AI 에이전트

AI 에이전트는 사용자가 제시한 목표를 수행하기 위해 모델과 도구를 사용하고, 중간 결과에 따라 다음 단계를 이어 가는 시스템을 가리키는 실용적인 말이다. 회사와 개발 환경마다 에이전트의 범위를 다르게 정의하므로, 이름만으로 자율성이나 능력을 판단하지 말고 실제로 어떤 일을 실행하는지 살펴야 한다. [1] [2]

어디에서 만나나

단순한 대화형 요청은 한 번 답하고 끝날 수 있다. 고정 워크플로는 미리 정한 순서대로 여러 단계를 수행한다. 에이전트형 시스템은 작업 중 검색이나 코드 실행 같은 도구 사용을 선택하고 결과를 반영해 다음 행동을 정할 수 있다. 실제 시스템에서는 정해진 흐름과 모델의 선택이 함께 쓰이기도 한다. [1] [2]

예를 들어 코드 변경 요청을 받은 시스템이 파일을 읽고 수정한 뒤 검사를 실행하고, 실패한 부분을 확인해 수정안을 제시할 수 있다. 이를 이어 주는 하네스와 실행 환경이 도구 권한이나 저장 상태를 관리한다. 작업에 파일 쓰기나 외부 요청이 포함되면 사용자에게 확인을 받거나 허용 범위를 제한하는 설계가 필요하다. [2]

작동과 사용 예

여행 계획을 조사하는 에이전트를 만든다고 가정하면, 일정 조건을 정리하고 자료 검색 도구로 교통편과 운영시간을 확인한 뒤 표로 제안하도록 구성할 수 있다. 정보가 오래되었거나 도구가 실패하면 답변에서 불확실성을 드러내고 사람이 다시 확인하도록 설계할 수 있다.

에이전트를 설계할 때는 목표를 작은 완료 조건으로 나누고, 각 단계에서 쓸 수 있는 도구와 멈춰야 하는 조건을 정할 수 있다. 외부에 메시지를 보내거나 파일을 삭제하는 등 되돌리기 어려운 행동은 확인 절차를 두는 편이 안전하다. 작업 기록과 실패 응답을 사람이 검토할 수 있어야 운영 중 문제를 찾기 쉽다. [1] [2]

비슷한 개념과 주의점

에이전트가 여러 단계를 수행한다고 해서 완전히 자율적이거나 항상 성공한다는 뜻은 아니다. 목표가 모호하면 잘못된 행동을 선택할 수 있고, 도구 결과가 틀리거나 권한이 과하면 피해가 커질 수 있다. Codex와 Claude Code는 코딩 작업을 돕는 에이전트 제품의 사례이며, 기능과 실행 방식은 각 제품의 공식 안내를 확인해야 한다. [1] [2]