에이전트와 도구
에이전트, 에이전트를 도구에 연결하는 프로토콜, 그 위에 만든 코딩 에이전트입니다.
- Agent2Agent 프로토콜
- Agent2Agent 프로토콜(A2A)은 서로 다른 프레임워크와 업체가 만든 AI 에이전트가 내부 도구나 메모리를 드러내지 않고도 서로를 찾고, 작업을 맡기고, 결과를 주고받게 하는 개방형 표준입니다.
- AI 검색 엔진
- AI 검색 엔진(AI search engine)은 질의에 대해 웹 검색을 실행하고, 언어 모델로 결과를 읽은 뒤, 링크 목록만이 아니라 출처 링크가 달린 글로 된 답을 돌려주는 검색 서비스입니다.
- AI 어시스턴트
- AI 어시스턴트(AI assistant)는 보통 대규모 언어 모델 위에 만들어진 소프트웨어 제품으로, 일상 언어로 된 요청을 받아 사람 대신 질문에 답하거나 작업을 처리합니다. ChatGPT, Claude, Gemini가 그렇습니다.
- AI 에이전트
- AI 에이전트(AI agent)는 언어 모델이 다음 단계를 스스로 정하는 시스템입니다. 고정된 스크립트를 따르는 대신 도구를 호출하고, 결과를 읽고, 작업이 끝날 때까지 이를 반복합니다.
- AI 코드 에디터
- AI 코드 에디터(AI code editor)는 언어 모델이 내장된 코드 에디터나 IDE입니다. 자동 완성, 코드베이스에 대한 채팅, 그리고 여러 파일에 걸쳐 변경을 계획하고 실행하는 에이전트 모드를 제공합니다.
- LLM 게이트웨이
- LLM 게이트웨이(LLM gateway)는 애플리케이션과 모델 제공업체 사이에 놓이는 프록시 서버로, 하나의 API를 노출하고 키, 라우팅, 폴백, 레이트 리밋, 로그 기록, 지출 추적을 한곳에서 처리합니다.
- LLM 라우팅(LLM routing)
- LLM 라우팅(LLM routing)은 각 요청을 가장 알맞은 언어 모델로 보내는 방식입니다. 보통 쉬운 프롬프트는 저렴한 모델로, 어려운 프롬프트는 더 강한 모델로 보내 비용, 속도, 품질의 균형을 맞춥니다.
- MCP 리소스와 프롬프트
- MCP 리소스와 프롬프트(MCP resources and prompts)는 MCP 서버가 도구 외에 제공할 수 있는 두 가지입니다. 리소스는 각각 URI를 가진 데이터로 앱이 컨텍스트에 추가할 수 있고, 프롬프트는 사용자가 골라 실행하는 재사용 가능한 메시지 템플릿입니다.
- MCP 서버(MCP server)
- MCP 서버(MCP server)는 Model Context Protocol을 통해 도구, 데이터 리소스, 프롬프트 템플릿을 AI 애플리케이션에 제공하는 프로그램입니다. MCP 호환 클라이언트라면 별도 통합 코드 없이 이를 쓸 수 있습니다.
- MCP 전송 방식(stdio, Streamable HTTP)
- MCP 전송 방식(MCP transport)은 클라이언트와 서버 사이에서 MCP의 JSON-RPC 메시지를 실어 나르는 채널입니다. 명세는 두 가지를 정의합니다. 로컬 하위 프로세스로 실행하는 서버를 위한 stdio, 그리고 네트워크로 접속하는 서버를 위한 Streamable HTTP입니다.
- MCP 클라이언트(MCP client)
- MCP 클라이언트(MCP client)는 AI 애플리케이션에서 MCP 서버 하나와의 연결 하나를 맡는 부분입니다. 기능을 협상하고, 그 서버와 호스트 앱 사이에서 요청, 결과, 알림을 전달합니다.
- Model Context Protocol
- Model Context Protocol(MCP)은 AI 애플리케이션이 외부 도구, 데이터, 프롬프트에 연결하는 방법을 정의하는 개방형 표준으로, 호스트 애플리케이션, 그 클라이언트, 별도의 서버 사이에서 JSON-RPC 메시지를 사용합니다.
- ReAct(추론과 행동)
- ReAct(reasoning and acting, 추론과 행동)는 언어 모델이 추론 단계를 쓰고, 검색이나 도구 호출 같은 행동을 하고, 그 결과를 읽은 뒤 다음 단계로 넘어가는 과정을 번갈아 반복하는 프롬프팅 패턴입니다.
- 결정 모델
- 결정 모델(decision model)은 자유로운 텍스트를 생성하는 대신, 목록에서의 선택, 기준표에 따른 점수, 예/아니요 확률처럼 타입이 정해진 답을 돌려주도록 만든 모델입니다.
- 노코드 AI 앱 빌더(No-code AI app builder)
- 노코드 AI 앱 빌더(no-code AI app builder)는 평이한 말로 쓴 설명이나 시각적 편집기를 작동하는 앱으로 바꿔 주는 도구로, 보통 호스팅과 데이터베이스가 포함되어 있어 코드를 쓰지 않고도 소프트웨어를 내놓을 수 있습니다.
- 도구 호출
- 도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 스키마로 함수를 설명하면 모델이 그중 하나를 호출하겠다는 구조화된 요청으로 답하고, 코드가 이를 실행해 결과를 돌려주는 모델 API 기능입니다.
- 딥 리서치(AI)
- 딥 리서치(deep research)는 AI 에이전트 기능으로, 연구 질문을 계획하고, 웹 검색을 여러 번 실행하고, 찾은 출처를 읽은 뒤, 인용이 달린 긴 보고서를 씁니다. 몇 초가 아니라 몇 분이 걸립니다.
- 멀티 에이전트 시스템(Multi-agent system)
- 멀티 에이전트 시스템(multi-agent system)은 각자 지시, 도구, 컨텍스트를 가진 여러 AI 에이전트가 작업의 일부를 맡아 처리하고, 결과를 서로 또는 조율 에이전트에 넘기는 구성입니다.
- 바이브 코딩(Vibe coding)
- 바이브 코딩(vibe coding)은 원하는 것을 AI 모델에 설명하고, 모델이 쓴 코드를 읽거나 검토하지 않은 채 받아들이며, 프로그램이 작동하는 것처럼 보이는지만으로 결과를 판단하는 소프트웨어 개발 방식입니다.
- 브라우저 에이전트
- 브라우저 에이전트(browser agent)는 웹 브라우저를 제어해 검색, 클릭, 양식 작성, 페이지 읽기 같은 작업을 처리하는 AI 에이전트로, 보이는 창 없이 헤드리스 브라우저로 실행되는 경우가 많습니다.
- 생성형 엔진 최적화
- 생성형 엔진 최적화(GEO, generative engine optimization)는 AI 검색 엔진과 채팅 어시스턴트가 웹 콘텐츠를 찾고, 인용하고, 생성한 답변에 출처로 밝히도록 콘텐츠를 다듬는 일입니다.
- 서브에이전트(Subagent)
- 서브에이전트(subagent)는 주 에이전트가 작업을 넘겨주는 보조 에이전트입니다. 흔히 자체 지시와 도구를 가지고 새로운 별도의 컨텍스트 윈도우에서 일하며, 결과의 요약만 돌려줍니다.
- 스펙 주도 개발(Spec-driven development)
- 스펙 주도 개발(spec-driven development)은 코딩 에이전트와 일하는 방식의 하나로, 먼저 무엇을 왜 만들지 명세를 쓴 다음 에이전트가 이를 계획, 작업 목록, 그리고 마지막으로 코드로 바꾸게 합니다.
- 슬래시 명령(Slash command)
- 슬래시 명령(slash command)은 /compact나 /review처럼 앞에 슬래시를 붙여 입력하는 지시로, AI 도구가 텍스트를 일반 메시지로 다루지 않고 내장 동작이나 저장된 프 롬프트를 실행하게 합니다.
- 에이전트 루프
- 에이전트 루프(agent loop)는 AI 에이전트의 중심에서 반복되는 순환입니다. 모델이 도구 호출을 요청하면 애플리케이션이 이를 실행해 결과를 돌려주고, 모델은 다음에 할 일을 정합니다.
- 에이전트 메모리
- 에이전트 메모리(agent memory)는 사용자에 관한 사실이나 과거 작업처럼 AI 에이전트가 하나의 컨텍스트 윈도를 넘어서는 정보를 유지하게 해 주는 기법들입니다. 정보를 모델 밖에 저장했다가 필요할 때 다시 불러옵니다.
- 에이전트 샌드박스
- 에이전트 샌드박스(agent sandbox)는 AI 에이전트가 코드와 명령을 실행하는 격리된 환경입니다. 컨테이너, 가상 머신, 운영체제 제한 등이 있으며, 정해진 한계 밖의 파일, 네트워크, 데이터에 닿지 못하게 합니다.
- 에이전트 스킬
- 에이전트 스킬(agent skills)은 지시, 스크립트, 참고 파일을 담은 폴더로, 각각 SKILL.md 파일로 설명됩니다. AI 에이전트는 작업에 필요할 때만 이를 찾아 불러옵니다.
- 에이전트 오케스트레이션
- 에이전트 오케스트레이션(agent orchestration)은 애플리케이션에서 어떤 에이전트나 모델 호출을 어떤 순서로 실행할지, 다음 단계를 어떻게 고를지를 제어하는 일입니다. 그 결정은 모델이 내릴 수도 있고 고정된 코드가 내릴 수도 있습니다.
- 에이전트 지침 파일(AGENTS.md)
- 에이전트 지침 파일(agent instructions file)은 AGENTS.md나 CLAUDE.md처럼 코드 저장소 안에 두는 Markdown 파일로, 코딩 에이전트가 세션을 시작할 때 읽어 프로젝트의 명령, 관례, 규칙을 익힙니다.
- 에이전트 프레임워크
- 에이전트 프레임워크(agent framework)는 도구 루프, 상태, 메모리, 에이전트 간 핸드오프, 트레이싱처럼 AI 에이전트에 공통으로 필요한 부분을 제공하는 소프트웨어 라이브러리입니다. 개발자가 이를 처음부터 만들 필요가 없습니다.
- 에이전트 하네스
- 에이전트 하네스(agent harness)는 모델을 실제로 동작하는 에이전트로 만드는 주변 소프트웨어입니다. 루프, 도구, 시스템 프롬프트, 권한, 컨텍스트 관리, 그리고 세션 사이에 진행 상황을 이어 주는 파일이 여기에 포함됩니다.
- 에이전트 훅
- 에이전트 훅(agent hooks)은 코딩 에이전트가 도구 호출 전이나 파일 수정 후처럼 작업 중 정해진 시점에 자동으로 실행하는, 사용자가 정의한 명령이나 스크립트입니다. 에이전트의 동작을 점검하거나, 막거나, 확장하는 데 씁니다.
- 에이전틱 AI
- 에이전틱 AI(agentic AI)는 언어 모델이 작업 수행 방식을 어느 정도 통제하는 소프트웨어를 말합니다. 모델이 단계를 계획하고, 도구를 고르고, 결과에 따라 행동하며, 한 번의 프롬프트와 응답보다 더 큰 자율성을 가집니다.
- 워크플로 자동화(AI)
- AI 워크플로 자동화(AI workflow automation)는 Zapier, Make, n8n 같은 도구로 트리거, 앱 동작, 모델 호출을 엮어 스스로 돌아가는 프로세스로 만드는 것으로, 새 고객 지원 티켓마다 요약하는 것이 그 예입니다.
- 워크플로와 에이전트
- 워크플로(workflow)는 단계가 코드에 고정된 경로를 따르는 LLM 시스템이고, 에이전트(agent)는 모델이 스스로 단계와 도구 호출을 정하게 하는 시스템입니다. 에이전틱 워크플로라는 이름으로 팔리는 많은 제품은 그 중간 어딘가에 있습니다.
- 음성 에이전트(Voice agent)
- 음성 에이전트(voice agent)는 실시간으로 음성 대화를 나누는 AI 에이전트로, 사람의 말을 듣고, 무엇을 말하거나 할지 정하고, 합성 음성으로 답하며, 흔히 전화선이나 앱을 통해 작동합니다.
- 컨텍스트 부패
- 컨텍스트 부패(context rot)는 입력이 길어질수록 언어 모델의 정확성과 신뢰성이 떨어지는 현상입니다. 입력이 여전히 컨텍스트 윈도 안에 들어가고 필요한 정보가 그 안에 있어도 일어납니다.
- 컨텍스트 압축
- 컨텍스트 압축(context compaction)은 에이전트가 컨텍스트 윈도 한도에 가까워진 대 화를 요약하고, 그 요약에서 시작하는 새 윈도에서 이어 가는 단계입니다. 그래서 긴 작업을 계속할 수 있습니다.
- 컴퓨터 사용
- 컴퓨터 사용(computer use)은 AI 모델이 스크린숏을 보고 마우스 클릭과 키 입력을 보내 사람처럼 컴퓨터를 조작하는 능력으로, API가 없는 소프트웨어도 다룰 수 있게 합니다.
- 코딩 에이전트
- 코딩 에이전트(coding agent)는 소프트웨어를 직접 다루는 AI 에이전트입니다. 사람이 붙여 넣을 코드를 제안하는 데 그치지 않고, 코드베이스를 읽고, 파일을 수정하고, 명령과 테스트를 실행하며, 변경이 동작할 때까지 반복합니다.
- 휴먼 인 더 루프
- 휴먼 인 더 루프(HITL, human-in-the-loop)는 AI 시스템이 정해진 지점에서 멈추고 사람이 다음 단계를 승인, 수정, 거부하게 하는 설계로, 위험하거나 불확실한 동작이 자동으로 실행되지 않게 합니다.