HabitatAgent: 주택 상담을 위한 엔드 투 엔드 멀티 에이전트 시스템

HabitatAgent: An End-to-End Multi-Agent System for Housing Consultation

주택 선택은 매우 중요하고 되돌리기 어려운 의사 결정 문제입니다. 본 연구에서는 주택 선택을 위한 의사 결정 지원 인터페이스로서의 주택 상담을 다룹니다. 기존의 주택 플랫폼과 많은 LLM 기반 어시스턴트는 이 과정을 주로 순위 결정 또는 추천으로 단순화하여, 투명성이 부족하고, 다양한 제약 조건을 제대로 처리하지 못하며, 사실 정확성에 대한 보장이 제한적입니다. 본 연구에서는 엔드 투 엔드 주택 상담을 위한 최초의 LLM 기반 멀티 에이전트 아키텍처인 HabitatAgent를 제시합니다. HabitatAgent는 Memory, Retrieval, Generation, Validation의 네 가지 특수 에이전트 역할을 포함합니다. Memory 에이전트는 내부 단계를 통해 다층 사용자 기억을 유지하며, 제약 조건 추출, 기억 융합, 검증 기반 업데이트를 수행합니다. Retrieval 에이전트는 하이브리드 벡터-그래프 검색(GraphRAG)을 수행합니다. Generation 에이전트는 증거 기반의 추천 및 설명을 생성하며, Validation 에이전트는 다단계 검증 및 대상 수정 작업을 수행합니다. 이러한 에이전트들은 함께 엔드 투 엔드 주택 상담을 위한 감사 가능하고 신뢰할 수 있는 워크플로우를 제공합니다. 본 연구에서는 100개의 실제 사용자 상담 시나리오(300개의 다중 턴 질의-응답 쌍)를 사용하여 엔드 투 엔드 정확성 프로토콜에 따라 HabitatAgent를 평가했습니다. 강력한 단일 단계 기준 모델(Dense+Rerank)은 75%의 정확도를 달성하는 반면, HabitatAgent는 95%의 정확도를 달성했습니다.

Housing selection is a high-stakes and largely irreversible decision problem. We study housing consultation as a decision-support interface for housing selection. Existing housing platforms and many LLM-based assistants often reduce this process to ranking or recommendation, resulting in opaque reasoning, brittle multi-constraint handling, and limited guarantees on factuality. We present HabitatAgent, the first LLM-powered multi-agent architecture for end-to-end housing consultation. HabitatAgent comprises four specialized agent roles: Memory, Retrieval, Generation, and Validation. The Memory Agent maintains multi-layer user memory through internal stages for constraint extraction, memory fusion, and verification-gated updates; the Retrieval Agent performs hybrid vector--graph retrieval (GraphRAG); the Generation Agent produces evidence-referenced recommendations and explanations; and the Validation Agent applies multi-tier verification and targeted remediation. Together, these agents provide an auditable and reliable workflow for end-to-end housing consultation. We evaluate HabitatAgent on 100 real user consultation scenarios (300 multi-turn question--answer pairs) under an end-to-end correctness protocol. A strong single-stage baseline (Dense+Rerank) achieves 75% accuracy, while HabitatAgent reaches 95%.