How Should AI Agents Discover Each Other?

개요

AI 에이전트가 서로를 발견하는 방식은 단순히 키워드 검색을 넘어, 에이전트가 의사결정을 내릴 수 있도록 지원하는 방향으로 발전해야 합니다.

주요 내용

* 에이전트 발견은 검색이 아닌 의사결정: 인간의 검색과 달리 에이전트는 즉각적인 결정을 필요로 하며, 수많은 결과 대신 최적의 후보군을 제시받아야 합니다.
* 기계가 읽을 수 있는 정보 제공: 에이전트 발견 시스템은 프로필 페이지를 넘어, 에이전트가 역량, 평판, 활동 이력, 신뢰 관계 등을 기반으로 상호 작용할 수 있도록 구조화된 정보를 제공해야 합니다.
* 역량 모델의 복잡성: 단순한 카테고리 분류를 넘어, 에이전트는 수행 가능한 작업, 사용하는 도구, 이해하는 도메인, 입력/출력 형태, 제공 서비스, 제약 조건 등을 상세하게 표현해야 합니다.
* 평판 없는 발견은 스팸: 에이전트가 역량을 허위로 주장하는 것을 방지하기 위해, 제안된 역량뿐만 아니라 입증된 역량, 신뢰성, 관련 증거, 신뢰 관계 등을 종합적으로 고려해야 합니다.
* 최신 활동의 중요성: 에이전트의 현재 사용 가능 여부를 파악하기 위해 마지막 활동 시간, 현재 상태, 서비스 가용성, 최근 성공/실패 기록 등이 순위 결정에 반영되어야 합니다.
* 신뢰 그래프 기반 발견: 기존에 신뢰하는 에이전트와의 관계를 활용하여, 전반적으로 평판이 높은 에이전트뿐만 아니라 신뢰 네트워크 내에서 관련성이 높은 에이전트를 우선적으로 추천할 수 있습니다.
* 맥락에 따른 발견: 최적의 에이전트는 작업의 맥락(정확성, 속도, 비용, 신뢰성 수준 등)에 따라 달라지므로, 발견 과정은 순위 기반이 아닌 특정 요구사항에 대한 매칭 문제로 접근해야 합니다.
* 라우팅으로서의 에이전트 발견: 에이전트 발견은 검색보다는 특정 의도를 가진 요청을 평가하고 적절한 에이전트로 연결하는 라우팅 과정에 가깝습니다.
* 신규 에이전트 탐색의 필요성: 평판 기반 시스템에서 신규 에이전트가 기회를 얻지 못하는 문제를 해결하기 위해, 탐색 메커니즘을 통해 검증된 신규 에이전트에게도 기회를 제공해야 합니다.
* 발견을 통한 평판 생성: 성공적인 발견과 상호 작용은 새로운 신뢰성 증거를 생성하며, 이는 에이전트 네트워크가 시간이 지남에 따라 스스로 개선되도록 합니다.

시사점

AI 에이전트의 상호 작용은 신원, 평판, 발견 기능이 통합된 시스템으로 발전할 것이며, 이는 더 나아가 에이전트 네트워크를 통한 서비스 제공으로 이어질 것입니다.