본 논문은 LLM(대규모 언어 모델) 기반의 다중 에이전트 협업 시스템인 PharmAgents를 소개한다. PharmAgents는 표적 발견부터 전임상 평가까지의 전체 신약 개발 워크플로우를 시뮬레이션하여, 설명 가능한 LLM 기반 에이전트와 머신러닝 모델, 컴퓨팅 도구를 통합한다. 구조화된 지식 교환 및 자동화된 최적화를 통해 잠재적 치료 표적을 식별하고, 유망한 선도 화합물을 발견하며, 결합 친화력 및 주요 분자적 특성을 향상시키고, 독성 및 합성 가능성에 대한 in silico 분석을 수행한다. 또한, 해석 가능성, 에이전트 상호 작용 및 자기 진화를 지원하여 이전 경험을 바탕으로 향후 약물 설계를 개선한다. 이는 LLM 기반 다중 에이전트 시스템이 신약 개발에 적용될 수 있는 새로운 패러다임을 제시하며, 향후 포괄적인 약물 수명 주기 관리로 확장될 가능성을 보여준다.