본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 아키텍처와 구현 방법을 검토한다. 실제 세계 작업에서 기존 LLM의 한계를 극복하기 위해, 복잡한 작업을 자동화하고 인간 능력과의 격차를 좁힐 수 있는 "에이전트형" LLM 개발 패턴을 탐구한다. 주요 구성 요소로는 환경 인식을 의미 있는 표현으로 변환하는 지각 시스템, Chain-of-Thought 및 Tree-of-Thought와 같은 다양한 기술을 통해 계획을 세우고 피드백에 적응하며 작업을 평가하는 추론 시스템, 단기 및 장기 메커니즘을 통해 지식을 유지하는 기억 시스템, 내부 결정을 구체적인 행동으로 변환하는 실행 시스템이 포함된다. 이러한 시스템을 통합하면 자율적이고 지능적인 행동을 위해 인간의 인지 과정을 모방하는 더 강력하고 일반화된 소프트웨어 봇이 생성된다.
