AI 에이전트
AI Agent
AI 에이전트는 목표를 달성하기 위해 모델이 상황을 해석하고, 도구를 선택해 실행하며, 결과를 바탕으로 다음 단계를 이어 가도록 구성한 시스템입니다. 한 번의 질문에 문장만 답하는 챗봇과 달리 외부 행동과 상태 관리가 포함될 수 있습니다.
AI 보조 조사·작성 후 원문과 대조한 설명입니다. 사례·계산은 별도 출처 표기가 없는 한 이해를 위한 가상 예시이며 실제 고객 성과가 아닙니다.
에이전트의 구성 요소
에이전트에는 보통 모델, 지시, 도구, 실행 루프, 상태, 가드레일이 있습니다. OpenAI Agents SDK 문서는 에이전트를 지시와 도구, 핸드오프, 가드레일, 구조화 출력 같은 실행 동작이 구성된 LLM으로 설명합니다.
모델은 다음 행동을 제안하고, 실행기는 허용된 도구를 호출하며, 도구 결과가 다시 모델 입력으로 돌아갑니다. 실제 권한 검사는 모델의 문장 지시만 믿지 않고 코드와 인증 계층에서 적용해야 합니다.
리드 처리 에이전트의 가정 예시
웹 문의가 들어오면 회사 규모와 지역을 CRM에서 조회하고, 담당 팀을 찾은 뒤 초안 메일을 만드는 에이전트를 가정해 보겠습니다. CRM 조회는 읽기 권한, 담당자 배정은 쓰기 권한, 메일 발송은 외부 통신 권한입니다. 초안 생성까지만 자동화하고 실제 배정과 발송은 담당자가 승인하도록 설계할 수 있습니다.
| 행동 | 권한 | 통제 |
|---|---|---|
| CRM 조회 | 읽기 | 필드 최소화 |
| 담당자 제안 | 없음 | 규칙 근거 표시 |
| 배정 변경 | 쓰기 | 사람 승인 |
| 메일 발송 | 외부 행동 | 수신자 재확인 |
챗봇·자동 워크플로와 구분
챗봇은 대화 인터페이스를 뜻하므로 도구를 쓰지 않는 규칙형일 수도 있습니다. 자동 워크플로는 미리 정한 조건과 순서대로 실행되는 경우가 많습니다. 에이전트는 중간 결과에 따라 다음 도구와 경로를 모델이 선택할 수 있어 유연하지만 예측하기도 더 어렵습니다.
Microsoft RAG 문서는 에이전틱 검색이 복잡한 입력을 여러 하위 질의로 나누고 병렬로 실행한다고 설명합니다. 이 구조도 정답이나 최저 지연을 자동 보장하지는 않습니다.
운영 위험과 평가
에이전트는 잘못된 도구 선택, 인자 오류, 권한 과다, 반복 루프, 외부 콘텐츠의 프롬프트 인젝션, 중복 실행 위험이 있습니다. 결제나 삭제처럼 되돌리기 어려운 행동에는 금액·대상·횟수 제한과 명시적 승인이 필요합니다. 외부 시스템을 바꾸는 행동에는 실행 전 확인 화면, 호출 가능한 도구와 필드의 허용 목록, 건별 금액과 횟수 제한, 실패 뒤 재시도와 취소 절차를 함께 두어 모델의 한 번의 잘못된 선택이 실제 피해로 이어지지 않게 합니다.
- 과업 성공률의 분모는 전체 실행 건수, 분자는 완료 기준을 충족한 건수로 둡니다.
- 도구 호출 성공과 최종 업무 성공을 별도로 셉니다.
- 중단·재시도·사람 이관 경로를 시험합니다.
자주 묻는 질문
- AI 에이전트와 챗봇은 같은가요?
- 같지 않습니다. 챗봇은 대화 인터페이스이고, 에이전트는 목표에 따라 도구를 실행하고 여러 단계를 이어 가는 시스템을 가리킵니다. 둘을 결합할 수는 있습니다.
- 도구를 연결하면 바로 에이전트가 되나요?
- 도구 연결만으로 충분하지 않습니다. 목표, 상태, 권한, 실행 루프, 실패 처리와 평가 기준이 함께 설계되어야 합니다.
출처와 확인 범위
- Agents · OpenAI Agents SDK · 확인 2026-10-27
AI 에이전트는 LLM에 지시, 도구, 가드레일, 핸드오프, 구조화 출력 등의 실행 요소를 결합한 구성입니다.
확인 범위: OpenAI Agents SDK의 객체 모델이며 업계 전체의 단일 표준 정의는 아닙니다.
- Retrieval augmented generation (RAG) and indexes · Microsoft Learn · 확인 2026-10-27
RAG는 검색으로 찾은 내용을 모델 입력에 포함해 답변을 근거 데이터에 연결하는 패턴이며, 검색 품질·토큰·지연·접근통제의 영향을 받습니다.
확인 범위: Microsoft Foundry와 Azure AI Search 중심의 구현 설명입니다.