AGI Framework

개요

주요 특징

아키텍처 (Architecture)

┌─────────────────────────────────────────────────────────────────────────┐
│ Multi LLM Agent 기반 AGI 프레임워크 │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐ │
│ │ 지식 큐레이션 │ │ 모더레이터 │ │ 컨텍스트 │ │
│ │ 에이전트 │◄─────►│ 에이전트 │◄─────►│ 에이전트 │ │
│ ├────────────────┤ ├────────────────┤ ├────────────────┤ │
│ │• GNN 임베딩 │ │• 의도 분류 │ │• 히스토리 │ │
│ │• 그래프 정렬 │ │• 계획 수립 │ │• 상황그래프 │ │
│ │• 지식 검색 │ │• 작업 조율 │ │ │ │
│ └────────────────┘ └────────────────┘ └────────────────┘ │
│ │ │ │ │
│ │ ▼ │ │
│ │ ┌────────────────────┐ │ │
│ └────────────►│ 오케스트레이터 │◄─────────────┘ │
│ │ (메시지 버스) │ │
│ └──────────┬─────────┘ │
│ │ │
│ ┌────────────────────────┴────────────────────────┐ │
│ ▼ ▼ │
│ ┌────────────────┐ ┌────────────────┐ │
│ │ 추론 에이전트 │◄───────────────────────────────►│ 학습 에이전트 │ │
│ ├────────────────┤ ├────────────────┤ │
│ │• LoRA 어댑터 │ │• 자기 평가 │ │
│ │• 태스크 모듈 │ │• 리워드 모델 │ │
│ │• 불확실도 추정 │ │• PPO 학습 │ │
│ └────────────────┘ └────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────────┘

에이전트 구성

1. 모더레이터 에이전트 (Moderator Agent)

2. 지식 큐레이션 에이전트 (Knowledge Curation Agent)

3. 컨텍스트 에이전트 (Context Agent)

4. 추론 에이전트 (Reasoning Agent)

5. 학습 에이전트 (Learning Agent)

설치

# 저장소 클론
git clone https://github.com/cuknlp/agi-framework.git
cd agi-framework
# 가상환경 생성 (권장)
python -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
# 의존성 설치
pip install -r requirements.txt
# 개발 모드 설치
pip install -e .

빠른 시작

기본 사용법

import asyncio
from src.core.orchestrator import AGIFramework
async def main():
 # 시스템 생성 및 시작
 orchestrator = AGIFramework.create_default_system()
 await orchestrator.start()
 
 # 쿼리 처리
 result = await orchestrator.process_request(
 query="딥러닝이란 무엇인가요?",
 session_id="my_session"
 )
 
 print(result)
 
 # 시스템 종료
 await orchestrator.stop()
asyncio.run(main())

개별 에이전트 사용

from src.core.message_bus import MessageBus
from src.agents.knowledge_curation_agent import KnowledgeCurationAgent
# 메시지 버스 생성
bus = MessageBus()
# 지식 에이전트 생성
knowledge_agent = KnowledgeCurationAgent(message_bus=bus)
await knowledge_agent.on_start()
# 지식 추가
node_id = knowledge_agent.add_knowledge(
 label="Large Language Model",
 node_type="concept",
 properties={"acronym": "LLM"}
)
# 지식 검색
results = knowledge_agent.search_knowledge("언어 모델", top_k=5)

예제 실행

# 기본 사용 예제
python examples/basic_usage.py
# 시나리오 기반 데모
python examples/scenario_demo.py
# 테스트 실행
pytest tests/ -v

프로젝트 구조

agi-framework/
├── README.md
├── requirements.txt
├── setup.py
├── config/
│ └── config.yaml # 설정 파일
├── src/
│ ├── __init__.py
│ ├── agents/ # 에이전트 모듈
│ │ ├── base_agent.py
│ │ ├── moderator_agent.py
│ │ ├── knowledge_curation_agent.py
│ │ ├── context_agent.py
│ │ ├── reasoning_agent.py
│ │ └── learning_agent.py
│ ├── core/ # 핵심 모듈
│ │ ├── orchestrator.py
│ │ └── message_bus.py
│ ├── models/ # 모델 모듈
│ │ ├── lora_adapter.py
│ │ └── reward_model.py
│ ├── knowledge/ # 지식 그래프 모듈
│ │ ├── knowledge_graph.py
│ │ └── graph_embeddings.py
│ └── utils/ # 유틸리티
│ └── logging_utils.py
├── tests/ # 테스트
│ ├── test_agents.py
│ └── test_integration.py
└── examples/ # 예제
 ├── basic_usage.py
 └── scenario_demo.py

설정

# 모더레이터 설정
moderator:
 max_planning_steps: 10
 parallel_execution: true
# 지식 큐레이션 설정
knowledge_curation:
 embedding_model: "sentence-transformers/all-MiniLM-L6-v2"
 gnn_model: "GCN"
# 추론 에이전트 설정
reasoning:
 base_model: "meta-llama/Llama-2-7b-hf"
 lora_adapters:
 enabled: true
 rank: 16