Kasal 소개

에이전틱 AI 시스템은 점점 더 많은 조직에서 도입되고 있습니다. 생산성을 높이고 반복적인 작업으로부터 사람들을 해방시킵니다. 이러한 시스템이 더욱 성숙해져 프로덕션 단계로 넘어가면서, 기업은 자율적으로 작동하고 우리를 대신하여 더 나은 의사 결정을 내리는 능력을 통해 엄청난 가치를 얻게 될 것입니다.

그러나 에이전틱 AI 도입이 증가함에 따라 새로운 과제가 나타나고 있습니다. 그중 하나는 숙련된 인재의 부족입니다. 효과적인 에이전틱 시스템을 구축하고 관리하려면 심층적인 기술 전문 지식이 필요하며, 숙련된 AI 엔지니어에 대한 수요가 빠르게 증가하고 있습니다. 또 다른 과제는 전문가들이 이 분야의 기술, 프레임워크, 도구의 끊임없는 발전을 따라가는 것이 점점 더 어려워지고 있다는 점입니다.

Kasal 은 이러한 과제들을 해결하기 위해 개발되었습니다. 다양한 수준의 사용자가 직관적인 시각적 인터페이스를 통해 효과적인 에이전트 AI 시스템을 설계, 개발 및 배포할 수 있도록 지원하는 에이전트 기반 플랫폼입니다. 비전문가도 Kasal의 직관적인 UI를 활용하여 특정 요구사항에 맞게 정교한 에이전트 AI 시스템을 구축할 수 있습니다. 전문가는 Kasal을 사용하여 빠르게 시작하고 나중에 에이전트를 코드로 내보내 더 심층적인 맞춤화 및 개발을 할 수 있습니다.

Kasal의 목표는 엔터프라이즈 환경 내에서 전문가와 비전문가 모두를 위해 에이전틱 AI를 대중화하는 것입니다.

Kasal이란 무엇인가요

Kasal은 단일 및 다중 에이전트 워크플로를 설계, 실행, 관찰하기 위한 UI 우선 프레임워크입니다. 복잡한 오케스트레이션 코드를 수동으로 작성하는 대신, 시각적 캔버스에 에이전트를 끌어다 놓거나 대화형 어시스턴트를 통해 원하는 것을 간단히 설명할 수 있습니다. Kasal이 자동으로 워크플로를 구축해 줍니다. 그런 다음 도구를 연결하고 에이전트를 실행하며 실시간으로 그 동작을 관찰할 수 있습니다. 내부적으로 Kasal은 AI 에이전트를 생성하고 오케스트레이션하기 위한 오픈 소스 Python 프레임워크인 CrewAI를 사용하지만, 인증, 배포, 모니터링을 관리하는 Databricks 친화적인 애플리케이션 레이어로 이를 래핑합니다. 이는 시각적으로 설계한 동일한 플로를 최소한의 노력으로 프로덕션에 적용할 수 있음을 의미합니다. 생성된 플로우는 코드로 내보낼 수도 있어 AI 엔지니어가 필요에 따라 추가로 개선하거나 확장할 수 있습니다.

Kasal이 중요한 이유

Kasal은 에이전트 기반의 시각적 워크플로 디자이너, Databricks와의 긴밀한 통합, MCP 서버, Genie, 사용자 지정 API, 데이터 커넥터를 포함하는 확장 가능한 툴킷이라는 세 가지 핵심 기능을 제공합니다.

• 시각적 오케스트레이션 은 에이전트, 핸드오프, 분기 로직을 명확하고 가시적으로 만들어 비개발자와 함께 검토하고 나중에 감사하기 쉽게 만듭니다. 또한 Kasal에 내장된 에이전트는 사용자가 어떤 종류의 에이전트를 만들고 싶은지 정의할 때 그 의도를 이해하고 산업 모범 사례에 부합하는 최적화된 설계를 제안합니다.
• Databricks 네이티브: Kasal은 Databricks 앱으로 설치하거나 마켓플레이스를 통해 액세스할 수 있어 사용자가 자체적으로 관리하는 대신 워크스페이스 인증 및 거버넌스를 상속할 수 있습니다. 또한 Kasal에서 생성된 플로우는 기본적으로 Databricks 기능을 활용하므로 처음부터 엔터프라이즈급 및 프로덕션급으로 사용할 수 있습니다. 여기에는 추적 및 트래킹을 위한 MLflow, 메모리를 위한 Vector Search, 서빙을 위한 Databricks Apps, 트랜잭션 로깅을 위한 Lakebase, 사용자 대신 인증 등이 포함됩니다.
• 확장성: Kasal은 MCP 서버, Genie 스페이스, Agent Bricks는 물론 맞춤형 API 및 데이터 커넥터에 대한 최고 수준의 지원을 제공합니다. 또한 플로우를 노트북으로 내보낼 수 있어 내부 로직에 대한 완전한 투명성을 제공하고 AI 엔지니어가 완전한 유연성을 바탕으로 초기 버전을 넘어 솔루션을 확장하고 개선할 수 있도록 지원합니다.

Kasal의 실시간 관찰 기능은 다중 에이전트 AI 워크플로를 위한 이중 레이어 모니터링을 제공합니다. Kasal 프런트엔드를 통해 비즈니스 사용자는 워크플로 상태, 에이전트 상호작용, 작업 진행 상황을 추적하는 실행 타임라인을 볼 수 있습니다. 동시에 MLflow 추적 통합을 통해 AI 엔지니어는 모델 성능, LLM 호출 및 에이전트 동작을 디버그할 수 있습니다. Databricks Apps에 배포될 경우, Kasal은 사용자 격리를 위해 Databricks OBO 인증을, 투명한 에이전틱 운영을 위해 프로덕션에 즉시 사용 가능한 SQLite 또는 Lakebase 지속성을 사용합니다.

Kasal 시작하기

일반적인 사용자 여정은 구축하려는 에이전트의 사양을 Kasal에 프롬프트하는 것으로 시작됩니다. 예를 들어, “영업 담당자가 고객에 맞춰 다양한 제품을 판매하기 위한 프레젠테이션 자료를 생성하는 계획을 만들어 줘.”라고 요청할 수 있습니다. 그러면 Kasal은 프롬프트와 대규모 언어 모델을 사용하여 구조화된 계획(종종 계층적)을 생성합니다.

이 예에서 계획이 순차 모드에 있으면 에이전트는 정해진 순서에 따라 차례로 실행됩니다. 그러나 계획이 계층 모드에 있는 경우, 관리자 에이전트와 여러 하위 에이전트가 포함되며 각 에이전트는 특정 작업을 담당합니다. 예를 들어 고객 데이터를 검색하고 분석하는 에이전트, 제품 데이터를 검색하는 에이전트, 두 데이터를 결합하여 프레젠테이션의 스토리라인을 만드는 에이전트, 상세 정보와 스토리라인을 반영하는 프레젠테이션을 생성하는 에이전트 등이 있습니다.

그런 다음 계획을 실행하여 특정 고객을 위한 제품 프레젠테이션을 생성할 수 있습니다. 다른 모델이나 도구를 실험하는 등 워크플로를 수정하고 싶다면 Kasal 사용자 인터페이스를 통해 이 작업을 쉽게 수행할 수 있습니다.

Kasal에서 생성한 계획이 다른 사람에게도 유용하다고 생각되면 Kasal의 카탈로그에 등록하여 향후 세션에서 재사용하고 프롬프트에 활용할 수 있습니다. Kasal 외부에서 계획을 산업화하려면 코드를 내보내고 그 주변에 프로덕션 파이프라인을 구축할 수 있습니다. 계획을 확장하여 더 넓은 솔루션 아키텍처에 통합할 수 있는 완전한 유연성이 있습니다.

Kasal로 구축할 수 있는 것

이미 많은 사용자가 Kasal을 사용하여 다양한 에이전트와 다중 에이전트 AI 시스템을 구축하고 있습니다. 아래는 몇 가지 예시입니다.

• 데이터 분석 파이프라인: 데이터를 쿼리, 분석, 시각화하는 에이전트
• 콘텐츠 생성 시스템: 연구, 글쓰기, 콘텐츠 제작을 위한 협업 에이전트
• 비즈니스 프로세스 자동화: 적응하고 의사 결정을 내리는 지능형 워크플로
• 연구 및 개발: 인사이트를 수집, 종합, 제시하는 에이전트

현재 Kasal을 시작하는 두 가지 쉬운 방법이 있습니다.

• Databricks 워크스페이스에 마켓플레이스 에서 직접 설치(권장): 클릭 한 번으로 Kasal을 Databricks 앱으로 추가하는 설정입니다. 이 접근 방식을 사용하면 관리형 인터페이스, 기본 내장 거버넌스 및 자동 업데이트를 활용할 수 있습니다. 자세한 내용은 여기를 참조하세요.
• 소스에서 배포: Databricks Labs GitHub 리포지토리 를 복제하고 제공된 배포 스크립트를 실행합니다. 이 옵션은 특정 요구 사항에 맞게 Kasal을 사용자 지정하거나 확장하려는 경우에 이상적입니다.
• 새로운 기능 및 공지 사항은 Kasal 시리즈 를 시청하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)