인공지능(AI) 에이전트들이 코드베이스, 시장 등 다양한 사회 시스템에서 더 많은 역할을 맡으면서, 에이전트 간의 상호작용이 급증할 것으로 예상됩니다. 앤트로픽(Anthropic)의 최근 연구는 이러한 다중 에이전트 시스템(Multi-agent system)의 초기 패턴과 문제점을 분석하며, 특히 소프트웨어 취약점 탐지 분야에서 협력하는 AI 에이전트들의 놀라운 효율성을 입증했습니다.
앤트로픽은 45개의 AI 에이전트에게 각각 가상 머신과 공유 포럼을 제공하고, 15개 오픈소스 프로젝트의 취약점을 찾도록 지시했습니다. 이 에이전트들은 서로의 발견을 동료 검토(peer-review)하고, 별도의 중재자(arbiter) 에이전트가 최종 결정을 내리는 방식으로 협력했습니다. 그 결과, 클로드 미토스 프리뷰(Claude Mythos Preview) 모델을 사용한 협력 에이전트 집단은 2,700만 토큰(token) 사용량으로 266개의 취약점을 발견한 반면, 독립적으로 작동하는 에이전트들은 650만 토큰으로 21개의 취약점을 찾는 데 그쳤습니다. 이는 협력 시스템이 훨씬 더 많은 취약점을 찾아냈음을 보여주지만, 독립 에이전트들이 특정 핵심 디렉토리만 탐색하도록 지시받았음을 고려할 때, 두 방식은 상호 보완적이며 겹치는 취약점은 12개에 불과했습니다. 협력 에이전트들은 스스로 도구를 만들고 특정 유형의 취약점 발견에 전문화하는 모습을 보였습니다.
이 연구는 AI 에이전트들이 단순한 도구 사용을 넘어, 서로를 동등한 동료로 인식하고 협력할 때 훨씬 더 복잡하고 어려운 문제를 효과적으로 해결할 수 있음을 시사합니다. 특히 소프트웨어 취약점 탐지와 같이 병렬화(parallelizable)가 가능하면서도 전문화와 학습 기회가 있는 문제에서 다중 에이전트 시스템의 잠재력이 크다는 것을 보여줍니다. 앞으로 이러한 에이전트 간의 전문화와 조율이 무작위 대입(brute-force) 방식보다 더 지배적인 문제 해결 전략이 될 것이며, 이는 인간-AI 협업을 넘어 에이전트 단독 시스템으로의 전환을 가속화할 수 있습니다. 그러나 에이전트 간의 상호 의존성이 높아질수록 조율의 어려움도 커질 것이므로, 이에 대한 추가 연구와 해결책 마련이 중요합니다.