마이크로 에이전트: 모델 API 내부 협업으로 최첨단 모델을 능가하는 법
최첨단 AI 모델 자체의 발전만큼이나 모델 간의 요청을 지능적으로 분배하고 조율하는 '라우터(Router)' 계층이 중요해지고 있습니다. vLLM Semantic Router와 같은 기술은 단일 모델 API 호출을 내부적인 다중 에이전트 협업으로 변환하여, 비용을 절감하면서도 최종 답변의 품질을 대폭 향상시킵니다. 복잡한 워크플로우를 숨기고 사용자는 하나의 모델과 대화하는 것처럼 매끄럽게 사용할 수 있게 해준다는 점에서 실무적 가치가 큽니다.
목차
모두가 차세대 최첨단 모델(Frontier Model)을 주시하고 있습니다. 하지만 더 흥미로운 계층은 그 앞에 위치한 계층일지도 모릅니다.
라우터는 AI 추론을 위한 제어 평면(Control Plane)이 되어가고 있습니다. 라우터의 첫 번째 역할은 실용적이었습니다. 바로 올바른 요청을 올바른 모델로 전달(Routing)하는 것입니다. 이는 이미 중요한 문제입니다. 왜냐하면 실 서비스(Production) 환경에서의 AI는 더 이상 단일 모델만을 사용하는 세계가 아니기 때문입니다.
라우터는 요청에 최첨단 모델이 필요한지, 아니면 오픈소스 또는 로컬 모델로 충분한지를 판단하여 비용을 절감할 수 있습니다. 또한 민감한 영역의 요청을 더 엄격한 모델이나 필터, 강력한 검토 경로로 전송하여 안전 정책을 실행 가능하게 만들 수 있습니다. 클라우드와 엣지(Edge)를 조정하여 프라이빗하거나 짧은 지연 시간이 필요한 작업은 로컬에 유지하면서, 더 복잡하고 어려운 작업은 클라우드로 상향 조정(Escalation)할 수도 있습니다. 이것들 모두 매우 중요한 역할입니다.
하지만 라우터의 다음 역할은 더욱 흥미롭습니다. 바로 모델 자체를 더 낫게 만드는 것입니다. 모델의 가중치(Weights)를 변경해서가 아닙니다. 모든 애플리케이션이 맞춤형 에이전트 그래프를 구축하도록 요구해서도 아닙니다. 단일 모델 API 호출을 서빙 레이어 내의 제한된 협업(Collaboration)으로 전환함으로써 가능해집니다.
사카나(Sakana)의 Fugu가 큰 반향을 일으킨 이유가 바로 이것입니다. 즉, '모델'은 하나의 표면(Surface)이 될 수 있고 그 표면 뒤에는 하나의 '팀'이 있을 수 있다는 단순하면서도 강력한 아이디어를 상용 제품으로 만들었기 때문입니다. Fugu 기술 보고서 및 Conductor, Trinity와 같은 조정(Coordination) 논문을 포함하여 이 아이디어를 둘러싼 연구는 오케스트레이션(Orchestration)을 생각하는 데 유용한 용어를 제공합니다.
하지만 vLLM Semantic Router의 비전은 이 추상화(abstraction)를 배치하는 위치가 다릅니다. 협업 기능이 단 하나의 상용 엔드포인트나 애플리케이션별 에이전트 그래프 내부에만 존재해서는 안 됩니다. 그것은 개방형 서빙 원시 객체(Open serving primitive)가 되어야 합니다. vLLM Semantic Router는 그 아이디어를 개방형 서빙 계층으로 가져왔습니다.
사용자는 여전히 하나의 모델을 호출합니다. 이 안정적인 모델 ID 뒤에서 라우터는 레시피를 선택하고, 워커들(Workers)에게 작업을 분산시키고, 정족수(Quorum)를 수집하고, 이견을 검증하며, 최종 답변을 종합하고, 출력 계약(Output contract)을 수정한 다음, 하나의 정상적인 OpenAI 호환 응답을 반환합니다.
요점은 복잡성을 드러내는 것이 아닙니다. 요점은 협업을 마치 하나의 모델처럼 느껴지게 만드는 것입니다.
루퍼(Looper)가 곧 런타임(Runtime)입니다
vLLM Semantic Router에서 '루퍼'는 제한된 마이크로 에이전트(Micro-agents)를 위한 실행 런타임입니다. 요청은 일반적인 채팅 완료(Chat completion) 형태로 라우터에 들어옵니다. 라우터는 신호를 추출하여 작업 모양이나 위험 구간으로 투영하고, 의사 결정과 일치시킨 다음 알고리즘을 선택합니다. 이 알고리즘은 일반적인 단일 모델 라우팅일 수도 있고, 루퍼 라우팅일 수도 있습니다.
오늘날 주요 루퍼 패턴은 다음과 같습니다:
신뢰도(Confidence): 순차적 상향 조정(Escalation) 루프입니다. 먼저 더 저렴한 후보 모델을 시도하고 신뢰도를 측정한 다음, 점수가 너무 낮을 때만 상위 모델로 작업을 넘깁니다. 평가(Ratings): 제한된 병렬 분산 루프입니다. 엄격한 동시 실행 한도 내에서 여러 후보 모델을 실행하고 평가 인식 가중치를 사용하여 결과를 집계합니다. ReMoM: 모델 혼합(Mixture-of-models) 추론 반복입니다. 다양한 폭의 샘플을 분산시키고, 충분한 성공적인 응답이 모일 때까지 기다린 다음 최종 종합 라운드를 실행합니다. 퓨전(Fusion): 패널-판사-최종결정자(Panel-Judge-Final) 패턴입니다. 독립적인 모델 응답이 판사 및 최종결정자를 위한 증거가 됩니다. 워크플로우(Workflows): 마이크로 에이전트 워크플로우 런타임입니다. 정적 역할이나 동적 플래너(Planner)를 지원하고, 제한된 워커 단계를 실행하며, 최종 응답을 종합합니다.
구현 세부 사항은 중요합니다. 루퍼는 단순히 '더 많은 모델에게 물어보라'는 슬로건이 아닙니다. 이것은 예산, 토폴로지, 추적(Trace) 및 실패 정책을 갖춘 작은 런타임입니다.
신뢰도(Confidence): 어려운 경우에만 상향 조정 비용 지출
'신뢰도'는 비용을 인식하는 루프입니다. 더 작거나 저렴한 후보 모델로 시작한 다음, 답변을 멈추기에 충분히 신뢰할 수 있는지 평가합니다. 신뢰도 신호는 토큰 수준의 로그 확률(Log Probability), 로그 확률 마진, 하이브리드 점수, 자가 검증(Self-verification) 또는 AutoMix 방식의 수반 검증기(Entailment Verifier)에서 나올 수 있습니다.
점수가 임계값을 통과하면 라우터는 즉시 결과를 반환합니다. 점수가 너무 낮으면 라우팅 경로는 다음 후보 모델로 상향 조정됩니다. 중요한 부분은 상향 조정 기능이 존재한다는 것이 아닙니다. 상향 조정이 명시적인 라우터 정책, 즉 임계값, 실패 동작 및 중지 조건이 visible(보이고)하고 튜닝 가능하게 된다는 것입니다.
평가(Ratings): 엄격한 한도 내에서의 병렬 품질 보장
'평가'는 con...