통신 네트워크의 규모와 복잡성이 증가함에 따라 효과적인 관리, 운영 및 최적화가 어려워지고 있다. 기존 AI 모델은 범위가 좁고, 대량의 레이블 데이터를 필요로 하며, 서로 다른 환경에서 일반화하는 데 어려움을 겪는다. 본 논문에서는 이러한 한계를 해결하기 위해, LLM을 활용하여 자동화된 네트워크 문제 해결을 위한 에이전트 기반 워크플로우를 사용하는 다중 에이전트 시스템(MAS)을 제안한다. AI/ML 기반 모니터가 결함을 감지하면 오케스트레이터, 솔루션 플래너, 실행자, 데이터 검색기, 근본 원인 분석기와 같은 에이전트가 활성화되어 문제를 진단하고 짧은 시간 내에 해결 전략을 제시한다. 특히, 도메인 기반 솔루션 계획을 생성하기 위해 SLM을 자체 문제 해결 문서에 fine-tuning했다. 실험 결과는 제안된 프레임워크가 RAN 및 코어 네트워크 도메인에서 문제 해결 자동화를 크게 가속화함을 보여준다.
