MADKE: 지식 강화 다중 에이전트 토론

Multi-Agent Debate with Knowledge Enhancement

개념

MADKE는 Multi-Agent Debate의 발전 버전입니다. 공유 지식 풀을 도입하여 토론 품질을 향상시킵니다.

기존 Multi-Agent Debate의 문제

• 각 에이전트의 배경 지식이 다름
• 같은 정보에 대해 다르게 해석
• 특정 분야 지식 부족 시 토론 품질 저하

문제 예시

[Agent A]
"한국의 GDP는 약 1.6조 달러입니다."

[Agent B]
"아니요, 1.8조 달러입니다."

[Agent C]
"제가 알기로는 1.7조 달러입니다."

→ 각자 다른 시점/출처의 데이터로 불필요한 논쟁

해결책: 공유 지식 풀

    [공유 지식 풀]
    (논문, 팩트, 전문 지식)
         ↑ ↓
    ┌────┼────┐
    |    |    |
 에이전트A  B  C

각 에이전트:
1. 지식 풀에서 관련 정보 검색
2. 그 정보를 바탕으로 토론
3. 새로운 정보는 풀에 추가

프로세스

1. 질문 수신
    ↓
2. 관련 지식 검색
   (각 에이전트가 지식 풀에서 정보 획득)
    ↓
3. 지식 기반 토론
   (동일한 정보를 바탕으로 토론)
    ↓
4. 새로운 발견 저장
   (토론 중 발견한 새 정보를 풀에 추가)
    ↓
5. 최종 답 도출

기존 Debate vs MADKE

	기존 Debate	MADKE
배경 지식	각자 다름	동일한 지식 기반
정보 일관성	불일치 가능	일관된 정보
지식 한계	학습 데이터 범위	외부 지식 접근
토론 품질	변동적	안정적

MADKE 토론 예시

[질문] "2024년 한국 경제 성장률 전망은?"

[지식 풀 검색]
- IMF 보고서: 2.3% 전망
- 한국은행 전망: 2.1%
- OECD 전망: 2.2%

[Agent A - 지식 기반 응답]
"IMF 보고서에 따르면 2.3%로 전망되지만,
한국은행은 더 보수적인 2.1%를 제시했습니다."

[Agent B - 보완]
"OECD 전망 2.2%도 고려하면,
대체로 2.1-2.3% 범위로 수렴합니다.
주요 기관 간 큰 차이가 없습니다."

[최종 답변]
"주요 기관들의 전망을 종합하면
2024년 한국 경제 성장률은 약 2.1-2.3%로
예상됩니다. (출처: IMF, 한국은행, OECD)"

지식 풀 구성

유형	예시
팩트 데이터	통계, 수치, 날짜
전문 지식	논문, 보고서
도메인 지식	의학, 법률, 기술
최신 정보	뉴스, 업데이트

지식 풀 업데이트

토론 중 새로운 정보가 발견되면 풀에 추가:

[토론 중]
Agent A: "최근 연구에 따르면 X라는 새로운 발견이..."

[검증]
Agent B: "출처를 확인해보니 신뢰할 수 있는 논문입니다."

[지식 풀 업데이트]
새로운 팩트 추가: "X 현상 발견 (출처: Nature 2024)"

구현 구조

class MADKE:
    def __init__(self, agents, knowledge_pool):
        self.agents = agents
        self.knowledge_pool = knowledge_pool

    def debate(self, question, max_rounds=3):
        # 1. 관련 지식 검색
        relevant_knowledge = self.knowledge_pool.search(question)

        # 2. 지식 기반 초기 응답
        responses = {}
        for agent in self.agents:
            responses[agent.id] = agent.generate(
                question=question,
                context=relevant_knowledge
            )

        # 3. 토론 라운드
        for round in range(max_rounds):
            for agent in self.agents:
                # 추가 지식 검색 가능
                additional_knowledge = self.knowledge_pool.search(
                    agent.get_query()
                )

                responses[agent.id] = agent.respond(
                    question=question,
                    knowledge=relevant_knowledge + additional_knowledge,
                    others=responses
                )

                # 새로운 정보 발견 시 풀에 추가
                if agent.has_new_finding():
                    self.knowledge_pool.add(agent.new_finding)

        # 4. 최종 답변
        return self.synthesize(responses)

장점

1. 일관성: 모든 에이전트가 같은 정보 기반
2. 정확성: 외부 지식으로 할루시네이션 감소
3. 투명성: 출처 명시 가능
4. 확장성: 지식 풀 확장으로 역량 증가

한계

1. 지식 풀 품질: 잘못된 정보가 있으면 전체에 영향
2. 검색 정확도: 관련 지식을 찾지 못할 수 있음
3. 업데이트 비용: 지식 풀 유지 관리 필요

관련 개념

• Multi-Agent Debate: 기본 토론 구조
• RAG: 지식 검색 기술
• LLM Agent Survey: 협력 구조