Microsoft AutoGen & Semantic Kernel

Microsoft의 두 가지 접근법

Microsoft는 에이전트 시스템을 위해 서로 다른 철학의 두 프레임워크를 제공합니다.

프레임워크	철학	강점
AutoGen	에이전트 간 대화로 문제 해결	동적 멀티에이전트 협업
Semantic Kernel	플러그인 + 플래너로 작업 분해	엔터프라이즈 통합, .NET 지원

---

AutoGen

핵심 개념

AutoGen은 여러 에이전트가 대화를 통해 협력하여 복잡한 문제를 해결하는 프레임워크입니다. 에이전트들은 서로 메시지를 주고받으며 작업을 완성합니다.

import autogen

# LLM 설정
config_list = [{"model": "gpt-4o", "api_key": "..."}]
llm_config = {"config_list": config_list}

# 에이전트 정의
assistant = autogen.AssistantAgent(
    name="Assistant",
    llm_config=llm_config,
    system_message="당신은 시니어 Python 개발자입니다.",
)

# 사용자 프록시 (코드 실행 가능)
user_proxy = autogen.UserProxyAgent(
    name="UserProxy",
    human_input_mode="TERMINATE",  # 완료 키워드 감지 시 종료
    max_consecutive_auto_reply=10,
    code_execution_config={
        "work_dir": "workspace",
        "use_docker": True,  # Docker 샌드박스 사용
    },
)

# 대화 시작
user_proxy.initiate_chat(
    assistant,
    message="피보나치 수열을 계산하는 함수를 작성하고 테스트해주세요",
)

에이전트 대화 흐름:

UserProxy: "피보나치 수열 함수 작성 요청"
Assistant: "다음 코드를 실행해주세요: [코드 블록]"
UserProxy: [코드 실행] → "실행 결과: [출력]"
Assistant: "테스트 코드도 추가합니다: [테스트 코드]"
UserProxy: [테스트 실행] → "모든 테스트 통과. TERMINATE"

GroupChat — 멀티에이전트 협업

GroupChat은 여러 에이전트가 라운드 테이블 형식으로 대화에 참여하는 구조입니다.

# 전문가 에이전트들
coder = autogen.AssistantAgent(
    name="Coder",
    llm_config=llm_config,
    system_message="코드 작성을 담당합니다.",
)

reviewer = autogen.AssistantAgent(
    name="Reviewer",
    llm_config=llm_config,
    system_message="코드 리뷰와 보안 검토를 담당합니다.",
)

tester = autogen.AssistantAgent(
    name="Tester",
    llm_config=llm_config,
    system_message="테스트 작성과 실행을 담당합니다.",
)

user_proxy = autogen.UserProxyAgent(
    name="Manager",
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "workspace"},
)

# GroupChat 구성
groupchat = autogen.GroupChat(
    agents=[user_proxy, coder, reviewer, tester],
    messages=[],
    max_round=20,
    speaker_selection_method="auto",  # LLM이 다음 발언자 선택
)

manager = autogen.GroupChatManager(
    groupchat=groupchat,
    llm_config=llm_config,
)

user_proxy.initiate_chat(manager, message="인증 모듈을 구현해주세요")

speaker_selection_method

auto는 LLM이 대화 흐름을 보고 다음에 발언할 에이전트를 선택합니다. round_robin은 순서대로, random은 무작위로 선택합니다. 복잡한 협업에는 auto가 가장 자연스럽습니다.

---

Semantic Kernel

핵심 개념

Semantic Kernel은 플러그인(Plugin) + 플래너(Planner) 아키텍처를 기반으로 합니다. 플러그인은 에이전트가 사용할 수 있는 기능 단위이고, 플래너는 사용자 목표를 달성하기 위해 플러그인을 조합하는 방법을 결정합니다.

from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion
from semantic_kernel.core_plugins import FileIOPlugin, TextPlugin

kernel = Kernel()

# AI 서비스 등록
kernel.add_service(
    OpenAIChatCompletion(
        service_id="gpt4o",
        ai_model_id="gpt-4o",
    )
)

# 플러그인 등록
kernel.add_plugin(FileIOPlugin(), plugin_name="file")
kernel.add_plugin(TextPlugin(), plugin_name="text")

커스텀 플러그인

from semantic_kernel.functions import kernel_function

class CodeAnalysisPlugin:
    @kernel_function(
        name="analyze_complexity",
        description="코드의 복잡도를 분석합니다",
    )
    def analyze_complexity(self, code: str) -> str:
        # 순환 복잡도 계산
        complexity = calculate_cyclomatic_complexity(code)
        return f"복잡도: {complexity} (권장: 10 이하)"

    @kernel_function(
        name="find_code_smells",
        description="코드 스멜을 감지합니다",
    )
    def find_code_smells(self, code: str) -> str:
        smells = detect_smells(code)
        return "\n".join(smells) if smells else "코드 스멜 없음"

kernel.add_plugin(CodeAnalysisPlugin(), plugin_name="code_analysis")

플래너 — 자동 계획 수립

플래너는 사용자 목표를 받아 어떤 플러그인을 어떤 순서로 실행할지 자동으로 결정합니다.

from semantic_kernel.planners import SequentialPlanner

planner = SequentialPlanner(kernel, service_id="gpt4o")

# 목표를 주면 플래너가 실행 계획 수립
plan = await planner.create_plan(
    "src/auth.py 파일을 읽고 복잡도를 분석한 후 결과를 report.txt에 저장하세요"
)

# 수립된 계획 실행
result = await plan.invoke(kernel)
print(result)

# 플래너가 자동으로 선택한 순서:
# 1. file.read_file(path="src/auth.py")
# 2. code_analysis.analyze_complexity(code=<1번 결과>)
# 3. file.write_file(path="report.txt", content=<2번 결과>)

AutoGen vs Semantic Kernel 비교

항목	AutoGen	Semantic Kernel
실행 모델	에이전트 간 대화	플러그인 조합
언어 지원	Python	Python, C#, Java
강점	동적 협업, 코드 실행	엔터프라이즈, 계획 수립
진입 장벽	낮음	중간
적합한 팀	스타트업, 연구	엔터프라이즈, .NET 팀
Human-in-the-Loop	human_input_mode	플래너 단계 중단

선택 기준

에이전트들이 서로 토론하며 해결책을 찾아야 한다면 AutoGen, 기존 엔터프라이즈 시스템과 통합하거나 .NET 환경이라면 Semantic Kernel을 선택하세요. 두 프레임워크를 혼용하는 것도 가능합니다.

요약

AutoGen은 에이전트 간 자연스러운 대화와 GroupChat을 통한 멀티에이전트 협업에 강점이 있습니다. Semantic Kernel은 플러그인과 플래너를 통한 구조적 작업 분해와 엔터프라이즈 환경 통합에 강점이 있습니다. 두 프레임워크 모두 Microsoft의 공식 지원을 받으며 프로덕션 환경에서 활발히 사용됩니다.