본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

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 프롬프트를 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 대화를 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.