Agents Mar 31, 2026

멀티에이전트 시스템 — 여러 AI가 협력하는 의료 팀

…

한줄 요약

단일 에이전트가 모든 것을 처리하는 데는 한계가 있다. 멀티에이전트 시스템은 Orchestrator가 작업을 분배하고 전문 에이전트들이 병렬로 처리하는 구조로, 의료처럼 다학제 협업이 필요한 영역에 적합하다.

단일 에이전트의 한계

하나의 에이전트에 모든 것을 맡기면:

컨텍스트 초과 — 진단 + 약물 + 문서 작업을 동시에 처리하면 토큰 한계에 금방 도달한다
전문성 희석 — “모든 것을 아는 에이전트”는 각 분야에서 깊이가 부족해진다
단일 실패점 — 에이전트 하나가 오류를 내면 전체 워크플로우가 멈춘다
병렬 처리 불가 — 순차 실행으로 인한 속도 저하

Orchestrator + Specialist 패턴

[Orchestrator Agent]
사용자 요청을 받아 작업을 분배하고 최종 결과를 취합

        ↓             ↓             ↓
[진단 에이전트]  [약물 에이전트]  [문서 에이전트]
감별진단 생성    상호작용 확인    SOAP 노트 작성
가이드라인 검색  용량 계산       퇴원 요약 작성

Orchestrator는 지시만 내리고, 각 Specialist는 자기 도메인만 처리한다.

Python 구현 — CrewAI 스타일

from crewai import Agent, Task, Crew, Process

# Specialist 에이전트 정의
diagnostic_agent = Agent(
    role="임상 진단 전문가",
    goal="환자 증상과 병력을 분석하여 감별진단 목록을 작성한다",
    backstory="내과 전문의 수준의 진단 능력을 갖춘 AI 에이전트",
    tools=[search_guideline_tool, generate_ddx_tool],
    verbose=True
)

pharmacology_agent = Agent(
    role="임상 약학 전문가",
    goal="약물 상호작용 확인 및 용량 조정 권고를 제공한다",
    backstory="약물 데이터베이스와 신기능/간기능 기반 용량 조정 전문 에이전트",
    tools=[check_interaction_tool, calculate_dose_tool],
    verbose=True
)

documentation_agent = Agent(
    role="의무기록 전문가",
    goal="진료 정보를 SOAP 형식으로 구조화하여 문서를 작성한다",
    backstory="EMR 기록 작성 및 의학 문서화 전문 에이전트",
    tools=[write_soap_tool, format_discharge_summary_tool],
    verbose=True
)

# Task 정의
diagnose_task = Task(
    description="환자 {patient_info}를 분석하여 감별진단 3가지를 제시하라",
    expected_output="우선순위가 매겨진 감별진단 목록과 근거",
    agent=diagnostic_agent
)

medication_task = Task(
    description="진단 결과를 바탕으로 처방 초안과 상호작용 확인 결과를 제공하라",
    expected_output="처방 초안 + 상호작용 경고 목록",
    agent=pharmacology_agent,
    context=[diagnose_task]  # 진단 결과를 입력으로 받음
)

document_task = Task(
    description="진단과 처방 정보로 SOAP 노트를 작성하라",
    expected_output="완성된 SOAP 노트 초안",
    agent=documentation_agent,
    context=[diagnose_task, medication_task]
)

# Crew 실행
medical_crew = Crew(
    agents=[diagnostic_agent, pharmacology_agent, documentation_agent],
    tasks=[diagnose_task, medication_task, document_task],
    process=Process.sequential  # 또는 Process.hierarchical
)

result = medical_crew.kickoff(inputs={"patient_info": patient_data})

주요 멀티에이전트 프레임워크 비교

프레임워크	특징	의료 적합성
CrewAI	역할 기반, 직관적 API	높음 — 다학제팀 모델링에 적합
AutoGen	Microsoft, 에이전트 대화 자동화	중간 — 연구용으로 활발
LangGraph	그래프 기반 상태 머신	높음 — 복잡한 분기 로직 구현 가능
Claude Agent SDK	Anthropic 공식, Tool Use 중심	높음 — Claude 사용 시 최적

에이전트 간 통신 프로토콜

에이전트들은 구조화된 형식으로 메시지를 주고받아야 한다.

from dataclasses import dataclass
from typing import Optional

@dataclass
class AgentMessage:
    sender: str          # "diagnostic_agent"
    receiver: str        # "pharmacology_agent"
    task_id: str         # 추적용 ID
    content: dict        # 실제 데이터
    confidence: float    # 0.0 ~ 1.0
    requires_review: bool = False  # 사람 검토 필요 여부

# 진단 에이전트 → 약물 에이전트
msg = AgentMessage(
    sender="diagnostic_agent",
    receiver="pharmacology_agent",
    task_id="visit_20260331_001",
    content={
        "primary_diagnosis": "Type 2 Diabetes Mellitus",
        "icd10": "E11.9",
        "suggested_medications": ["metformin", "empagliflozin"]
    },
    confidence=0.85
)

# 확신도 낮으면 사람 검토 요청
if msg.confidence < 0.7:
    msg.requires_review = True
    escalate_to_physician(msg)

의료 멀티에이전트의 주의사항 — 책임 소재

멀티에이전트에서 가장 중요한 윤리적 문제는 책임 소재다.

진단 에이전트가 틀린 진단을 내리고, 약물 에이전트가 그것을 기반으로 처방 초안을 작성했다면 책임은 누구에게 있는가?
법적 답은 명확하다: 처방에 서명한 의사가 책임을 진다
따라서 에이전트의 모든 출력에는 “AI 초안 — 의사 검토 필요” 레이블이 붙어야 한다
각 에이전트의 행동은 감사 로그에 기록되어야 한다

핵심 정리

단일 에이전트의 컨텍스트 한계, 전문성 희석 문제를 멀티에이전트로 해결한다
Orchestrator는 지시·조율만, Specialist는 자기 도메인에만 집중하는 구조가 효율적이다
CrewAI, LangGraph는 의료 워크플로우 모델링에 적합한 프레임워크다
에이전트 간 메시지에는 확신도(confidence)와 검토 필요 플래그를 포함해야 한다
멀티에이전트 환경에서도 최종 의료 책임은 의사에게 있다

#cu2604021805#에이전트#의료AI#LLM#multi-agent-system