정의
Data Agent Workflow Architecture는 사용자의 데이터 분석 요청을 단일 SQL 생성 문제로 보지 않고, 상태 전이와 판단 node로 분해해 처리하는 에이전트 설계 방식이다. LLM은 전체 시스템의 출발점이 아니라 workflow 안에서 지표 모호성 판단, SQL 생성, 요약, 원인 분석 같은 일부 기능을 맡는 구성요소로 배치된다.
핵심 속성
- 출발점: “어떤 모델을 쓸 것인가”가 아니라 “요청이 들어왔을 때 어떤 workflow를 탈 것인가”를 먼저 설계한다.
- 핵심 판단: data source 선택, 지표 정의 모호성, 이전 대화 scope 복원, 원인 분석 필요성, 파일 생성·대시보드 반영 권한 경계를 분리해 판단한다.
- Node 구조:
MessageReceived,MetricCheck,NeedClarification,FollowUpDetected,RestorePreviousScope,ApplyChangedDimension,ReAnalyze같은 단계로 요청 처리를 나눈다. - 테스트 가능성: 프롬프트에 모든 정책을 넣는 대신 state transition을 명시하여 각 node의 regression test를 가능하게 한다.
- 유사 패턴: dbt가 SQL 파이프라인을 model, dependency, test로 나누는 것과 유사하게 Data Agent도 분석 workflow를 분해한다.
관계
- 20260526-workflow-orchestration-is-the-real-ai-era-skill — 상위개념: AI 시대의 핵심 역량이 프롬프팅보다 workflow orchestration이라는 관점과 직접 연결된다.
- 20260629-ontology-as-relation-index-for-coding-agents — 보완: 데이터 지표와 scope의 관계를 구조화해야 후속 요청을 안정적으로 처리할 수 있다.
- 20260630-langgraph — 구현 도구: agent 판단을 node와 state transition으로 나누는 데 적합한 프레임워크다.
인용
Data Agent는 LLM에서 출발하면 안 됩니다. Workflow가 먼저 있고, LLM은 그 workflow 안에서 일부 판단과 생성을 맡는 구성요소여야 합니다.