개인 지능을 넘어서: LLM 기반 멀티 에이전트 시스템에서 협업, 실패 귀인, 자기 진화에 대한 조사

초록

LLM 기반 자율 에이전트는 추론, 계획, 도구 사용에서 강력한 역량을 보여주지만, 역할, 도구, 환경 전반에 걸친 지속적인 조정이 필요한 작업에서는 여전히 한계를 지닌다. 다중 에이전트 시스템은 전문 에이전트 간의 구조화된 협력을 통해 이를 해결하지만, 긴밀한 조정은 덜 탐구된 위험을 증폭시킨다. 즉, 에이전트와 상호작용 라운드 사이에서 오류가 전파되어 진단이 어렵고 구조적 자기 개선으로 거의 이어지지 않는 실패를 초래한다는 점이다. 기존의 조사 연구들은 개별 에이전트 역량, 다중 에이전트 협력, 또는 에이전트 자기 진화를 각각 별도로 다루어, 이들 간의 인과적 의존성을 검토하지 못했다. 본 조사는 LIFE 진행(LIFE progression)이라 명명한 네 가지 인과적으로 연결된 단계를 중심으로 한 통합적 리뷰를 제공한다: 역량 기반 구축(Lay the capability foundation), 협력을 통한 에이전트 통합(Integrate agents through collaboration), 귀인을 통한 오류 발견(Find faults through attribution), 자율적 자기 개선을 통한 진화(Evolve through autonomous self-improvement). 각 단계에 대해 체계적인 분류 체계를 제시하고 인접 단계 간 의존성을 공식적으로 특성화함으로써, 각 단계가 다음 단계에 어떻게 의존하고 제약하는지 밝힌다. 기존 연구를 종합하는 것 외에도, 우리는 단계 경계에서의 미해결 과제를 식별하고, 폐루프 다중 에이전트 시스템을 위한 단계 간 연구 의제를 제안한다. 이는 지속적으로 실패를 진단하고, 구조를 재조직하며, 에이전트 행동을 정제함으로써 현재의 조정 프레임워크를 보다 자기 조직화 형태의 집단 지능으로 확장하는 것을 목표로 한다. 이전까지 분리된 연구 흐름들을 연결함으로써, 본 조사는 자율적이고 자기 개선적인 다중 에이전트 지능을 향한 체계적 참고 자료이자 개념적 로드맵을 제공하고자 한다.

English

LLM-based autonomous agents have demonstrated strong capabilities in reasoning, planning, and tool use, yet remain limited when tasks require sustained coordination across roles, tools, and environments. Multi-agent systems address this through structured collaboration among specialized agents, but tighter coordination also amplifies a less explored risk: errors can propagate across agents and interaction rounds, producing failures that are difficult to diagnose and rarely translate into structural self-improvement. Existing surveys cover individual agent capabilities, multi-agent collaboration, or agent self-evolution separately, leaving the causal dependencies among them unexamined. This survey provides a unified review organized around four causally linked stages, which we term the LIFE progression: Lay the capability foundation, Integrate agents through collaboration, Find faults through attribution, and Evolve through autonomous self-improvement. For each stage, we provide systematic taxonomies and formally characterize the dependencies between adjacent stages, revealing how each stage both depends on and constrains the next. Beyond synthesizing existing work, we identify open challenges at stage boundaries and propose a cross-stage research agenda for closed-loop multi-agent systems capable of continuously diagnosing failures, reorganizing structures, and refining agent behaviors, extending current coordination frameworks toward more self-organizing forms of collective intelligence. By bridging these previously fragmented research threads, this survey aims to offer both a systematic reference and a conceptual roadmap toward autonomous, self-improving multi-agent intelligence.