AI
새로운 콴다 Agent는 어떻게 만들어졌을까?
두줄요약
콴다는 문제 풀이 중심 앱을 멀티 에이전트 기반 학습 어시스턴트로 재설계했습니다. 채팅과 Agent를 분리하고 Plan-and-Execute, Artifact 구조로 확장성과 안정성을 높였습니다.
문제 상황
- 기존 콴다 앱의 문제 풀이 중심 흐름으로는 개념 설명, 유사 문제 추천, 퀴즈 생성 등 다양한 학습 목적 대응 한계
- 자연어 요청을 한 번에 정확히 분류하기 어려워, 확장 가능한 의도 분석과 도구 선택 구조 필요
- 채팅, 에이전트, 콘텐츠 생성 흐름이 얽히면 복잡도와 유지보수 부담 증가
구조와 흐름
- 의도 이해 Agent, 문제 해결 Tool, 시각적 응답 Block으로 시스템 추상화
- 문제 풀이 중심과 학습자료 생성 중심을 분리한 멀티 에이전트 스웜 구조 적용
- 채팅 인터페이스와 Agent 로직을 분리해 책임 범위 축소
선택 이유
- Swarm 구조로 컨텍스트를 간결하게 유지하고 유즈케이스별 평가와 테스트 분리 가능
- Plan-and-Execute로 다단계 요청과 순차 처리 안정성 향상
- Artifact 개념 도입으로 퀴즈·플래시카드 같은 상호작용형 학습 경험 분리
성능/운영 포인트
- ReAct만으로는 다수 문제 처리와 DB 우선 탐색에서 greedy한 응답 한계 발생
- Plan, Execute, Replan으로 흐름 제어와 오류 대응 강화
- 쿼터 관리, 메시지 흐름 제어, UI 변환을 Agent 외부로 분리해 안정성 확보