AgenticIR(Agentic Information Retrieval)는 LLM 기반 에이전트가 자율적으로 IR 워크플로우를 계획하고 실행하는 모듈형 프레임워크입니다. 쿼리 생성자, 문서 검색기, 요약기 등의 에이전트 역할을 정의하고, 이를 사용자 지정 가능한 시퀀스에서 실행할 수 있습니다. 에이전트는 원시 텍스트를 수집하고, 중간 결과를 바탕으로 쿼리를 개선하며, 추출된 구절을 간결한 요약으로 병합할 수 있습니다. 이 프레임워크는 반복적 웹 검색, API 기반 데이터 수집, 로컬 문서 파싱 등 다단계 파이프라인을 지원합니다. 개발자는 에이전트 파라미터를 조정하고, 다양한 LLM을 통합하며, 동작 정책을 세밀하게 조정할 수 있습니다. 또한, 로그 기록, 오류 처리, 병렬 에이전트 실행을 제공하여 대규모 정보 수집이 즉각적으로 가능합니다. 최소한의 코드로 연구자와 엔지니어는 자율 검색 시스템의 프로토타입 제작 및 배포가 가능합니다.

AI-Creator는 자연어로 상호작용하고 외부 도구를 활용하는 작업을 수행할 수 있는 AI 에이전트 생성을 위한 유연한 구조를 제공합니다. 이는 프롬프트 관리, 사유 체인, 세션 메모리 및 커스터마이징 가능한 파이프라인 모듈을 포함합니다. 개발자는 간단한 JSON 또는 코드 구성으로 에이전트 행동을 정의하고, API와 데이터베이스를 도구로 통합하며, 웹 서비스 또는 CLI 앱으로 배포할 수 있습니다. 이 프레임워크는 확장성과 모듈성을 지원하여 챗봇, 가상 비서, 전문화된 디지털 워커의 프로토타입 작성에 적합합니다.

이 저장소는 택시 콜센터를 시뮬레이션하는 맞춤형 다중 에이전트 프레임워크를 제공합니다. 고객이 승차를 요청하는 CustomerAgent, 근접성을 기반으로 운전자를 선택하는 DispatchAgent, 배정을 확인하고 상태를 업데이트하는 DriverAgent, 결제 및 메시지를 담당하는 NotificationAgent로 구성됩니다. 에이전트는 OpenAI GPT 호출과 메모리를 사용하는 조율 루프를 통해 비동기 대화, 오류 처리, 로깅이 가능하며, 개발자는 에이전트 프롬프트를 확장하거나 조정하며 실시간 시스템과 통합하여 대화형 AI 기반 고객 서비스 및 배차 워크플로우를 빠르게 프로토타입할 수 있습니다.