GitHub 오픈소스 탐험

최근 인공지능(AI) 기술이 급격히 발전하면서 다양한 분야에서 AI 에이전트를 활용한 시스템이 주목받고 있습니다. 특히, Microsoft의 Semantic Kernel 프로젝트는 개발자들이 최신 LLM(대형 언어 모델) 기술을 쉽게 통합할 수 있도록 돕는 강력한 SDK입니다. 이 글에서는 Semantic Kernel의 주요 기능과 설치 방법, 기본 사용법을 살펴보며, 실제로 어떻게 활용할 수 있는지 알아보겠습니다.

Semantic Kernel, 무엇인가요?

Semantic Kernel은 모델에 구애받지 않는 SDK로, 개발자가 AI 에이전트 및 멀티 에이전트 시스템을 구축하고 조정할 수 있는 도구를 제공합니다. 간단한 챗봇부터 복잡한 멀티 에이전트 워크플로우까지, Semantic Kernel은 안정성과 유연성을 갖춘 엔터프라이즈급 기능을 제공합니다. 이 프로젝트는 Microsoft의 Agent Framework로 발전하였으며, 기업 환경에서도 안정적으로 사용할 수 있도록 설계되었습니다.

주요 기능

모델 유연성: OpenAI, Azure OpenAI, Hugging Face 등 다양한 LLM과 연결할 수 있습니다.
에이전트 프레임워크: 모듈형 AI 에이전트를 구축할 수 있으며, 도구/플러그인, 메모리, 계획 기능에 접근할 수 있습니다.
멀티 에이전트 시스템: 복잡한 워크플로우를 협업하는 전문 에이전트들로 조정할 수 있습니다.
플러그인 생태계: 기본 코드 함수, 프롬프트 템플릿, OpenAPI 스펙, 모델 컨텍스트 프로토콜(MCP)으로 확장 가능합니다.
벡터 DB 지원: Azure AI Search, Elasticsearch, Chroma 등과의 매끄러운 통합이 가능합니다.
다양한 입력 지원: 텍스트, 비전, 오디오 입력을 처리할 수 있습니다.
로컬 배포: Ollama, LMStudio, ONNX를 사용하여 로컬에서도 실행할 수 있습니다.
프로세스 프레임워크: 복잡한 비즈니스 프로세스를 구조화된 워크플로우로 모델링할 수 있습니다.
엔터프라이즈 준비 완료: 관측성, 보안 및 안정적인 API를 위해 설계되었습니다.

설치 방법

먼저, AI 서비스를 위한 환경 변수를 설정해야 합니다.

Azure OpenAI 사용 시

export AZURE_OPENAI_API_KEY=AAA....

OpenAI 직접 사용 시

export OPENAI_API_KEY=sk-...

Python 설치

pip install semantic-kernel

.NET 설치

dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.SemanticKernel.Agents.Core

Java 설치

Java 사용자는 semantic-kernel-java 빌드 문서를 참조하세요.

기본 사용법

이제 간단한 에이전트를 만들어 보겠습니다. Python을 사용하여 기본적인 에이전트를 설정하는 방법을 알아보겠습니다.

Python에서 기본 에이전트 생성하기

아래의 코드는 기본적인 AI 에이전트를 만드는 예제입니다.

from semantic_kernel import Kernel

# Kernel 인스턴스 생성
kernel = Kernel()

# OpenAI 모델 연결
kernel.add_openai_text_completion_service("my_openai_service", "YOUR_OPENAI_API_KEY")

# 간단한 질문 및 응답
response = kernel.run("my_openai_service", "What is the capital of South Korea?")
print(response)

위 코드는 OpenAI 모델을 사용하여 "한국의 수도는 무엇인가요?"라는 질문에 대한 응답을 출력합니다. 간단하게 AI와 상호작용할 수 있는 구조를 확인할 수 있습니다.

실제 활용 시나리오

Semantic Kernel을 사용하면 고객 지원 시스템, 개인 비서, 교육용 챗봇 등 다양한 분야에서 활용할 수 있습니다. 예를 들어, 고객 지원 챗봇을 구축하려면, 여러 개의 전문 에이전트를 활용하여 고객의 질문에 대한 답변을 더욱 정확하게 제공할 수 있습니다.

고객 지원 챗봇: 다양한 분야에 대한 전문적인 지식을 가진 에이전트를 구축하여, 고객의 질문에 실시간으로 답변을 제공할 수 있습니다.
개인 비서: 사용자 일정 관리, 이메일 확인, 알림 설정을 통해 개인 비서 역할을 수행하는 에이전트를 만들 수 있습니다.
교육 플랫폼: 학생들이 질문을 올리면, 해당 분야의 전문 에이전트가 답변하도록 설정하여 학습 효율성을 높일 수 있습니다.

비슷한 도구와 비교

Semantic Kernel은 유사한 기능을 제공하는 여러 도구와 비교했을 때, 특히 멀티 에이전트 시스템에 강점이 있습니다. 예를 들어, OpenAI의 API는 단일 모델에 집중하는 반면, Semantic Kernel은 다양한 모델과 에이전트를 통합하여 복잡한 워크플로우를 처리할 수 있도록 설계되었습니다.

요즘 뜨는 AI 에이전트 개발, Microsoft Semantic Kernel로 쉽게 시작하자