smart_toy Agentic AI Platform

FLOPI Multi-Agent
Architecture

4개 Pipeline AI 에이전트(Sentinel → Diagnostician → Advisor → Validator)가 이상 감지부터 원인 분석, 조치 제안, 대안 검증까지 엔드투엔드 자동 대응을 실현하고, AI Chat · Workflow · Knowledge Base · Tool Studio · MCP · Simulator 지원 모듈이 협업합니다.

AI Agents (Pipeline)

Data Tools

24/7

Autonomous

ReAct Rounds

80+

DB Tables

Dashboard Pages

hub AI Agent Overview

FLOPI는 단일 모놀리식 AI가 아닌, 4개의 Pipeline AI 에이전트가 직렬로 협업하는 Pipeline Multi-Agent Architecture를 채택합니다. Sentinel → Diagnostician → Advisor → Validator 순으로 이상 감지, 원인 분석, 조치 제안, 대안 검증을 자동 수행하며, AI Chat · Workflow · Knowledge Base · Tool Studio · MCP · Simulator 지원 모듈이 파이프라인을 보조합니다.

psychology

Agentic AI란? 단순 질의응답(Q&A)을 넘어, AI가 스스로 판단 → 도구 사용 → 결과 분석 → 재판단하는 자율적 추론 루프(ReAct Loop)를 수행합니다. FLOPI의 모든 에이전트는 이 ReAct 패턴을 기반으로 동작합니다.

shield

Sentinel Agent

Pipeline Step 1 — 24/7 실시간 감시

FAB 전체를 쉬지 않고 순찰하는 파이프라인 진입 에이전트. 규칙 엔진 4종(threshold/delta/absence/llm)으로 설비, 물류, 재공(WIP) 데이터를 60초 주기로 수집하고, 정상 범위를 벗어나는 이상 징후를 AI로 분석하여 파이프라인 다음 단계로 전달합니다.

규칙 엔진 4종 병렬 평가 60초 주기 90개 도구

manage_search

Diagnostician Agent

Pipeline Step 2 — 원인 분석

Sentinel이 감지한 이상을 넘겨받아 플레이북에서 진단 케이스를 매칭합니다. 결정 가이드를 참조하여 원인을 특정하고, 신뢰도가 30% 미만이면 inconclusive로 판정하여 다음 단계로 전달합니다.

플레이북 매칭 진단 케이스 N:M 신뢰도 30% 임계 결정 가이드 참조

tips_and_updates

Advisor Agent

Pipeline Step 3 — 조치 제안

Diagnostician의 진단 결과를 받아 결정 가이드를 참고하고, 등록된 액션 목록에서 최적의 조치를 선택합니다. 파라미터를 제안하고 액션-검증 N:M 관계를 통해 다음 Validator 단계로 조치안을 전달합니다.

결정 가이드 참조 액션 선택 파라미터 제안 N:M 관계

verified

Validator Agent

Pipeline Step 4 — 대안 검증

Advisor가 제안한 조치를 Digital Twin · 시뮬레이터 · Knowledge Base로 검증하여 safe / caution / risky를 판정합니다. approval_level=auto + safe이면 즉시 자동 실행(auto_approved), 그 외에는 승인 대기(awaiting_approval)로 처리합니다.

DT/시뮬/KB 검증 safe/caution/risky auto 즉시 실행 승인 워크플로우

support_agent

AI Chat Assistant

FAB AI 어시스턴트

자연어로 질문하면 90개 도구를 자동 선택하여 실제 데이터 기반으로 답변하는 대화형 어시스턴트. Knowledge Base 자동 검색 + SSE 스트리밍으로 설비 상태, 부하율, WIP 현황 등 어떤 질문이든 실시간 데이터로 대응합니다.

SSE 스트리밍 90개 도구 시맨틱 도구 선택 후속 질문 추천

account_tree

Workflow Engine

워크플로우 자동화

데이터 수집 → AI 분석 → 조건 판단 → 알림까지, 복잡한 업무 프로세스를 비주얼 DAG 에디터로 설계하고 자동 실행합니다. 12종 노드 타입으로 코딩 없이 AI 파이프라인을 구축할 수 있습니다.

12종 노드 DAG 토폴로지 조건 분기 No-Code

menu_book

Knowledge Base

지식 관리 + RAG

전문가의 경험과 지식을 축적하고, 필요할 때 시맨틱 검색(RAG)으로 꺼내 씁니다. SOP, 트러블슈팅 가이드를 벡터 임베딩으로 저장하여 Pipeline 에이전트들과 AI Chat이 참조합니다.

벡터 임베딩 시맨틱 검색 자동 청킹 ChromaDB

build

Tool Studio

No-Code 도구 빌더

SQL 쿼리를 입력하면 AI가 자동으로 도구 메타데이터를 생성하고, 파이프라인 에이전트들이 즉시 사용할 수 있는 데이터 도구(90개)로 변환합니다. 감사 로그, 버전 관리, Python 코드 내보내기까지 자동화합니다.

SQL → 도구 변환 AI 메타데이터 코드 자동 생성 버전 관리

cable

MCP Server

외부 AI 연동 (MCP)

FLOPI의 모든 도구와 데이터를 MCP(Model Context Protocol)를 통해 외부 AI 시스템에 노출합니다. Claude, GPT 등 어떤 LLM이든 FLOPI의 90개 도구를 직접 호출할 수 있습니다.

MCP Server 90 Tools Rate Limiting Claude 연동

route

Tool Selector

시맨틱 도구 라우팅

90개 도구 중에서 사용자 의도에 가장 적합한 도구를 시맨틱 유사도 기반으로 자동 선택합니다. 모든 에이전트의 도구 호출 전에 개입하여 최적의 도구 조합을 추천하는 메타 레이어입니다.

벡터 임베딩 코사인 유사도 카테고리 다양성 90 → Top-K

science

Simulator

이상 시나리오 시뮬레이션

실제 FAB 운영 데이터 패턴을 학습하여 5종의 이상 시나리오를 생성하고 시뮬레이션합니다. 컨베이어 과부하, 설비 정지, WIP 폭증, 에이징 LOT, AGV 장애를 재현하여 파이프라인 에이전트의 대응력을 검증합니다.

5종 시나리오 점진적 악화 속도 배율 MES 데이터 주입

insights

Predictive Agent PLANNED

예측 분석 + 사전 경고

과거 이상 패턴과 실시간 데이터를 분석하여 이상 발생 전에 사전 경고를 제공합니다. 설비 고장 예측, WIP 적체 예측, 물류 병목 예측으로 Reactive → Proactive 전환을 실현합니다.

패턴 학습 시계열 예측 사전 경고 Proactive AI

sync_alt Agent Collaboration Flow

4개 Pipeline 에이전트가 직렬로 협업하고, 지원 모듈들이 각 단계를 보조하며 데이터와 컨텍스트를 공유하여 하나의 통합된 자동 대응 체계를 형성합니다.

4-Agent Pipeline Collaboration Architecture

4-Agent Pipeline End-to-End Flow

이상 감지부터 자동 실행까지 End-to-End Pipeline Flow

sequenceDiagram participant MES as MES Data participant SEN as Sentinel participant DIA as Diagnostician participant ADV as Advisor participant VAL as Validator participant DB as Database rect rgb(6,43,31) Note over MES,SEN: Phase 1 - Sentinel (60초 주기) SEN->>MES: 데이터 수집 (90개 도구) MES-->>SEN: 설비/물류/WIP 데이터 SEN->>SEN: 규칙 평가 (threshold/delta/absence/llm) SEN->>DB: 이상 감지 - anomaly INSERT SEN->>DIA: 이상 징후 전달 end rect rgb(26,15,58) Note over DIA,DB: Phase 2 - Diagnostician (플레이북 매칭) DIA->>DB: 플레이북 → 진단 케이스 조회 DB-->>DIA: 진단 케이스 + 결정 가이드 DIA->>DIA: 케이스 매칭 (신뢰도 < 30% → inconclusive) DIA->>ADV: 진단 결과 전달 end rect rgb(10,41,66) Note over ADV,DB: Phase 3 - Advisor (액션 선택) ADV->>DB: 결정 가이드 + 액션 목록 조회 DB-->>ADV: 연결 액션 + 파라미터 스펙 ADV->>ADV: 최적 액션 선택 + 파라미터 제안 ADV->>VAL: 조치안 전달 end rect rgb(42,10,10) Note over VAL,DB: Phase 4 - Validator (검증 + 실행 판단) VAL->>DB: 검증 방법 조회 (DT/시뮬/KB) DB-->>VAL: 검증 결과 VAL->>VAL: safe / caution / risky 판정 VAL->>DB: 실행 이력 저장 (pb_playbook_runs) end Note over DB: approval_level=auto + safe → auto_approved (즉시 실행) Note over DB: approval/sign_off 또는 risky → awaiting_approval (승인 대기)

analytics Agent Specifications

Agent / Module	구분	추론 방식	도구 사용	메모리	자율성
Sentinel	Pipeline Step 1	규칙 기반 (4종) + AI 분석	90개 도구	규칙 DB + 사이클 로그	완전 자율 (24/7)
Diagnostician	Pipeline Step 2	플레이북 매칭 + 결정 가이드	진단 케이스 DB	pb_playbooks + pb_diagnoses	완전 자율
Advisor	Pipeline Step 3	결정 가이드 참조 + LLM 선택	액션 DB (N:M)	pb_diagnoses + pb_actions	완전 자율
Validator	Pipeline Step 4	DT/시뮬/KB 검증	검증 방법 DB	pb_validators + pb_playbook_runs	자율 (safe→자동 실행)
AI Chat Assistant	지원 모듈	ReAct (5라운드)	90개 시맨틱 선택	chat_sessions + chat_messages	대화형 (질의응답)
Workflow Engine	지원 모듈	DAG 토폴로지	12종 노드 + LLM	workflows + workflow_runs	설계형 (No-Code)
Knowledge Base	지원 모듈	시맨틱 검색 (RAG)	벡터 DB	ChromaDB 벡터 저장소	자동 (임베딩 + 검색)
Tool Studio	지원 모듈	LLM 코드 생성	SQL 분석기	ds_tools + tool_versions	보조형 (AI 제안)
MCP Server	지원 모듈	프로토콜 변환	전체 도구 노출	실행 로그	패시브 (요청 대기)
Tool Selector	지원 모듈	시맨틱 유사도	90 → Top-K 선별	ChromaDB 임베딩	자동 (메타 레이어)
Simulator	지원 모듈	시나리오 생성	MES 데이터 주입	시나리오 DB	설계형 (5종 시나리오)
Predictive	PLANNED	시계열 분석 (예정)	이력 데이터 학습	패턴 DB	완전 자율 (예정)

loop ReAct Loop — 에이전트의 핵심 추론 엔진

FLOPI의 모든 에이전트는 ReAct(Reasoning + Acting) 패턴을 기반으로 동작합니다. LLM이 한 번 답변하고 끝나는 것이 아니라, 판단 → 도구 사용 → 결과 분석 → 재판단을 여러 라운드 반복하여 더 정확한 결론에 도달합니다.

ReAct Loop - 컨베이어 과부하 분석 예시

sequenceDiagram participant LLM as LLM (AI) participant TR as Tool Registry participant DB as MES Data rect rgb(15,23,62) Note over LLM,DB: Round 1 - 초기 데이터 확인 LLM->>LLM: 컨베이어 부하율을 확인해야 합니다 LLM->>TR: get_conveyor_load(zone=C3) TR->>DB: SQL 실행 DB-->>TR: 결과 TR-->>LLM: load_pct = 97% end rect rgb(26,15,58) Note over LLM,DB: Round 2 - 원인 추적 LLM->>LLM: 부하가 높음. 상류 설비를 확인 LLM->>TR: get_equipment_status(line=LINE-B) TR->>DB: SQL 실행 DB-->>TR: 결과 TR-->>LLM: EQ-PHO-02 = DOWN (40분) end rect rgb(42,10,10) Note over LLM,DB: Round 3 - 영향 범위 파악 LLM->>LLM: 설비 다운이 원인. 큐 상태를 확인 LLM->>TR: get_queue_length(zone=C3) TR->>DB: SQL 실행 DB-->>TR: 결과 TR-->>LLM: queue_count = 12 (평균 3) end Note over LLM: 최종 결론 Note over LLM: 근본원인: EQ-PHO-02 비계획정지 Note over LLM: 신뢰도: 0.92 / 심각도: Critical Note over LLM: 조치: PM 점검 + 우회 반송 활성화

Agent 계층 구조

Agent Hierarchy — Pipeline-Centered Architecture

graph LR subgraph L1["Layer 1 - Detection"] S["Sentinel
규칙+AI 감시"] end subgraph L2["Layer 2 - Pipeline"] DI["Diagnostician
원인 분석"] AD["Advisor
조치 제안"] VA["Validator
대안 검증"] DI --> AD --> VA end subgraph L3["Layer 3 - Interaction"] CH["AI Chat
FAB 어시스턴트"] WF["Workflow Engine
DAG 자동화"] end subgraph L4["Layer 4 - Foundation"] K["Knowledge Base
RAG 지식"] TS["Tool Studio
도구 생성"] DS["Tool Selector
라우팅"] MCP["MCP Server
외부 연동"] SIM["Simulator
시나리오"] end L1 --> L2 L2 --> L3 L3 --> L4 L4 -.->|"피드백"| L1 style L1 fill:#062b1f,stroke:#10b981,color:#f3f4f6 style L2 fill:#1a0f3a,stroke:#8b5cf6,color:#f3f4f6 style L3 fill:#0a2942,stroke:#06b6d4,color:#f3f4f6 style L4 fill:#2a1a08,stroke:#f97316,color:#f3f4f6

trending_up Business Value

영역	Before (수동)	After (FLOPI Agents)	기대 효과
이상 감지	담당자가 모니터링 화면 수시 확인	Sentinel이 24/7 자동 감시 (규칙+AI)	감지 시간 수분 → 수초
원인 분석	엔지니어가 수동으로 데이터 조회 + 분석	Diagnostician이 플레이북 기반 자동 분석	분석 시간 수시간 → 수분
지식 전수	경험자 퇴사 시 노하우 유실	Knowledge Agent가 분석 지식 자동 축적	조직 지식 영구 보존
데이터 조회	SQL 작성 → 실행 → 해석	AI Chat에게 자연어로 질문	비전문가도 데이터 활용
업무 자동화	수동 체크 → 판단 → 보고 반복	Workflow Engine으로 DAG 자동화 파이프라인 구축	반복 업무 제거
야간/주말	이상 발생 시 다음 근무일까지 미분석	4-Agent Pipeline이 24/7 자동 감지→분석→조치→검증	무인 대응 체계 구축

memory Technology Stack

info

폐쇄망 호환: 모든 에이전트는 On-Premise LLM(Ollama, vLLM 등)으로 동작 가능합니다. 외부 API 의존 없이 사내 서버만으로 전체 시스템을 운영할 수 있어 반도체 FAB의 보안 요구사항을 충족합니다.

구분	기술	비고
LLM	OpenAI-compatible API	Gemini / Ollama / vLLM / 사내 LLM — 환경변수로 전환
에이전트 프레임워크	자체 ReAct Loop	LangChain 등 외부 의존성 없이 경량 구현
도구 레지스트리	OpenAI Function Calling 스키마	데코레이터 기반 자동 등록, 90개 도구 관리
벡터 DB	ChromaDB (Milvus 교체 가능)	시맨틱 검색 + 도구 선택 + RAG
운영 DB	Oracle (운영) / SQLite (개발)	80+ 테이블, 추상화 계층으로 무중단 전환
API	FastAPI (Python 3.11)	비동기 처리, SSE 스트리밍, Swagger UI
대시보드	NiceGUI (Python)	29개 페이지, RBAC 4단계 권한
외부 연동	MCP (Model Context Protocol)	Claude Desktop / Code에서 직접 도구 호출

rocket_launch Roadmap

Phase	내용	에이전트 수	상태
Phase 1	Sentinel + Inspector + RCA Analyst + Advisor + Builder + Connector	6	Deployed
Phase 2	Orchestrator + Knowledge + Dispatcher + Simulator	10	Deployed
Phase 3	4-Agent Pipeline (Sentinel · Diagnostician · Advisor · Validator) + 6 Studio + Diagnosis Studio	12+	Deployed
Phase 4	Predictive Agent + 시계열 예측 + 사전 경고 자동화	12	Planned
Phase 5	Inter-FAB Agent (다중 FAB 간 에이전트 협업) + Digital Twin	15+	Vision