추천 및 검색을 위한 LLM Agent 서베이: 차세대 Information Retrieval을 향하여

# InteRecAgent 스타일: LLM을 추천 시스템의 인터페이스로 사용하는 패턴 예시

from openai import OpenAI

client = OpenAI()

# 전통적 추천 모델은 도구로 등록
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_recommendations",
            "description": "ID 기반 협업 필터링 모델로 후보 아이템 추출",
            "parameters": {
                "type": "object",
                "properties": {
                    "user_id": {"type": "string"},
                    "top_k": {"type": "integer", "default": 10}
                },
                "required": ["user_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "rerank_by_context",
            "description": "현재 대화 컨텍스트를 반영해 후보 아이템 재순위",
            "parameters": {
                "type": "object",
                "properties": {
                    "items": {"type": "array"},
                    "user_context": {"type": "string"}
                },
                "required": ["items", "user_context"]
            }
        }
    }
]

def recommendation_agent(user_id: str, user_message: str, history: list):
    """LLM Agent가 추천 도구를 호출해 개인화 추천 생성"""
    system_prompt = """당신은 개인화 추천 어시스턴트입니다.
    사용자의 요청을 분석하고, 적절한 추천 도구를 호출해 최적의 추천 결과를 제공하세요.
    필요하면 여러 도구를 순차적으로 호출해 결과를 개선하세요."""
    
    messages = [{"role": "system", "content": system_prompt}]
    messages.extend(history)
    messages.append({"role": "user", "content": user_message})
    
    response = client.chat.completions.create(
        model="gpt-4",
        messages=messages,
        tools=tools,
        tool_choice="auto"
    )
    
    return response

# 유저 시뮬레이터 패턴 (Agent4Rec 스타일)
user_simulator_prompt = """
당신은 다음 프로필을 가진 유저를 시뮬레이션합니다:
- 나이: 28세
- 선호 장르: SF, 스릴러
- 최근 시청: [인셉션, 인터스텔라, 테넷]
- 성향: 복잡한 스토리 선호, 로맨스 비선호

추천 시스템이 다음 영화를 추천했습니다: {recommended_items}

실제 유저처럼 반응하세요:
1. 클릭할 항목과 이유
2. 별점 (1-5)
3. 추가 피드백
"""