LangGraph 없이 구축한 자율형 B2B 영업 에이전트 파이프라인

실용적 조언

복잡한 프레임워크 도입 전, 구조화된 데이터 입출력만으로 워크플로우를 단순화할 수 있는지 검토하라.
에이전트 간 데이터 전달 시 JSON Schema 등을 활용하여 파싱 오류를 방지하라.
독립적인 작업은 병렬 에이전트 구조로 설계하여 전체 실행 시간을 단축하라.

섹션별 상세

LangGraph와 같은 고수준 프레임워크를 사용하지 않고도 복잡한 에이전트 워크플로우를 구현했다. 프레임워크의 추상화 계층을 줄이는 대신 구조화된 I/O를 직접 관리하여 시스템의 투명성과 제어권을 높였다. 이는 라이브러리의 제약에서 벗어나 개발자가 의도한 대로 정밀하게 흐름을 제어할 수 있게 한다.

Researcher 에이전트는 다회차(multi-turn) 추론을 통해 검색, 스크래핑, 쿼리 수행 여부를 스스로 결정한다. 이는 고정된 시퀀스가 아니라 수집된 정보의 상태에 따라 동적으로 다음 행동을 선택하는 자율성을 가진다. 에이전트가 필요한 정보를 충분히 얻을 때까지 스스로 루프를 돌며 작업을 완수한다.

수집된 정보를 바탕으로 Analyst와 Architect 에이전트가 병렬로 작업을 수행한다. 한 에이전트는 딜 스코어링을 담당하고 다른 에이전트는 제안서를 작성함으로써 전체 파이프라인의 처리 효율을 극대화했다. 순차적 처리에 비해 전체 실행 시간을 대폭 단축하는 아키텍처를 채택했다.

정규표현식(Regex)을 이용한 텍스트 파싱을 완전히 배제했다. LLM의 출력을 구조화된 데이터 형식으로 강제하여 파이프라인 간 데이터 전달 과정에서 발생할 수 있는 오류를 원천적으로 차단했다. 이는 프로덕션 환경에서 에이전트 시스템의 신뢰성을 확보하는 데 결정적인 역할을 한다.

용어 해설

에이전트 워크플로우(Agentic Workflow): — AI가 주어진 목표를 달성하기 위해 필요한 도구를 선택하고, 실행 계획을 수립하며, 실제 작업을 자율적으로 수행하는 작업 방식이다. 단순한 챗봇을 넘어 복잡한 업무를 스스로 완수할 수 있게 하여 자동화의 수준을 높인다.
구조화된 입출력(Structured I/O): — JSON Schema 등을 활용하여 LLM의 입출력 형식을 엄격하게 정의하고 강제하는 기법이다. 정규표현식 없이도 데이터를 정확하게 파싱할 수 있게 하며, 여러 에이전트 간의 데이터 전달 안정성을 획기적으로 개선한다.
오케스트레이션(Orchestration): — 여러 개의 AI 에이전트나 외부 서비스들이 협업할 때, 이들의 실행 순서와 데이터 흐름을 체계적으로 관리하고 조정하는 설계 방식이다. 복잡한 파이프라인에서 각 구성 요소가 조화롭게 작동하도록 돕는 핵심 기술이다.
다회차 추론(Multi-turn): — 사용자나 시스템과의 한 번의 상호작용으로 끝나지 않고, 이전 단계의 결과를 바탕으로 다음 행동을 결정하며 여러 차례 대화를 이어가는 추론 과정이다. 복잡한 정보를 탐색하고 검증해야 하는 자율 에이전트의 핵심 역량이다.

언급된 도구

LangGraph중립

에이전트 오케스트레이션 및 워크플로우 관리

언급된 리소스

GitHubagentic_outreach_pipeline GitHub Repository