에이전트
AI Agent
LLM이 도구·메모리·검색을 활용해 스스로 다음 행동을 결정하며 작업을 이어가는 시스템. 정해진 경로를 따르는 "워크플로"와 달리 모델이 과정을 주도합니다.
3
에이전트(Agent)는 LLM이 스스로 다음 행동과 도구 사용을 결정하며 목표를 향해 작업을 이어가는 시스템입니다. Anthropic은 미리 정해진 코드 경로를 따르는 "워크플로(workflow)"와, 모델이 과정을 동적으로 주도하는 "에이전트(agent)"를 구분합니다.
핵심 포인트
기본 빌딩블록은 "증강된 LLM(augmented LLM)" — 검색·도구·메모리가 결합된 모델로, 스스로 검색어를 만들고 도구를 고르고 무엇을 기억할지 정합니다.
자율 루프로 동작합니다: 작업을 받으면 계획 → 행동 → 환경에서 얻은 "실측 정보(도구 호출 결과·코드 실행 결과 등)"로 진척을 평가하고 조정합니다.
유연함의 대가가 있습니다 — 자율성이 높을수록 비용·지연·오류 누적 위험이 커집니다. Anthropic은 "동작하는 가장 단순한 패턴(대개 워크플로)"을 먼저 쓰라고 권합니다.
전략적 분기점이나 막혔을 때는 사람의 개입(휴먼 인 더 루프)이 여전히 중요합니다.
이렇게 쓰여요
파일을 고치고 테스트를 돌려 에러를 읽고 다시 수정하길 반복하는 코딩 에이전트
검색어를 던지고 결과를 읽어 다음에 무엇을 조사할지 스스로 정하는 리서치 에이전트
주의할 점
"자율적일수록 좋다"가 아닙니다. 단순한 도구 사용 한 번이나 정해진 워크플로로 충분하다면 그것이 더 빠르고 저렴하고 안정적입니다. 에이전트는 작업 범위가 넓고 경로를 미리 못 박기 어려울 때 빛납니다.