핵심 정리 (Executive Summary)
이번 포스트에서는 Google Agent Development Kit(ADK) 2.0을 활용한 그래프 엔지니어링(Graph Engineering)의 개념과 적용 방법에 대해 알아봅니다.
- 그래프 엔지니어링이란? 기존의 단일 프롬프트 방식이나 루프 엔지니어링(Loop Engineering)의 한계를 극복하기 위해 제안됨
- 시스템을 노드(에이전트 또는 결정론적 함수)와 에지(연결선)로 구성된 워크플로우로 구조화하는 기술
핵심 요점은 다음과 같습니다:
- 구조화의 필요성: 단일 모델 호출에 의존하는 방식은 데이터 검증이 불가능하며 환각(Hallucination) 현상을 유발합니다.
- 예측 가능성과 추론의 분리: 정형화된 작업은 함수로, 추론이 필요한 작업은 LLM 에이전트로 배정하여 효율성과 신뢰성을 극대화합니다.
- 주요 패턴 활용: 팬아웃(Fan out), 조인(Join), 라우터(Router) 패턴을 통해 복잡한 병렬 처리와 조건별 실행을 구현합니다.
- 비용 및 신뢰성 최적화: 결정론적 노드를 활용함으로써 LLM 호출 횟수를 줄이고 결과의 일관성을 확보합니다.
1. 기존 접근 방식의 문제점: 단일 프롬프트의 한계
복잡한 작업(예: 마라톤 레이스 전략 수립)을 하나의 거대한 프롬프트와 에이전트에게 맡길 경우 다음과 같은 심각한 문제가 발생합니다.
- 데이터 환각(Hallucination): 외부 API 연동이나 실제 데이터 조회 없이 모델 내부의 지식에만 의존할 경우, 날씨나 코스 정보와 같은 수치를 임의로 생성하여 신뢰할 수 없는 결과를 도출합니다.
- 테스트 및 신뢰 불가: 모든 단계가 단일 모델 호출 내에서 이루어지므로 각 단계의 데이터를 별도로 가져오거나 검증할 수 없습니다.
- 구조적 해결책의 필요성: 이 문제는 더 나은 프롬프트를 작성하는 것이 아니라, 워크플로우에 **구조(Structure)**를 도입함으로써 해결할 수 있습니다.
2. 그래프 엔지니어링의 정의 및 계층
그래프 엔지니어링은 시스템을 위한 그래프 워크플로우를 생성하는 과정입니다.
엔지니어링의 진화 단계
- 프롬프트 엔지니어링 (Prompt Engineering): 모델에게 무엇을 말할 것인가.
- 컨텍스트 엔지니어링 (Context Engineering): 모델 주변에 어떤 정보를 배치할 것인가.
- 루프 엔지니어링 (Loop Engineering): 에이전트가 ‘계획-실행-확인’을 반복하게 함.
- 그래프 엔지니어링 (Graph Engineering): 여러 작업 조각을 노드(Node)와 에지(Edge)로 엮어 워크플로우를 구성함.
3. 그래프 워크플로우의 핵심 구성 요소
ADK 2.0을 사용하면 함수와 에이전트를 동일한 선상에서 매끄럽게 연결할 수 있습니다.
| 구성 요소 | 설명 | 비고 |
| 노드 (Node) | 개별 작업 단위 (일반 파이썬 함수 또는 LLM 에이전트) | 결정론적 작업과 추론 작업 분리 |
| 에지 (Edge) | 노드 간의 연결 및 실행 흐름 | 데이터의 이동 경로 정의 |
핵심 설계 원칙
- 결정론적 작업(Predictable work): 데이터 호출, 고정된 로직 등은 일반 함수로 처리하여 LLM 비용을 절감합니다.
- 추론 작업(Reasoning): 복잡한 판단이나 전략 수립 등은 **LLM 모델(에이전트)**에게 맡깁니다.
4. 주요 그래프 디자인 패턴
4.1 팬아웃 (Fan out) 및 동적 팬아웃
- 개념: 여러 작업을 병렬로 실행하는 패턴입니다.
- 적용: 날씨 조회, 코스 분석, 체력 상태 체크 등 서로 독립적인 데이터를 동시에 수집할 때 사용합니다.
- 동적 팬아웃: 실행 시점에 실행해야 할 병렬 프로세스의 수를 알 수 없는 경우, ADK 2.0의 동적 워크플로우 기능을 통해 런타임에 형태를 결정합니다.
4.2 조인 (Join)
- 개념: 병렬로 실행된 여러 브랜치의 결과를 하나로 모으는 합성기(Synthesizer) 역할을 합니다.
- 특징: 가장 느린 프로세스가 완료될 때까지 대기하며, 출력값을 노드 이름을 키(key)로 하는 사전(Dictionary) 형태로 묶어줍니다. 별도의 병합 에이전트나 로직을 작성할 필요가 없습니다.
4.3 라우터 (Router)
조건에 따라 다음 실행 경로를 선택하는 패턴입니다.
- LLM 라우터: 모델이 입력을 분류하여 경로를 선택합니다. 사용자의 자유 형식 요청과 같이 신호가 불분명한 ‘오픈 셋(Open set)’ 상황에 적합하지만, 토큰 비용이 발생하고 비결정론적일 수 있습니다.
- 결정론적 라우터 (Deterministic Router): 데이터 내의 명확한 신호(예: 온도 수치)를 기반으로 if-문 등의 고정된 규칙을 사용합니다. ‘클로즈드 셋(Closed set)’ 상황에서 더 신뢰할 수 있으며 비용이 전혀 들지 않습니다.
5. 그래프 엔지니어링 적용 판단 기준
프로젝트에 그래프 워크플로우를 도입할지 여부는 다음 두 질문을 통해 결정할 수 있습니다.
- 입력이 도착하기 전에 워크플로우를 그릴 수 있는가?
- 그렇다면 그래프 워크플로우를 설계하여 사용하십시오.
- 워크플로우의 형태 자체가 입력에 따라 달라지는가? (예: 심층 리서치)
- 그렇다면 ADK 2.0의 기능을 활용하여 런타임에 그래프 형태가 결정되는 **동적 워크플로우(Dynamic Workflow)**를 구축하십시오.
결론
그래프 엔지니어링은 LLM의 추능 능력과 기존 프로그래밍의 결정론적 효율성을 결합한 고도화된 설계 방식입니다. ADK 2.0을 통해 팬아웃, 조인, 라우터 패턴을 전략적으로 배치함으로써, 개발자는 비용 효율적이면서도 환각이 적고 신뢰할 수 있는 AI 시스템을 구축할 수 있습니다.
