MADKE: 지식 강화 다중 에이전트 토론

Multi-Agent Debate with Knowledge Enhancement

개념

MADKE는 Multi-Agent Debate의 발전 버전이다. 공유 지식 풀을 도입하여 토론 품질을 향상시킵니다.

기존 Multi-Agent Debate의 문제

• 각 에이전트의 배경 지식이 다름
• 같은 정보에 대해 다르게 해석
• 특정 분야 지식 부족 시 토론 품질 저하

문제 예시

Agent A: "한국의 GDP는 약 1.6조 달러이다."

Agent B: "아니요, 1.8조 달러이다."

Agent C: "제가 알기로는 1.7조 달러이다."

각자 다른 시점과 출처의 데이터로 불필요한 논쟁이 발생한다.

해결책: 공유 지식 풀

공유 지식 풀(논문, 팩트, 전문 지식)을 중심으로 모든 에이전트가 연결된다. 각 에이전트는 다음과 같이 동작한다:

1. 지식 풀에서 관련 정보 검색 — 토론에 필요한 데이터를 가져온다.
2. 그 정보를 바탕으로 토론 — 동일한 정보 기반 위에서 논의한다.
3. 새로운 정보는 풀에 추가 — 토론 중 발견한 내용을 공유한다.

프로세스

1. 질문 수신 — 사용자로부터 질문을 받다.
2. 관련 지식 검색 — 각 에이전트가 지식 풀에서 정보를 획득한다.
3. 지식 기반 토론 — 동일한 정보를 바탕으로 토론을 진행한다.
4. 새로운 발견 저장 — 토론 중 발견한 새 정보를 풀에 추가한다.
5. 최종 답 도출 — 토론 결과를 종합하여 답변을 생성한다.

기존 Debate vs MADKE

MADKE 토론 예시

질문: "2024년 한국 경제 성장률 전망은?"

지식 풀 검색: IMF 보고서 2.3% 전망, 한국은행 전망 2.1%, OECD 전망 2.2%

Agent A (지식 기반 응답): "IMF 보고서에 따르면 2.3%로 전망되지만, 한국은행은 더 보수적인 2.1%를 제시했다."

Agent B (보완): "OECD 전망 2.2%도 고려하면, 대체로 2.1-2.3% 범위로 수렴한다. 주요 기관 간 큰 차이가 없다."

최종 답변: "주요 기관들의 전망을 종합하면 2024년 한국 경제 성장률은 약 2.1-2.3%로 예상된다. (출처: IMF, 한국은행, OECD)"

지식 풀 구성

지식 풀 업데이트

토론 중 새로운 정보가 발견되면 풀에 추가:

토론 중 — Agent A: "최근 연구에 따르면 X라는 새로운 발견이..."

검증 — Agent B: "출처를 확인해보니 신뢰할 수 있는 논문이다."

지식 풀 업데이트 — 새로운 팩트 추가: "X 현상 발견 (출처: Nature 2024)"

구현 구조

class MADKE:
    def __init__(self, agents, knowledge_pool):
        self.agents = agents
        self.knowledge_pool = knowledge_pool
 
    def debate(self, question, max_rounds=3):
        # 1. 관련 지식 검색
        relevant_knowledge = self.knowledge_pool.search(question)
 
        # 2. 지식 기반 초기 응답
        responses = {}
        for agent in self.agents:
            responses[agent.id] = agent.generate(
                question=question,
                context=relevant_knowledge
            )
 
        # 3. 토론 라운드
        for round in range(max_rounds):
            for agent in self.agents:
                # 추가 지식 검색 가능
                additional_knowledge = self.knowledge_pool.search(
                    agent.get_query()
                )
 
                responses[agent.id] = agent.respond(
                    question=question,
                    knowledge=relevant_knowledge + additional_knowledge,
                    others=responses
                )
 
                # 새로운 정보 발견 시 풀에 추가
                if agent.has_new_finding():
                    self.knowledge_pool.add(agent.new_finding)
 
        # 4. 최종 답변
        return self.synthesize(responses)

장점

1. 일관성: 모든 에이전트가 같은 정보 기반
2. 정확성: 외부 지식으로 할루시네이션 감소
3. 투명성: 출처 명시 가능
4. 확장성: 지식 풀 확장으로 역량 증가

한계

1. 지식 풀 품질: 잘못된 정보가 있으면 전체에 영향
2. 검색 정확도: 관련 지식을 찾지 못할 수 있음
3. 업데이트 비용: 지식 풀 유지 관리 필요

관련 개념

• Multi-Agent Debate: 기본 토론 구조
• RAG: 지식 검색 기술
• LLM Agent Survey: 협력 구조