AI Agent란

AI Agent는 LLM(Large Language Model)이 단순히 텍스트를 생성하는 것을 넘어, 외부 도구를 호출하고 그 결과를 다시 입력으로 받아 추론을 이어가는 자율 실행 루프를 갖춘 시스템이다.
사람이 한 줄씩 명령하지 않아도, "비행기 예약해줘"처럼 모호한 목표를 받아서 → 검색 → 후보 비교 → 결제 도구 호출 같은 다단계 작업을 스스로 수행한다.
핵심은 Loop: 관찰(Observation) → 추론(Reasoning) → 행동(Action) → 관찰 을 종료 조건이 만족될 때까지 반복한다.

Agent의 4가지 핵심 능력

Reasoning(추론) — 현재 상태에서 다음에 무엇을 해야 할지 결정. LLM(Large Language Model)이 담당.
Tool Use(도구 사용) — 검색, DB 조회, 코드 실행, API 호출 등 외부 능력을 호출. Tool Calling 참조.
Memory(기억) — 직전 대화(단기)와 장기적 사실(장기)을 유지. Memory 참조.
Planning(계획) — 복잡한 목표를 하위 작업으로 분해. Planning 참조.

일반 LLM 호출과의 차이

Python

Agent의 실행 루프 (의사 코드)

Python

언제 Agent가 필요한가

필요한 경우: 작업이 동적이라 미리 코드로 흐름을 박을 수 없을 때 (사용자의 모호한 요청, 다단계 리서치, 자동화 워크플로우).
불필요한 경우: 흐름이 고정된 단순 워크플로우는 Agent보다 결정론적 파이프라인이 낫다 — 토큰 비용·지연·예측 불가능성을 피할 수 있다.

한계와 주의점

LLM의 환각(hallucination)이 그대로 행동으로 이어지면 잘못된 도구 호출로 번진다.
루프가 무한히 도는 것을 막기 위해 항상 max_iters 같은 안전장치가 필요하다.
도구가 외부 시스템을 변경할 때는 Human-in-the-loop 승인 단계를 두는 것이 안전하다.

Agent의 4가지 핵심 능력

Reasoning(추론) — 현재 상태에서 다음에 무엇을 해야 할지 결정. LLM(Large Language Model)이 담당.

Tool Use(도구 사용) — 검색, DB 조회, 코드 실행, API 호출 등 외부 능력을 호출. Tool Calling 참조.

Memory(기억) — 직전 대화(단기)와 장기적 사실(장기)을 유지. Memory 참조.

Planning(계획) — 복잡한 목표를 하위 작업으로 분해. Planning 참조.

일반 LLM 호출과의 차이

Python

# 일반 LLM 호출 — 단발성, 입력 → 출력으로 끝
response = llm.invoke("오늘 서울 날씨 알려줘")
# → LLM은 학습 시점 이후의 실시간 정보를 모름

# Agent 호출 — 도구를 통해 외부와 상호작용
agent = create_agent(llm, tools=[weather_tool, search_tool])
response = agent.invoke("오늘 서울 날씨 알려줘")
# → LLM이 weather_tool을 골라 호출 → 결과 받아 응답 생성

Agent의 실행 루프 (의사 코드)

Python

def agent_loop(goal: str, tools: list, max_iters: int = 10):
    history = [goal]
    for _ in range(max_iters):
        # 1. LLM이 다음 행동 결정
        action = llm.decide_next_action(history, tools)

        # 2. 종료 조건 확인
        if action.is_final_answer:
            return action.answer

        # 3. 도구 실행
        observation = tools[action.name].run(action.args)

        # 4. 결과를 history에 반영 → 다음 루프
        history.append((action, observation))

언제 Agent가 필요한가

필요한 경우: 작업이 동적이라 미리 코드로 흐름을 박을 수 없을 때 (사용자의 모호한 요청, 다단계 리서치, 자동화 워크플로우).

불필요한 경우: 흐름이 고정된 단순 워크플로우는 Agent보다 결정론적 파이프라인이 낫다 — 토큰 비용·지연·예측 불가능성을 피할 수 있다.

한계와 주의점

LLM의 환각(hallucination)이 그대로 행동으로 이어지면 잘못된 도구 호출로 번진다.

루프가 무한히 도는 것을 막기 위해 항상 max_iters 같은 안전장치가 필요하다.

도구가 외부 시스템을 변경할 때는 Human-in-the-loop 승인 단계를 두는 것이 안전하다.

Agent의 4가지 핵심 능력

일반 LLM 호출과의 차이

Agent의 실행 루프 (의사 코드)

언제 Agent가 필요한가

한계와 주의점

Synapse Map Insight

AI Agent란

Agent의 4가지 핵심 능력

일반 LLM 호출과의 차이

Agent의 실행 루프 (의사 코드)

언제 Agent가 필요한가

한계와 주의점

Synapse Map Insight