AI 에이전트(agent)는 「LLM이 자율적으로 도구를 사용해 목표를 달성하는 시스템」입니다.
단순한 질문-답변을 넘어 「웹 검색, 계산기 사용, 코드 실행, 파일 편집, 다른 LLM 호출」 같은 여러 단계의 작업을 스스로 계획하고 실행합니다.
기본 구조는 「LLM(두뇌) + 도구 모음 + 메모리」입니다.
LLM은 사용자 목표를 받으면 「어떤 도구를 어떤 순서로 써야 할지」 계획을 세우고, 실행 결과를 보면서 다음 단계를 결정하며, 최종적으로 사용자에게 답을 돌려줍니다.
ReAct 패턴이 가장 흔한 구현 방식입니다.
예를 들어 「이번 주 서울 맛집 5곳 찾아서 표로 정리해 줘」라는 목표가 주어지면 에이전트는 다음과 같이 행동합니다.
1) 웹 검색으로 후보 식당 찾기.
2) 각 식당의 별점·리뷰 추출.
3) 표 형식으로 정리.
4) 사용자에게 제출.
사람이 단계마다 지시할 필요 없이 한 번의 목표 입력으로 끝납니다.
비유하자면 에이전트는 「수습 비서를 한 명 고용한 것」과 같습니다.
「오늘 회의 자료 만들어 줘」라고 하면 비서가 알아서 자료를 찾고, 표를 만들고, 정리해 가져옵니다.
그 과정에서 어떤 도구(엑셀·검색·이메일)를 쓸지를 스스로 결정합니다.
현재의 에이전트 프레임워크로는 LangChain, LangGraph, CrewAI, AutoGPT, Claude Code, Devin 등이 있습니다.
각자 강점이 다르며 빠르게 진화하고 있습니다.
다만 아직 「오래 자율적으로 일하면 점점 헤매는」 한계가 있어, 짧은 작업에는 강력하지만 긴 프로젝트는 사람의 감독이 필요합니다.
한 줄 요약
AI 에이전트는 LLM이 도구를 자율적으로 사용해 다단계 목표를 달성하는 시스템입니다.
ReAct 패턴이 표준이며, 짧은 작업에는 강력하지만 긴 자율 작업은 아직 한계가 있습니다.
더 알아볼 것
- LangChain·LangGraph·CrewAI 비교
- Multi-agent — 여러 에이전트가 협력
- 에이전트의 주요 실패 패턴 — 무한 루프·잘못된 계획
