wikiline.dev
·
Wikiline › AI (인공지능) › AI 에이전트 스택 › AI 에이전트 (AI Agent)

AI 에이전트 (AI Agent)

타임라인 5건업데이트 0건갱신 2026-09-28별칭: 에이전트, agentic AI, 에이전틱 AI, LLM 에이전트

한 줄 정의

LLM이 스스로 계획을 세우고 도구를 호출하며 다음 행동을 결정하는 반복 루프를 통해, 사람이 매 단계를 지정하지 않아도 목표를 달성하도록 동작하는 시스템.

지금 상태 (2026-09 기준)

2022년 ReAct 논문에서 "추론(reasoning)+행동(acting)을 번갈아 하는 루프"로 처음 형식화된 뒤, 2023년 AutoGPT/BabyAGI가 "완전 자율 에이전트" 열풍을 일으켰으나 실무에서는 무한루프·비용폭증 문제로 신뢰성이 낮다는 평가를 받았습니다. 2024년 말 Anthropic이 "workflow(고정 경로) vs agent(모델이 스스로 경로를 정함)"를 구분하면서 업계 용어가 정리되었고, 2025년 초부터 OpenAI·Anthropic·Google이 나란히 "에이전트 구축"을 1급 제품 카테고리로 승격시켰습니다. 2026년 현재는 "에이전트"라는 말 자체보다 신뢰성(정확도, 비용, 반복 실패 처리)이 핵심 화두로 옮겨가는 추세입니다.

개념

  • 핵심 정의(ReAct, 2022): 모델이 "생각(Thought) → 행동(Action) → 관찰(Observation)"을 반복하며 스스로 다음 단계를 결정하는 패턴. 이전에는 "생각만 하는(Chain-of-Thought)" 모델과 "행동만 하는(도구 호출)" 모델이 분리돼 있었는데, ReAct는 이 둘을 한 루프에 합쳤다는 점이 핵심.
  • 자율 에이전트 붐(2023): AutoGPT/BabyAGI는 사람이 목표만 주면 하위 작업을 스스로 쪼개고 무한히 반복 실행하는 방식을 대중화했습니다. 다만 종료 조건이 없어 루프에 갇히거나 비용이 통제 불가능하게 늘어나는 문제가 흔했고, 이 경험이 이후 "감독 가능한 에이전트" 설계로 이어졌습니다.
  • workflow vs agent 구분(Anthropic, 2024-12): Anthropic은 "workflow"를 LLM들이 미리 정해진 코드 경로(순차, 분기, 병렬 등)로 조율되는 시스템, "agent"를 모델이 스스로 도구 사용과 다음 단계를 결정하며 프로세스를 주도하는 시스템으로 구분했습니다. 이 구분 이후 "무조건 에이전트가 정답"이 아니라 "예측 가능한 작업은 workflow, 열린 문제는 agent"라는 실무 기준이 자리잡았습니다.
  • product-level agent 정의(OpenAI, 2025-03): OpenAI는 Responses API·Agents SDK를 내놓으며 "에이전트"를 모델+도구(웹 검색, 파일 검색, 컴퓨터 사용 등)+운영 루프의 결합으로 제품화했습니다. 이 시점부터 "에이전트"는 연구 개념을 넘어 API 상품 카테고리 이름이 됐습니다.
  • "agentic" 프레이밍의 확산: 2025년 내내 업계 전반이 "agentic AI/agentic workflow"라는 표현으로 "모델이 다단계로 스스로 판단해 작업을 완수하는 방식"을 지칭하기 시작했습니다. 이 표현은 특정 제품이 아니라 업계 공통의 마케팅·기술 용어로 자리잡았습니다.

벤더별 비교

구분 Anthropic OpenAI Google
대표 용어 Agent (workflow와 대비) Agent (Agents SDK) Agent (ADK)
핵심 문서 Building Effective Agents (2024-12) New tools for building agents (2025-03) Gemini CLI/ADK 관련 발표
강조점 "단순함 우선", workflow와 agent 구분 도구(웹검색·파일검색·컴퓨터사용) 표준화 오픈소스 CLI/ADK로 개발자 저변 확대

잘 쓰는 법

  • 작업 경로가 미리 예측 가능하면 workflow로, 매번 다른 판단이 필요하면 agent로 설계 — Anthropic이 강조한 "가장 단순한 구성으로 시작"이 여전히 유효합니다.
  • 종료 조건(최대 스텝 수, 예산, 실패 시 폴백)을 반드시 명시 — AutoGPT류가 겪은 무한루프·비용폭증은 지금도 동일하게 재발합니다.
  • "에이전트"라는 이름값보다 관찰 가능성(각 단계 로그, 실패 원인 추적)을 우선 설계하면 디버깅 비용이 크게 줍니다.
  • 도구 호출 결과를 모델이 다시 확인(observation)하는 루프 구조를 빼먹지 말 것 — ReAct의 핵심은 "행동 후 관찰"이며, 이걸 생략하면 단순 함수 호출 체인과 다를 게 없습니다.
  • 여러 LLM을 고정 순서로 엮는 파이프라인을 "에이전트"라고 부르지 않는 것이 커뮤니케이션 혼선을 줄입니다(그건 workflow).

타임라인

2022-10 · ReAct 논문 발표

  • 이전 대비: 최초 등장 — "추론"과 "행동"을 분리해 다루던 기존 LLM 사용법을 하나의 반복 루프로 통합한 최초의 형식화.
  • Yao 등(Google/Princeton)이 "Thought → Action → Observation" 루프를 제안, 이후 모든 에이전트 프레임워크의 기본 패턴이 됨.
  • 출처: ReAct: Synergizing Reasoning and Acting in Language Models (arXiv)

2023-03-30 · AutoGPT 공개

  • 이전 대비: ReAct는 논문 수준 개념이었던 반면, AutoGPT는 목표만 주면 하위 작업을 스스로 생성·반복 실행하는 완전 자율형 오픈소스 앱으로 대중화했습니다.
  • Toran Bruce Richards가 공개, GitHub 트렌딩 1위를 기록하며 "자율 에이전트" 붐을 촉발. 무한루프·비용폭증 같은 한계도 함께 드러남.
  • 출처: AutoGPT (Wikipedia)

2023-04 · BabyAGI 공개

  • 이전 대비: AutoGPT와 비슷한 시기, 더 단순한 코드(수백 줄)로 "작업 생성-우선순위화-실행" 루프만 남긴 경량 버전을 제시.
  • Yohei Nakajima가 공개, "적은 코드로도 자율 루프가 가능하다"는 것을 보여주며 이후 수많은 파생 프로젝트의 참조 구현이 됨.
  • 출처: What is BabyAGI? (IBM)

2024-12-20 · Anthropic "Building Effective Agents" 발표

  • 이전 대비: 2023년식 "무조건 자율 반복"에서 벗어나, "workflow(고정 경로)"와 "agent(모델이 경로를 스스로 결정)"를 명확히 구분하는 실무 프레임을 제시.
  • 복잡한 프레임워크보다 단순한 조합(프롬프트 체이닝, 라우팅, 병렬화, orchestrator-worker 등)을 먼저 시도하라고 권고, 이후 업계 표준 참조 문서가 됨.
  • 출처: Building Effective Agents (Anthropic)

2025-03 · OpenAI Responses API·Agents SDK 공개

출처

관련 주제

에이전트 하네스 (Agent Harness)MCP (Model Context Protocol)에이전트 스킬 (Agent Skills)서브에이전트 & 멀티에이전트 (Subagents & Multi-Agent Systems)훅 & 권한/샌드박스 (Hooks, Permissions & Sandboxing)