AI Agents vs Agentic AI

Орчин үеийн хиймэл оюун ухааны (AI) хөгжил нь зөвхөн Generative AI-аар хязгаарлагдахгүй болж, бие даан даалгавар гүйцэтгэх AI агентууд (AI Agents) болон олон агентын уялдаа, хамтын ажиллагаанд суурилсан Agentic AI системүүд рүү эрчимтэй шилжиж байна.

AI Агент гэж юу вэ?

AI агент нь тодорхой хүрээний асуудлыг шийдвэрлэх зорилготой, орчноос мэдээлэл авч, шийдвэр гарган, үйлдэл хийх чадвартай програм хангамжийн нэгж юм. Эдгээр нь уламжлалт автоматжуулалтын скриптээс ялгаатай нь орчны өөрчлөлтөд дасан зохицож, шийдвэр гаргах чадвартай байдаг.

AI агентуудын үндсэн шинж чанарууд:

• Бие даасан байдал (Autonomy): Хүний оролцоо багатайгаар тодорхой хугацаанд ажиллах чадвар.

• Даалгаварт чиглэсэн байдал (Task-specificity): Имэйл шүүх, мэдээлэл хайх, төлөвлөгөө гаргах зэрэг тодорхой зорилготой.

• Орчны өөрчлөлтөд хариу үзүүлэх чадвар (Reactivity & Adaptation): Гадаад орчны өөрчлөлтөд нийцүүлэн үйлдэл хийх.

Ихэнх AI агентууд нь LLM (Large Language Models) болон LIM (Large Image Models)-д суурилан, гадаад хэрэгслүүд (API) болон өгөгдлийн сантай холбогдон ажилладаг.

Agentic AI гэж юу вэ?

Agentic AI нь AI агентуудын дараагийн шатны хөгжлийн хэлбэр бөгөөд нэг агент бус, харин олон мэргэжсэн агентууд хамтран ажиллаж, илүү төвөгтэй зорилгыг биелүүлдэг систем юм.

Жишээлбэл, ухаалаг гэрийн системд:

• Нэг агент - температур тохируулна

• Харин Agentic AI - цаг агаар, эрчим хүчний үнэ, хэрэглэгчийн хуваарь зэргийг хамтад нь тооцоолж, бүх төхөөрөмжийг уялдуулан удирдана

  

Agentic AI системийн гол давуу талууд:

1. Зорилгыг задлах (Goal Decomposition): Том зорилгыг жижиг хэсгүүдэд хувааж, агентуудад даалгах.

2. Зохион байгуулалт (Orchestration): Олон агентын ажлыг уялдуулж, системийн түвшинд зохицуулах.

3. Тогтвортой ой санамж (Persistent Memory): Өмнөх мэдээлэл, туршлагыг хадгалж, ашиглах чадвар.

Архитектур ба ажиллах зарчим

AI агент нь дараах үндсэн бүрэлдэхүүн хэсгүүдтэй байдаг.

• Оролт / Мэдрэх (Perception): Агент нь орчноос өгөгдөл хүлээн авна (жишээ нь: хэрэглэгчийн текст, sensor data).

• Дотоод боловсруулалт (Reasoning / Decision-making): Хүлээн авсан мэдээлэлд дүн шинжилгээ хийж, ямар үйлдэл хийхийг шийднэ. Энэ хэсэгт ихэвчлэн LLM эсвэл дүрмийн систем ашиглагдана.

• Үйлдэл (Action): Сонгосон шийдвэрийг хэрэгжүүлнэ (хариу өгөх, API дуудах, файл үүсгэх гэх мэт).

• Санал хүсэлт (Feedback loop): Үйлдлийн үр дүнг дахин орчинд нөлөөлж, дараагийн шийдвэр гаргалтад ашиглагдана.

Энэхүү бүтэц нь энгийн бөгөөд тодорхой зорилготой даалгаврыг гүйцэтгэхэд тохиромжтой бөгөөд ихэвчлэн нэг зорилготой, нэг урсгалтай (single-step or short-loop) ажилладаг.

Харин Agentic AI систем нь илүү төвөгтэй зорилгыг олон алхмаар шийдвэрлэх чадвартай бөгөөд дараах үндсэн бүрэлдэхүүн хэсгүүдээс тогтоно.

• Зорилго тодорхойлогч (Goal / Task Input): Хэрэглэгчээс ирсэн томоохон даалгавар (жишээ: “судалгаа хийж тайлан бич”).

• Төлөвлөгч (Planner): Даалгаврыг жижиг хэсгүүдэд задлана (task decomposition).
  → Жишээ: мэдээлэл цуглуулах → боловсруулах → тайлан бичих

• Зохион байгуулалт(Orchestrator / Controller): Аль агент ямар ажлыг хийхийг зохицуулна.
  Олон агентын хоорондын урсгалыг удирдана.

• Гүйцэтгэгч агентууд (Executor Agents): Тус бүр тодорхой үүрэгтэй:

  • Search agent (мэдээлэл хайх)

  • Coding agent (код бичих)

  • Writing agent (текст боловсруулах)

• Санах ой (Memory):

  • Богино хугацааны (context)

  • Урт хугацааны (vector database) өмнөх мэдээллийг хадгалж, дараагийн алхамд ашиглана.

• Tool / API холболт: Гадаад хэрэгслүүд:

  • Web search

  • Database

  • Code execution

AI агент нь энгийн, хурдан шийдвэр гаргах систем бол Agentic AI нь олон агентын хамтын ажиллагаанд суурилсан, төлөвлөгөөтэй, уян хатан архитектур бүхий илүү хөгжсөн систем юм. Иймээс Agentic AI нь төвөгтэй бодит асуудлуудыг шийдвэрлэхэд илүү тохиромжтой байдаг.