How Was the New QANDA Agent Built?

문제 상황

• 기존 QANDA 앱의 단일 문제풀이 중심 구조로는 개념 설명, 유사문제 추천, 퀴즈 생성 등 다양한 학습 요구 대응 한계
• 자연어 요청의 의도 분류가 어렵고, 멀티 문제·복합 요청에서 응답 순서와 문맥이 쉽게 흔들리는 문제

구조와 흐름

• 단일 챗봇 대신 하나의 Agent가 여러 Tool을 선택해 처리하는 통합 대화 구조로 전환
• 학습 의도를 기준으로 문제풀이 Agent와 학습자료 생성 Agent를 분리한 Multi-Agent Swarm 구조 적용
• Chat 처리와 Agent 로직을 분리해 UI 흐름, 권한, 렌더링, 상태 관리를 오케스트레이션 계층으로 이동

선택 이유

• 도메인별 Agent 분리로 문맥 관리 단순화, 평가·테스트 독립화, 역할 분담 명확화
• ReAct 방식의 한계인 문맥 혼선과 greedy 동작을 줄이기 위해 Plan-and-Execute 구조 채택
• 생성형 학습 경험은 Artifact로 분리해 비동기 생성, 상태 저장, 수정 가능 흐름을 지원

성능/운영 포인트

• 다단계 문제와 순차 요청에서 Plan, Execute, Replan 흐름으로 응답 일관성 향상
• 라우팅, 상태 전이, 세션 지속, 조건 분기까지 그래프 기반으로 관리해 운영 복잡도 완화
• Latency, TTFT, TPOT, 비용, 캐시 비율, 프롬프트 버전 관리와 A/B 테스트를 핵심 운영 지표로 설정