거대 언어 모델(Large Language Model, LLM)은 인간의 언어를 이해하고 생성하는 데 획기적인 성능을 보이는 핵심 AI 기술로, AI 분야의 새로운 패러다임을 열고 있다. 대화형 AI, 콘텐츠 생성, 번역, 요약, 코드 생성 등 다양한 작업에서 인간과 유사한 결과물을 생성하는 범용 자연어 처리/추론 엔진으로 활용되고 있으며, 고객지원 자동화, 문서 작성, 보고서 생성 등 실제 서비스와 업무 프로세스로 확대되고 있다.

본 연구에서는 사용자 요청에 따라 막구조물(고강도 텐트)의 도면(정면도 및 부재)을 자동으로 설계하고, 설계한 도면을 Revit 소프트웨어와 호환하는 코드로 작성하는 AI 에이전트를 개발한다. 이를 위해, 본 과제에서는 도면 설계 및 코드 생성을 위한 대규모 언어 모델 기반의 AI 에이전트를 개발하고, 생성된 도면 분석 및 도면 설계안 개선을 위한 도면 검증 기능을 개발한다.

이를 통해 텍스트 설명만으로 도면 설계를 자동화하여 도면 제작 시간을 단축할 수 있으며, 알고리즘만으로는 반영하기 힘든 조건들을 이해하여 도면 코드를 작성할 수 있다. 또한, 기존 도면이나 생성한 도면을 분석하여 설계안 개선 피드백을 제안할 수 있다.

● LLM 기반 막구조물 도면 생성 에이전트

 최신 거대 언어 모델(LLM) 모델인 GPT 모델을 사용하여 Revit API 기반으로 작성된 막구조물 도면 코드를 생성한다. 이를 위해, 최신 LLM 모델인 GPT 모델을 사용한다.본 에이전트는 시스템 프롬프트를 통해 에이전트의 역할(도면 생성 전문가) 제약 조건 · 입출력 형식을 지정하고, 사용자 요구에 따른 도면을 생성하도록 설계한다. 또한, 외부 도구 연동 기능을 통해 사용자 입력(User Input) → 도면 코드 생성(Code Generation) → 도면 검증(Verification) → 도면 재설계(Design Revision) 순으로 작업이 진행된다. 특히 도면 검증 단계에서 도출된 피드백은 재설계에 반영되며, 이 과정을 반복하는 루프 구조를 통해 최종 도면 코드를 생성한다.

그림 1 LLM 기반 막구조물 도면 생성 에이전트

● Function-calling 기반 도면 검증 기능

도면 생성 에이전트가 도출한 도면 코드의 문법 오류 검출, 사용자 요구 반영, 잔재량 측정을 위해 Function-calling 방식의 검증 도구를 개발한다. 코드의 문법 오류 검출, 조건 충족 여부 검토, 자재 잔재량 측정 도구들을 구현하고, 이를 에이전트와 연동하여 도면 검증 기능 구현한다. 이를 통해 에이전트는 생성한 코드를 각 검증 도구에 순차적으로 전달하여 도면의 다양한 측면을 검증하고 검증 결과를 통해 에이전트의 생성 과정을 개선한다.

그림 2 Function-calling 기반 도면 검증 기능