많은 사람들이 AI를 사용할 때 프롬프트(Prompt) 작성법부터 공부합니다.
하지만 실제 AI 엔지니어들은 프롬프트보다 먼저 AI Agent가 어떻게 동작하는지를 이해합니다.
Production 수준의 AI Agent를 구축하려면 다음 6가지는 반드시 이해해야 합니다.
① 모델 컨텍스트 프로토콜(MCP)
AI와 외부 시스템을 연결하는 USB-C
MCP(Model Context Protocol)는 AI가 다양한 외부 시스템과 표준화된 방식으로 연결될 수 있도록 하는 개방형 프로토콜입니다.
쉽게 말하면
AI에게
GitHub
AWS
PostgreSQL
Gmail
Slack
Google Drive
Browser
를 사용할 수 있게 만들어주는 연결 규격입니다.
기존에는 서비스마다 API를 따로 개발해야 했지만,
MCP를 사용하면 하나의 표준으로 모든 도구를 연결할 수 있습니다.
AI Agent
│
▼
MCP
│
┌────┼──────────────┐
▼ ▼ ▼
GitHub AWS Database
Slack Browser Google Drive
MCP는 AI 시대의 USB-C라고 생각하면 가장 이해하기 쉽습니다.
② Agent Loop
AI가 스스로 반복해서 일을 완성하는 구조
일반적인 LLM은
질문
↓
답변
↓
끝
입니다.
반면 AI Agent는
Think
↓
Act
↓
Observe
↓
Evaluate
↓
Repeat
를 계속 반복합니다.
예를 들어 웹사이트를 만든다면
HTML 생성
↓
브라우저 실행
↓
오류 발견
↓
코드 수정
↓
다시 테스트
↓
성공할 때까지 반복
이것이 바로 AI가 “스스로 일하는” 이유입니다.
③ Skills
AI가 가진 전문 기술(도구)
Skills는 AI가 실제 업무를 수행하기 위한 기능입니다.
예를 들면
API 호출
SQL 조회
GitHub 사용
AWS 배포
Docker 실행
Python 실행
문서 검색
등이 모두 Skill입니다.
사람에게 자격증이나 전문기술이 있다면,
AI에게는 Skill이 있습니다.
Agent
↓
Skill Loader
↓
Database
GitHub
Docker
Python
Search
Workflow
필요한 순간 필요한 Skill만 선택해서 실행합니다.
④ Single Agent vs Multi-Agent
혼자 일할 것인가, 팀으로 일할 것인가
Single Agent
사용자
↓
AI
↓
결과
하나의 AI가 모든 작업을 처리합니다.
작은 프로젝트에는 충분합니다.
Multi-Agent
역할을 나누어 협업합니다.
Planner
↓
Researcher
↓
Developer
↓
Reviewer
↓
Tester
↓
Deploy
회사 조직과 같습니다.
기획자는 기획만,
개발자는 개발만,
테스터는 테스트만 수행합니다.
최근 Claude Code, OpenAI Codex, Gemini CLI 등은 모두 이러한 Multi-Agent 구조를 적극 활용하고 있습니다.
⑤ Agentic RAG
검색도 AI가 스스로 판단한다
기존 RAG는
질문
↓
검색
↓
답변
으로 끝납니다.
하지만 Agentic RAG는
질문
↓
검색
↓
정보 부족
↓
재검색
↓
교차 검증
↓
최종 답변
을 수행합니다.
예를 들어
“ISO/IEC 27001 접근통제를 설명해줘.”
라는 질문을 받으면
AI는
ISO 문서
Annex A
OWASP
NIST
최신 기술 문서
를 비교하여 더 신뢰할 수 있는 답변을 만듭니다.
⑥ Agent Memory
AI의 기억 시스템
Memory는 AI가 사용자의 정보를 기억하는 기능입니다.
예를 들어
사용자는
PHP 개발자
ISO 심사원
AWS 사용
MacBook 사용
이라는 정보를 기억하면
다음 대화부터 다시 설명하지 않아도 됩니다.
메모리는 크게
Short-Term Memory
Long-Term Memory
Episodic Memory
Semantic Memory
Working Memory
로 나뉩니다.
Memory가 있는 AI는 사용할수록 점점 더 똑똑해집니다.
이 6가지가 함께 동작하면?
Production AI Agent는 다음과 같이 동작합니다.
사용자
│
▼
AI Agent Orchestrator
│
┌─────────┼─────────┐
▼ ▼ ▼
Agent Loop Skills Memory
│ │ │
└─────────┼─────────┘
▼
Agentic RAG
│
▼
MCP
│
┌──────────┐
▼ ▼ ▼
GitHub AWS Database
Slack Browser Google Drive
│
▼
최종 결과 생성
여기서 오케스트레이터(Orchestrator)는 전체 작업을 계획하고, 각 에이전트와 기능을 조율하는 “지휘자” 역할을 합니다.
핵심 메시지
AI Agent는 단순히 프롬프트를 잘 작성하는 기술이 아닙니다.
AI Agent는
추론(Reasoning)
기억(Memory)
도구(Tools)
검색(RAG)
반복 개선(Loop)
역할 분담(Multi-Agent)
외부 시스템 연동(MCP)
이 결합된 지능형 소프트웨어 시스템입니다.
앞으로 AI 시대의 경쟁력은 AI를 사용하는 사람보다 AI 시스템을 설계하고 구축하는 사람에게 더 크게 돌아갈 가능성이 있습니다.
함께 기억하면 좋은 공식
AI Agent = LLM + MCP + Skills + Agent Loop + Memory + Agentic RAG + Multi-Agent + Orchestrator
이 공식을 이해하면 대부분의 최신 AI Agent 플랫폼(Claude Code, OpenAI Codex, Gemini CLI 등)의 동작 원리를 훨씬 쉽게 이해할 수 있습니다.
#GenerativeAI #AIAutomation #AI개발 #인공지능 #AI에이전트 #AI아키텍처
— 이춘곤(Mark) · ISC.studio · ISC출판 도서 안내
이 글은 저자의 Facebook에 처음 게시한 글입니다. Facebook 원문 보기
💬 댓글 (0)