본 논문은 콜드 스타트 상황에서 멀티 모달 정보를 활용하고 LLM의 추론 능력을 기반으로 하는 에이전트 개념을 도입하여 추천 시스템의 한계를 극복하고자 한다. 특히, 음식 및 음료 추천 시스템에 특화된 연구로, 그래프 데이터베이스를 활용한 Agentic Retrieval-Augmented Generation (RAG) 기반의 멀티 모달, 멀티 태스크 칵테일 추천 시스템 MARC를 제안한다. MARC는 태스크 인식 라우터와 반사 과정을 통해 고품질의 답변을 생성하며, Kaggle의 칵테일 데이터를 기반으로 구축된 그래프 데이터베이스를 사용한다. 수동으로 제작된 200개의 질문을 통해 LLM-as-a-judge와 인간 평가를 실시하여, 그래프 데이터베이스 기반의 답변이 단순 벡터 데이터베이스보다 우수한 품질을 보임을 입증했다.
