Constella LLM 기반 멀티에이전트로 연결된 캐릭터 창작 지원

초록

본 논문은 스토리 작가가 등장인물 간의 관계를 동시에 고려하며 캐릭터를 설계하도록 돕는 도구 Constella를 소개한다. LLM 기반 멀티에이전트가 “Friends Discovery”, “Journals”, “Comments” 세 가지 인터페이스를 제공해 새로운 연관 캐릭터 제안, 인물 내면의 일기 생성, 그리고 인물 간 댓글 교환을 구현한다. 7‑8일간 11명의 작가를 대상으로 한 배치 연구 결과, 도구가 캐릭터 네트워크 확장, 감정·생각 비교, 관계 심화에 유의미한 영향을 미쳤으며, 작가의 저자적 주체성을 유지하면서 창작 부담을 분산시켰음을 확인하였다.

상세 분석

Constella는 기존 AI 기반 캐릭터 지원 도구가 주로 단일 인물의 프로파일링이나 자동 스토리 생성에 머물렀던 한계를 멀티에이전트(Large Language Model‑Based Multi‑Agent, LLM‑MA) 구조로 극복한다. 설계는 세 가지 핵심 기능으로 구분된다. 첫째 Friends Discovery는 현재 캐릭터 프로필을 입력으로 받아, 관계성(친구, 적, 동료 등)과 성격·배경이 상호 보완되는 새로운 캐릭터 3명을 자동 생성한다. 여기서 LLM‑MA는 “에이전트‑프롬프트”를 활용해 각각의 가상 인물이 독립적인 목표와 성격을 갖도록 설계했으며, 생성된 미니 프로필은 작가가 즉시 수정·채택할 수 있다. 둘째 Journals는 동일 주제에 대해 여러 인물이 일기 형식으로 내면을 서술하도록 한다. 이 과정에서 LLM‑MA는 각 인물의 감정 상태, 동기, 과거 경험을 반영해 차별화된 텍스트를 생산함으로써, 작가가 “비교·대조”라는 디자인 목표를 손쉽게 달성하게 한다. 셋째 Comments는 앞선 일기 내용에 대해 다른 인물이 댓글을 다는 형태로, 인물 간 상호작용을 시뮬레이션한다. 이는 관계망을 시각화하고, 숨겨진 갈등·연대감을 드러내는 역할을 한다.

기술적으로, 시스템은 OpenAI GPT‑4 기반 모델을 백엔드로 두고, 각 기능별 프롬프트 템플릿을 사전 정의한다. 멀티에이전트 간 대화 흐름은 “시뮬레이션 라운드” 방식으로 구현돼, 한 라운드마다 모든 에이전트가 현재 컨텍스트를 받아 응답을 생성하고, 그 결과가 다음 라운드의 입력이 된다. 이를 통해 작가가 지정한 “관계 유형”(예: 경쟁, 협력)과 “감정 톤”(예: 불안, 열정)을 지속적으로 반영한다.

사용자 연구에서는 14명의 사전 인터뷰를 통해 작가가 겪는 주요 어려움(새 캐릭터 발상, 유사·차이점 균형, 관계 구체화)을 도출하고, 이를 설계 목표 3가지(다양한 연관 캐릭터 제안, 인물 내면 비교, 관계 시뮬레이션)로 전환하였다. 배치 연구는 7‑8일 동안 11명의 작가가 실제 장편 스토리를 작성하면서 Constella를 활용하도록 설계되었으며, 정성적 인터뷰와 로그 분석을 통해 도구의 효용성을 평가했다. 결과는 (1) 작가가 기존에 미처 생각하지 못한 부수 인물을 쉽게 발굴, (2) 일기와 댓글을 통해 인물 간 감정·동기의 차이를 명확히 파악, (3) 관계망이 시각적으로 드러나면서 플롯 전개에 새로운 갈등 구조를 삽입할 수 있었다는 점을 강조한다. 또한, 작가들은 AI가 제시하는 아이디어를 “참고용”으로 인식했으며, 최종 텍스트에 직접 삽입하지 않음으로써 저자적 주체성을 유지했다고 보고했다.

이 논문의 주요 기여는 다음과 같다. 첫째, LLM‑MA를 활용해 캐릭터 캐스팅 단계에서 “관계 중심” 지원을 구현한 Constella 시스템을 제시한다. 둘째, 실제 작가 작업 흐름에 통합된 배치 연구를 통해 멀티에이전트 기반 도구가 창작 과정에서 어떻게 인지 부하를 분산시키고, 창의적 비교·대조를 촉진하는지 실증적으로 입증한다. 셋째, AI 도구 설계 시 “저자적 에이전시 보존”이라는 원칙을 강조하며, 생성된 텍스트를 직접 삽입하기보다는 메타‑정보(프로필, 일기, 댓글) 형태로 제공하는 새로운 디자인 패러다임을 제안한다. 향후 연구에서는 에이전트 간 상호작용을 보다 정교하게 제어하는 인터페이스, 그리고 장기적인 스토리 아키텍처와의 연동을 탐색할 필요가 있다.