JVM 위에서 LLM과 기존 코드를 섞어 에이전트 흐름을 만드는 프레임워크
자바나 코틀린으로 작성한 기존 비즈니스 로직과 LLM의 추론 능력을 하나의 흐름으로 엮어 복잡한 작업을 처리하는 방법을 배울 수 있습니다. 이 도구는 개발자가 직접 모든 분기 로직을 코드로 작성하지 않아도, 시스템이 목표에 도달하기 위한 최적의 경로를 찾아 실행합니다. Spring 생태계의 강점을 살려 엔터프라이즈 환경에서 에이전트 시스템을 구축하려는 개발자에게 적합합니다.
동적 계획과 도메인 모델 기반 설계
이 프레임워크는 에이전트의 행동을 '액션', '목표', '조건'이라는 세 가지 개념으로 모델링합니다. 개발자는 도메인 객체를 정의하고 각 액션이 어떤 조건에서 실행되며 어떤 목표를 달성하는지 선언만 하면 됩니다. 시스템은 GOAP(목표 지향 행동 계획) 알고리즘을 사용해 현재 상태와 목표를 분석하고, 필요한 액션의 순서를 동적으로 결정합니다. 각 액션 실행 후 조건을 재평가하여 새로운 정보에 맞춰 계획을 수정하므로, 정해진 시나리오에 갇히지 않고 유연하게 대응할 수 있습니다. 이러한 구조 덕분에 기존 코드를 수정하지 않고도 새로운 도메인 객체나 액션을 추가해 시스템의 기능을 확장할 수 있습니다.
Spring 기반 개발 경험과 타입 안전성
Spring의 의존성 주입과 AOP 기능을 그대로 활용할 수 있어 기존 엔터프라이즈 애플리케이션과 통합이 쉽습니다. 액션과 목표는 도메인 모델에 기반하므로 모든 데이터는 강하게 타입 지정되며, LLM 프롬프트와 수동으로 작성한 코드 간의 상호작용이 명확합니다. 자바와 코틀린 모두 지원하며, 애너테이션 기반 모델이나 코틀린 DSL을 사용해 흐름을 정의할 수 있습니다. LLM 호출 시 사용할 모델이나 온도와 같은 하이퍼파라미터를 코드에서 직접 제어할 수 있어 테스트와 디버깅이 용이합니다. Spring AI를 저수준 API로 보고 있다면, 이 도구는 더 높은 수준의 추상화를 제공하여 복잡한 요구사항을 표현하고 테스트하기 쉽게 만듭니다.
실행 모드와 플랫폼 추상화
에이전트 플랫폼은 사용자의 의도에 따라 세 가지 실행 모드를 지원합니다. 'Focused' 모드는 특정 에이전트를 명시적으로 호출하는 코드로 주도되는 흐름에 적합합니다. 'Closed' 모드는 입력된 의도를 분류해 적절한 에이전트를 선택하지만, 해당 에이전트 내에서 정의된 액션만 실행합니다. 'Open' 모드는 플랫폼이 알고 있는 모든 목표를 검토하고, 필요한 액션과 조건을 조합해 맞춤형 에이전트를 구성하여 목표를 달성하려 합니다. Open 모드는 가장 강력하지만 결정성이 낮으며, 개발자가 예상하지 못한 새로운 경로를 발견할 수도 있습니다. 플랫폼 내부 구조와 프로그래밍 모델이 분리되어 있어 로컬 개발 환경과 프로덕션 환경 간 전환 시 애플리케이션 코드를 변경할 필요가 없습니다.
도입 전 확인 사항
이 도구를 도입하려면 Maven이 설치된 환경과 OPENAI_API_KEY가 필수이며, 특정 예제를 실행하려면 ANTHROPIC_API_KEY도 필요합니다. MCP(MCP) 도구 사용 시 Docker Desktop 버전 4.43.2 이상이 요구됩니다. 프로젝트는 Spring 기반이며, JVM 생태계의 기존 인프라와 잘 어울리지만 Python 기반의 에이전트 프레임워크와는 접근 방식이 다릅니다. Open 모드의 경우 결과가 비결정적일 수 있으므로, 중요한 비즈니스 로직에서는 Focused 또는 Closed 모드를 고려하거나 GoalChoiceApprover를 통해 목표 선택을 제한하는 것이 좋습니다. 현재 자연어 기반 액션과 목표 배포는 개발 중이며, 코딩 에이전트는 상용 솔루션이 더 성숙하다고 판단해 자체 플랫폼 사용을 권장하지 않는다는 점을 참고해야 합니다.
