PydanticAI로 멀티에이전트를 붙일 때 중요한 건 모델이 아니라 결과 스키마다

멀티에이전트 시스템을 이야기하면 보통 관심이 모델 선택으로 먼저 간다. 어떤 모델을 오케스트레이터에 쓰고, 어떤 모델을 리서치 에이전트에 붙일지부터 고민한다.

물론 중요하다. 하지만 운영 기준에서 더 중요한 것은 따로 있다.

결과를 어떤 스키마로 강제할 것인가.

왜 모델보다 스키마가 더 중요한가

모델은 바뀔 수 있다.

• 비용 때문에 교체할 수 있다
• 속도 때문에 분리할 수 있다
• 제공자 문제로 스위칭할 수 있다

하지만 에이전트 파이프라인을 안정적으로 유지하려면, 바뀌지 않아야 하는 것이 있다. 바로 결과 계약이다.

오케스트레이터가 받는 리서치 결과, 리뷰 에이전트가 반환하는 구조, 후속 파이프라인이 소비하는 필드가 계속 흔들리면 시스템 전체가 불안정해진다.

PydanticAI에서 내가 보는 핵심

PydanticAI의 좋은 점은 단순히 “에이전트를 쉽게 만든다”가 아니다. 더 중요한 건 에이전트 출력에 형태를 강제할 수 있다는 점이다.

from pydantic import BaseModel
from pydantic_ai import Agent

class ResearchResult(BaseModel):
    topic: str
    findings: list[str]
    sources: list[str]

research_agent = Agent(
    model="openai:gpt-5",
    result_type=ResearchResult,
)

이때 핵심은 모델 이름이 아니다. ResearchResult가 실패와 성공의 기준점을 제공한다는 점이다.

멀티에이전트에서 더 중요해진다

에이전트가 하나일 때도 구조는 중요하지만, 여러 에이전트가 연결되면 계약의 가치가 훨씬 커진다.

• 에이전트 간 책임 분리가 쉬워진다
• 실패 지점을 추적하기 쉬워진다
• 재시도 정책을 세우기 쉬워진다
• 대체 모델을 붙여도 파이프라인을 유지하기 쉽다

즉 좋은 에이전트 시스템은 “좋은 모델을 쓰는 시스템”이 아니라, 좋은 계약 위에서 모델을 교체할 수 있는 시스템에 가깝다.

그래서 나는 멀티에이전트 설계에서 모델보다 결과 스키마를 먼저 본다.