에이전트

AI 에이전트는 목표를 받으면 어떤 단계를 밟을지 스스로 정하고, 도구를 호출하고, 결과를 확인하며 작업이 끝날 때까지 반복하는 시스템이다. 일반 챗봇이 한 번의 응답으로 끝난다면 에이전트는 추론과 행동, 관찰의 순환을 돌린다. 그 순환의 제어기가 언어 모델이다. 능력의 범위를 정하는 것은 도구다. 웹 검색과 코드 실행, 파일 접근, 데이터베이스 조회, 내부 API 호출이 여기에 들어간다. 메모리가 단계 사이의 상태를 잇고, 계획 모듈이 큰 요청을 순서 있는 하위 작업으로 쪼갠다. Claude Code 같은 코딩 에이전트가 파일을 고치고 테스트를 돌리며, 컴퓨터 사용 에이전트는 브라우저를 직접 조작한다. LangGraph와 MCP 같은 규격이 도구 연결 방식을 표준화하고 있다. 한계는 신뢰성이다. 단계마다 조금씩 생기는 오류가 긴 사슬에서 누적되고, 같은 자리를 맴돌거나 비싼 우회로를 택하기도 한다. 실제 권한을 쥔 모델에게는 프롬프트 인젝션이 보안 문제가 된다. 운영에서는 범위를 좁히고 모든 행동을 기록한다.

An AI agent is a system that pursues a goal by deciding for itself which steps to take, calling tools, observing results, and continuing until the task is done or it gives up. A plain chatbot answers a prompt in one pass; an agent runs a loop of reason, act, and observe, with a language model as the controller. Tools are what give it reach: web search, code execution, file access, database queries, and calls to internal APIs. Memory carries state across steps, and a planner breaks a large request into ordered subtasks. Coding agents such as Claude Code and GitHub Copilot's agent mode edit files and run tests, computer-use agents drive a browser, and support agents look up an order and issue a refund. Frameworks like LangGraph and the Model Context Protocol standardise how tools are attached. Reliability is the limitation. Small per-step error rates compound across long chains, agents loop or take costly wrong paths, and giving a model real permissions turns prompt injection into a security problem. Production deployments narrow the scope, log every action, and require human approval for anything irreversible.