AI 기반 모의 면접 시스템: CrewAI와 에이전트 설계

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능

대상자

• 소프트웨어 개발자, 기술 면접 준비자, AI 프레임워크 개발자
• 중급~고급 Python 및 AI 기술 이해도를 가진 개발자

핵심 요약

• CrewAI 프레임워크를 활용한 에이전트 기반 모의 면접 시스템 구현
• QuestionAnswerPair Pydantic BaseModel을 통해 질문-정답 구조화
• 4개 에이전트(회사 조사, 질문 생성, 답변 평가, 후속 질문)의 역할 분담 및 협업

섹션별 세부 요약

1. 시스템 개요

• CrewAI는 자율적 AI 에이전트를 조정하는 오픈소스 프레임워크
• ai_mock_interview 프로젝트는 면접 질문 생성, 답변 평가, 후속 질문 생성을 위한 다단계 에이전트 구조
• GitHub 저장소 및 주요 코드 파일 링크 제공

2. `QuestionAnswerPair` 구조 정의

• Pydantic BaseModel 정의:

```python

class QuestionAnswerPair(BaseModel):

question: str

correct_answer: str

```

• 질문과 정답의 표준화된 형식 제공, 평가 단계에 필수

3. 에이전트 역할 및 통합

####3.1. 회사 조사 전문가 (company_researcher)

• 역할: 회사 정보 수집 및 질문 생성
• 도구: SerperDevTool()을 활용한 웹 검색
• 작업: 회사 기술 스택, 면접 과정 요약 생성

####3.2. 질문 및 답변 준비자 (question_preparer)

• 역할: 기술 질문 및 모델 답변 생성
• 조건: 지정된 난이도에 맞는 질문 생성
• 출력: QuestionAnswerPair 형식의 질문-정답 쌍 생성

####3.3. 답변 평가자 (answer_evaluator)

• 역할: 사용자 답변의 정확성 평가
• 작업: 질문, 사용자 답변, 정답을 비교하여 정확성, 누락된 핵심 포인트, 설명 제공

####3.4. 후속 질문 전문가 (follow_up_questioner)

• 역할: 후속 질문 생성으로 면접 깊이 확대
• 기능: 이전 답변 기반으로 추가 질문 생성

4. 실행 흐름

1. 회사 정보 수집 → 2. 질문 생성 → 3. 사용자 답변 수집 → 4. 초기 평가 → 5. 후속 질문 생성 → 6. 최종 평가

• 동시 처리: 사용자 답변 입력 시 후속 질문 준비

결론

• CrewAI를 활용한 에이전트 기반 시스템은 면접 준비의 자동화 및 개인화를 실현
• Pydantic BaseModel과 SerperDevTool 등 도구 활용으로 모듈화 및 확장성 향상
• 기술 면접 스킬 향상 및 면접 프로세스 효율화에 기여하는 실용적 예시