SLM 기반 Agentic AI: Planner–Caller–Generator 구조 설계와 성능 분석

SLM 기반 Agentic AI: P–C–G 구조 설계

• LLM의 비용, 지연, 자원 소모 문제 해결을 위해 SLM(경량 언어모델) 기반 Agentic AI 구조가 제안됨.
• 한컴은 **Planner–Caller–Generator(P–C–G)**라는 역할을 분리한 효율적인 구조를 설계.
• 기존 단일 모델 방식의 한계를 극복, 모듈별 역할 분리로 효율성과 확장성을 확보. P–C–G 구조의 작동 원리 및 평가
• P–C–G는 Planner의 초기 계획 후 Caller가 도구를 호출하고 Generator가 응답을 생성하는 모듈 분리 방식.
• 기존 ReAct와 달리, 불필요한 반복 재계획을 최소화하여 토큰 사용량과 지연 시간을 절감.
• 한국어 환경에 최적화된 데이터셋으로 Call Accuracy, Generate Accuracy, Task Success Rate(TSR) 등을 평가. 주요 실험 결과 및 연구 의의
• P–C–G는 SLM 기반임에도 GPT-4o-mini 수준의 TSR을 달성, 평균 토큰 사용량을 12~22% 절감.
• Single-chain, Multi-chain, Missing Functions 시나리오에서 안정적 성능과 제약 인식 능력을 확인.
• 이 연구는 '작지만 구조적으로 강한 AI'의 가능성을 실증, 한국어 서비스를 위한 비용 효율적이고 실용적인 Agentic AI 대안을 제시.