AI
LangGraph와 Gemini로 만든 회의록 자동화 에이전트: 도구 호출(Tool Calling) 신뢰성 확보 사례
두줄요약
LangGraph와 Gemini로 회의 유형 분류·요약·HWP 저장을 연결한 회의록 에이전트를 구축했습니다. 신뢰도 분기, 입력 점검, 로그, 사람 검토로 도구 호출의 신뢰성을 높였습니다.
문제 상황
- 다수의 분석 사업 회의에서 녹취록 정리·공유 지연과 회의록 양식 불일치
- 단일 프롬프트 요약 방식의 핵심 논의·과제 누락과 원인 추적 한계
구조와 흐름
- LangGraph 오케스트레이터 기반의 녹취록 로드, 입력 품질 점검, 회의 유형 분류, 요약, HWP 저장 흐름
- 분류 신뢰도와 판단 근거를 반환하고 기준 미달 시 사용자 확인으로 분기
- 회의 유형별 템플릿 기반의 회의록 초안 생성과 도구별 실행 로그 기록
해결 방법
- 분류 신뢰도 0.6 미만 또는 1·2위 점수 차이 0.2 미만 시 사용자 재선택 요청
- 녹취록 길이, 휴식·중단 문구, 비정상 종료 점검으로 입력 누락 경고
- 언급 과제 추출은 AI, 최종 포함 여부 확정은 담당자 검토로 역할 분리
성능/운영 포인트
- 단일 프롬프트 대비 원본 회의록 평가 점수 70점에서 90점으로 개선
- AI 회의록의 핵심 업무·조치사항 추출 강점과 논의 맥락 축약·검토 단계 확정화 한계
- 도구 호출별 입력·결과 로그 기반의 오류 단계 식별과 재현성 확보
