역할만 봐서는 차이를 명확하게 구분하기 어렵죠? 다음 표를 통해 LLM, RAG, AI 에이전트의 차이를 다시 살펴보겠습니다.
▼ 표 3-3 LLM, RAG, AI 에이전트의 차이
|
구분 |
LLM |
RAG |
AI 에이전트 |
|
핵심 역할 |
텍스트 생성 |
검색+생성 |
작업 계획+실행+재계획 |
|
구성 요소 |
단일 LLM |
LLM+검색 엔진 |
LLM+계획+메모리+실행 |
|
정보 출처 |
훈련 데이터만 사용 |
훈련 데이터+검색 데이터 |
훈련 데이터+웹 검색+작업 결과 |
|
실시간 정보 |
X |
웹에서 실시간 검색 |
웹 검색, 작업 실행 |
|
목표 지향성 |
단일 질문에 대한 응답만 |
단일 질문에 대한 응답만 |
사용자 목표에 맞춰 스스로 작업 실행 |
|
대표 예시 |
ChatGPT, 클로드 |
RAG(LangChain) |
AutoGPT, 랭체인 에이전트 |
LLM, RAG, AI 에이전트의 차이가 조금 명확해졌나요? 세 요소의 차이를 좀더 명확하게 구분할 수 있도록 사례를 살펴보겠습니다. 먼저 LLM만 사용하는 사례입니다.
프롬프트
질문: "2025년 미국 대통령이 누구인가요? 그의 주요 경제 정책 세 가지를 알려주고, 정책의 시장 반응을 조사해주세요."