# \#llama-agents

**URL:** https://discuss.pytorch.kr/tag/llama-agents/3361.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [llama-agents, 멀티 에이전트 시스템 구축을 위한 비동기 프레임워크(async framework)](https://discuss.pytorch.kr/t/llama-agents-async-framework/4723)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 1, 2024, 9:34오전 UTC](https://discuss.pytorch.kr/t/llama-agents-async-framework/4723 "2024-07-01T09:34:41Z")

</div>

llama-agents 소개 llama-agents는 멀티 에이전트 시스템(MAS, Multi-Agents System)을 구축, 개발 및 배포를 위한 비동기 프레임워크입니다. llama-agents 프레임워크를 사용하여 복잡한 에이전트 기반 시스템을 간단하게 구축할 수 있으며, 멀티 에이전트들 간의 통신, 분산 도구 실행, 인간 개입 등을 포함한 다양한 기능을 제공하여 개발자들이 보다 효율적으로 작업을 수행할 수 있도록 돕습니다. llama-agents는 각 에이전트를 끝없이 들어오는 작업을 처리하는 각각의 서비스(service)로 간주합니다. 각 에이전트는 메시지 큐(message queue)에서 처리할 메시지를 가져오거나 집어넣습니다. 이러한 시스템의 최상단에는 컨트롤 플레인(control plane)이 있습니다. 컨트롤 플레인은 진행 중인 작업을 추적하고, 네트워크에 있는 서비스를 관리하며, 오케스트레이터(orchestrator)를 사용하여 다음 작업을 처리할 서비스를 결정합니다. llama-agents와 비슷한 다른 프레임워크로는 Ray와 Celery가 있습니다. Ray는 분산 컴퓨팅을 위한 파이썬 기반 프레임워크로, 대규모 병렬 및 분산 애플리케이션을 쉽게 구축할 수 있습니다. Celery는 비동기 작업 큐를 지원하는 분산 시스템으로, 주로 백그라운드 작업 처리에 사용됩니다. llama-agents는 이들과 달리 멀티 에이전트 시스템에 특화되어 있으며, 에이전트 간의 통신과 분산 도구 실행에 중점을 둡니다. 주요 기능 비동기 처리: llama-agents는 비동기 우선 프레임워크로, 높은 처리량과 확장성을 제공합니다. 멀티 에이전트 시스템: 각 에이전트를 서비스로 간주하며, 메시지 큐를 통해 에이전트 간의 통신을 지원합니다. 제어 평면(control plane): 진행 중인 작업을 추적하고, 작업의 다음 단계를 처리할 서비스를 결정합니다. 오케스트레이터(orchestrator): 작업을 처리할 서비스를 결정하고, 서비스…
