실시간 데이터 스트림에서 사용자 정의 쿼리 없이 자율적으로 인사이트를 발견하는 다중 에이전트 아키텍처를 제안한다. 에이전트가 가설 생성·실행 가능한 분석 코드 컴파일·결과 검증·시각화·배포 가능 애플리케이션 생성의 연속 루프를 돌며, Apache Kafka 이벤트 조정·Apache Flink 스트림 처리·LLM 특화 에이전트 스택으로 구현됐다. 유형화된 중간 아티팩트 계약 기반 설계로 모듈성·관찰 가능성·계보 추적을 보장하며, 소매·금융·공공 데이터 사례로 검증했다.
- •에이전트가 가설 생성→분석 코드 컴파일→검증→시각화→배포의 연속 발견 루프를 자율 실행한다.
- •Apache Kafka 이벤트 조정, Flink 스트림 처리, LLM 특화 에이전트를 결합한 스택으로 구현했다.
- •유형화된 중간 아티팩트 계약으로 모듈성·관찰 가능성·계보 추적·안전한 동적 코드 실행을 보장한다.
- •소매·금융·공공 데이터 사례에서 쿼리 주도에서 발견 주도 분석으로의 전환을 검증했다.
Discovery Agents for Real-Time Analytics: Toward Proactive Insight Systems
- 1.실시간 스트리밍 데이터 상에서 자율 인사이트 발견을 위한 멀티 에이전트 아키텍처 제안
- 2.Kafka 이벤트 조율·Flink 스트림 처리·LLM 에이전트로 가설 생성→검증→시각화 루프 구현
- 3.타입 지정 중간 아티팩트 기반 계약 설계로 모듈성·관찰가능성·계보 추적 보장
왜 중요한가?
사용자가 쿼리를 직접 정의해야 하는 수동 분석에서 에이전트가 스스로 인사이트를 발견·배포하는 능동형 분석으로 전환하는 구체적 아키텍처를 제시, 리테일·금융·공공 데이터 유스케이스로 실용성을 검증했다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2605.27571v1 Announce Type: new Abstract: Modern analytics systems are fundamentally reactive, requiring users to define queries over increasingly complex and continuously evolving data. In real-time streaming environments, this paradigm breaks down, as the space of potential insights becomes too large to enumerate manually. We present a multi-agent architecture for autonomous insight discovery over real-time data streams. The system implements a continuous discovery loop in which agents
전체 내용이 궁금하다면?
원문을 직접 읽어보세요