: 덥고 습하며 자주 소나기가 내리고 가끔 뇌우가 있음.
짐 꾸리기 제안:
가볍고 통기성 좋은 옷
편안한 걷기용 신발
우비 또는 우산
자외선 차단제와 모자
재사용 가능한 물병 (수분 섭취를 위해)
일일 일정:
1일차: 2024년 7월 15일 - 서울 도착
오전: 인천국제공항 도착. 호텔로 이동.
호텔 제안: 롯데호텔 서울 (좋은 수영장과 중심부 위치)
오후: 휴식 및 호텔 시설 둘러보기.
저녁: 밍글스에서 저녁 식사 (현대적인 한식)
예산:호텔: 1박 $250
저녁 식사: $100
2일차: 2024년 7월 16일 - 이태원 탐방
오전: 호텔에서 아침 식사. 이태원 방문.
현지 상점들과 카페 탐방.
오후: 바토스 어반 타코스에서 점심 (한국-멕시코 퓨전)
전쟁기념관 방문.
저녁: 브라이 리퍼블릭에서 저녁 식사 (남아프리카 바베큐)
예산:아침 식사: 호텔 포함
점심: $30
저녁 식사: $50
3일차: 2024년 7월 17일 - 경복궁 & 북촌한옥마을
오전: 호텔에서 아침 식사. 경복궁 방문.
수문장 교대 의식 관람.
오후: 토속촌 삼계탕에서 점심 (유명한 인삼 닭고기 수프)
북촌한옥마을 산책.
저녁: 정식에서 저녁 식사 (현대적인 한식)
예산:아침 식사: 호텔 포함
점심: $25
저녁 식사: $75
...
사용했던 SERPER API
사용했던 BrowselessAPI
crewAI + RAG 에이전트
<코랩링크>
https://colab.research.google.com/drive/1r-1yJkx1U4_H8TpKRC62yxuJAP5MjCol?usp=sharing
최종 결론
CrewAI는 AI 에이전트 팀을 구축하고 관리하는 강력한 프레임워크로, 복잡한 작업을 자동화하고 다양한 도메인에서 지능형 의사 결정 시스템을 개발하는 데 큰 잠재력을 보여줍니다. 이 프로젝트를 통해 우리는 다음과 같은 중요한 인사이트를 얻을 수 있습니다:
다양한 적용 가능성: CrewAI는 여행 계획 수립부터 RAG(Retrieval Augmented Generation) 시스템 구축까지 다양한 분야에 적용할 수 있습니다. 이는 사용자가 원하는 거의 모든 종류의 자동화 작업에 활용될 수 있음을 시사합니다.
AI 에이전트의 협업: 여러 AI 에이전트가 협력하여 복잡한 작업을 수행하는 모델은 인간의 팀워크를 모방하며, 더 정확하고 효과적인 결과를 도출할 수 있습니다.
실시간 데이터 활용: CrewAI는 API들을 통해서 최신 정보에 접근하여 항상 최신의, 관련성 높은 결과를 제공할 수 있습니다.
개발 효율성: 자연어 기반의 설정으로 코딩을 최소화하면서 복잡한 AI 시스템을 구축할 수 있어, 개발 시간을 단축하고 유지보수를 용이하게 합니다.
확장성: 새로운 도구와 에이전트를 쉽게 추가할 수 있어, 시스템의 기능을 지속적으로 확장하고 개선할 수 있습니다.
미래 가능성: CrewAI를 통해 우 리는 AI에게 점점 더 복잡하고 다양한 일을 맡길 수 있게 되었습니다. 이는 단순 작업의 자동화를 넘어, AI 에이전트들의 통찰력을 활용하여 새로운 영역의 업무를 점진적으로 위임할 수 있는 가능성을 열어줍니다.
결론적으로, CrewAI는 AI 기술을 일상적인 업무와 의사결정 과정에 통합하는 강력한 도구가 될 수 있습니다. 사용자가 원하는 어떤 종류의 자동화나 AI 지원 작업도 CrewAI를 통해 구현해볼 수 있으며, 이는 우리가 AI와 협업하는 방식을 근본적으로 변화시킬 잠재력을 가지고 있습니다. 앞으로 CrewAI를 활용하여 더 많은 혁신적인 응용 프로그램과 서비스가 개발될 것으로 기대됩니다.
REF 모음
https://github.com/tonykipkemboi/trip_planner_agent?tab=readme-ov-file
https://github.com/AIAnytime/Agentic-RAG-using-Crew-AI
https://youtu.be/nKG_kbQUDDE
https://youtu.be/3lP8_Xw00mw
https://youtu.be/GtyiAd55XN0