AI 에이전트(AI Agent) 뜻: 챗봇, 워크플로와의 차이, 에이전트 루프와 도구 호출, MCP와 스킬
AI 에이전트는 목표를 받으면 모델이 다음 행동과 도구 사용을 스스로 정하며 일을 끝까지 진행하는 AI 시스템입니다. 모델은 도구를 직접 실행하지 않고 호출을 요청하며, 실제 실행은 연결된 프로그램이 맡아 결과를 돌려주는 과정을 되풀이합니다.
같은 말:AI 에이전트 뜻AI 에이전트란agent 뜻에이전트와 챗봇 차이에이전틱 AIAI Agent에이전트 루프도구 호출Tool Callingfunction callingMCPAI 스킬
AI에게 "9월 문의 파일에서 환불 문의를 집계해 줘"라고 했을 때, 어떤 AI는 엑셀에서 집계하는 방법을 알려 주고 끝나고, 어떤 AI는 파일을 직접 찾아 집계하고 보고 메일 초안까지 써 둡니다. 뒤의 것이 AI 에이전트입니다. 목표를 받으면 다음 행동과 도구 사용을 스스로 고르며 일을 끝까지 진행합니다.
이번 수업은 업무 지시서 한 장을 맡겨 보는 것에서 시작해, 챗봇과 워크플로와 에이전트가 어디서 다른지, 에이전트 안에서 도는 루프와 도구 호출이 실제로 어떻게 오가는지, 그리고 도구와 MCP와 스킬의 차이와 에이전트를 멈추는 권한까지 다룹니다.
AI 에이전트 개념
AI 에이전트,
답하는 AI에서
일하는 AI로
지시 메모 한 장을 에이전트에게 맡겨 보세요.
오른쪽 작업판의 단계가 차례로 완료됩니다.
지시 메모
9월 문의 파일에서 환불 문의를 집계하고, 팀장님께 보낼 메일 초안까지!
챗봇이라면엑셀에서 환불을 고르고 개수를 세시면 됩니다. (방법만 알려 주고 끝)
에이전트 작업판대기 중
문의 파일 찾기search_files대기
환불 문의 집계count_rows대기
보고 메일 초안 쓰기draft_email대기
보내기 전에 확인 요청대기
목표를 받고 다음 행동을 스스로 고르며
도구로 끝까지 일하는 AI가 에이전트입니다.
뜻
에이전트는
네 가지가 맞물려 움직입니다
AI 에이전트는 목표를 받으면 모델이 다음 행동과 도구 사용을 스스로 정하며 일을 끝까지 진행하는 AI 시스템입니다.
모델지금 상황을 보고 다음 행동을 정함
지시목표, 규칙, 멈출 조건
도구실제로 일을 하는 기능
루프결과를 보고 다시 판단
systems where LLMs dynamically direct their own processes and tool usage
에이전트는 언어 모델이 자기 진행 과정과 도구 사용을 스스로 정하는 시스템이다.
누가 정하나
같은 일도
다음 단계를 누가 정하느냐가 다릅니다
업무문의 메일이 오면 분류하고 답장 초안을 씁니다.
- 1메일 내용을 붙여 넣고 분류를 물음사람이 정함
- 2분류를 보고 답장 초안을 다시 요청사람이 정함
- 3초안을 복사해 메일에 붙임사람이 정함
챗봇사람이 매번 다음 질문을 정합니다. 한두 건을 처리할 때는 챗봇 방식으로 충분합니다.
앤트로픽 "Building effective agents"의 구분을 문의 메일 처리(가상 예시)에 옮겼습니다.
에이전트 루프
루프를 한 바퀴씩
직접 돌려 보세요
"9월 환불 문의는 몇 건이야?"를 맡긴 가상 예시입니다.
버튼을 누를 때마다 루프가 한 단계씩 나아갑니다.
작업 로그
입력 길이
시작 버튼을 누르면 모델이 목표를 읽고 첫 판단을 합니다.
가상 예시입니다. 도구 이름과 결과는 설명을 위해 만들었고, 메시지 형식은 앤트로픽 API 문서의 tool_use와 tool_result를 따랐습니다.
공구함
도구, MCP, 스킬은
공구함의 서랍이 다릅니다
모델이 부를 수 있는 기능 하나입니다. 이름, 설명, 입력 형식을 정해 두면 모델이 필요할 때 "이 값으로 불러 달라"고 요청합니다.
예파일 검색, 주문 조회, 메일 초안 저장 함수
실행하는 쪽내 프로그램이 실행합니다. 웹 검색이나 코드 실행 같은 서버 도구는 앤트로픽 서버가 실행합니다.
AI 앱을 외부 시스템에 잇는 오픈소스 표준입니다. 서비스마다 도구를 따로 붙이지 않고 같은 규격의 MCP 서버로 연결합니다.
예노션, 깃허브, 사내 데이터베이스를 MCP 서버로 연결
실행하는 쪽MCP 서버가 실행합니다. AI 앱은 연결할 서버마다 MCP 클라이언트를 하나씩 둡니다.
지침, 스크립트, 자료를 담은 폴더입니다. 평소에는 이름과 설명만 읽어 두고, 맞는 일이 오면 SKILL.md 본문을 꺼내 읽습니다.
예회사 보고서 양식 스킬, 엑셀 정리 스킬
실행하는 쪽에이전트가 필요할 때 스스로 꺼내 읽고, 안의 스크립트는 도구로 실행합니다.
MCP is an open-source standard for connecting AI applications to external systems.
MCP는 AI 앱을 외부 시스템에 연결하는 오픈소스 표준이다.
멈춤 장치
에이전트가 어디서 멈출지
권한으로 정합니다
클로드 코드의 권한 모드를 바꿔 보세요.
같은 행동도 모드에 따라 바로 하거나, 묻거나, 하지 않습니다.
기본 모드(default)입니다. 읽기만 묻지 않고 나머지는 매번 묻습니다.
파일 읽기바로 실행
파일 고치기묻고 실행
명령 실행(테스트 등)묻고 실행
중요 폴더 지우기(rm)묻고 실행
클로드 코드 권한 모드 문서 기준(2026-10-22)입니다. 중요 경로를 지우는 rm은 어떤 모드에서도 자동 승인되지 않습니다. 명령은 모드마다 세부 규칙이 더 있습니다.
정리
AI 에이전트를 볼 때
네 가지를 기억합니다
- 1
에이전트는 목표를 받고 다음 행동을 스스로 고릅니다.
순서를 코드가 정하면 워크플로입니다. - 2
모델은 도구 호출을 요청할 뿐이고
실행은 연결된 프로그램이 합니다. - 3
도구는 기능 하나, MCP는 도구를 잇는 표준,
스킬은 필요할 때 꺼내 읽는 업무 폴더입니다. - 4
권한 모드와 사람 확인으로
에이전트가 멈출 곳을 정합니다.
AI 에이전트 뜻: 다음 행동을 스스로 고르는 AI
AI 에이전트(AI Agent)는 목표를 받으면 모델이 다음 행동과 도구 사용을 스스로 정하며 일을 끝까지 진행하는 AI 시스템입니다. 영어 agent는 "대리인"이라는 뜻이고, 사람 대신 일을 맡아 처리한다는 의미로 붙은 이름입니다.
세 회사의 정의는 표현이 조금씩 다릅니다.
| 회사 | 정의 |
|---|---|
| 앤트로픽 | 언어 모델이 자기 진행 과정과 도구 사용을 스스로 정하는 시스템(2024년 12월 "Building effective agents") |
| 오픈AI | 사용자를 대신해 독립적으로 일을 끝내는 시스템. 구성 요소는 모델, 도구, 지시 세 가지 |
| 구글 클라우드 | AI로 목표를 추구하고 사용자를 대신해 일을 끝내는 소프트웨어 시스템 |
세 정의에 공통으로 들어 있는 것은 목표를 받아 대신 끝낸다는 점입니다. 위 장치에서는 이를 모델, 지시, 도구, 루프 네 가지로 풀어 보였습니다. 오픈AI는 모델, 도구, 지시 세 가지로 묶고, 이 수업은 결과를 보고 다시 판단하는 반복을 루프로 따로 꺼냈습니다.
챗봇, 워크플로, 에이전트는 다음 단계를 정하는 주체가 다릅니다
세 가지를 가르는 기준은 다음 단계를 누가 정하느냐입니다.
- 챗봇: 사람이 묻고 AI가 답합니다. 다음에 무엇을 할지는 사람이 매번 정합니다. 오픈AI 가이드는 단순한 챗봇이나 한 번 묻고 답하는 프로그램은 에이전트가 아니라고 적습니다.
- 워크플로: 단계마다 모델을 쓰더라도 순서는 미리 짜 둔 코드가 정합니다. 앤트로픽은 이를 "미리 정한 코드 경로를 따라 모델과 도구가 움직이는 시스템"이라고 설명합니다.
- 에이전트: 모델이 중간 결과를 보고 다음 단계를 직접 고릅니다. 같은 문의 메일이라도 주문 기록을 조회할지, 담당자에게 물을지 메일마다 다르게 정합니다.
앤트로픽은 워크플로와 에이전트를 함께 "에이전틱 시스템"이라고 부르고, 이런 시스템은 대개 지연 시간과 비용을 더 쓰는 대신 성능을 얻는다고 적습니다. 그래서 가능한 가장 단순한 방법부터 찾고, 필요할 때만 복잡도를 올리라고 권합니다. 순서가 늘 같은 일이면 워크플로로 충분하고, 다음 단계가 상황마다 다를 때 에이전트가 맞는 편입니다.
비용 차이도 큽니다. 앤트로픽이 자사 리서치 기능으로 측정한 결과, 에이전트는 채팅보다 토큰을 약 4배, 여러 에이전트가 함께 일하는 방식은 약 15배 썼습니다.
에이전트 루프와 도구 호출: 모델은 요청하고 프로그램이 실행합니다
에이전트가 일하는 방식을 에이전트 루프라고 부릅니다. 판단하고, 도구를 부르고, 결과를 보고, 다시 판단하는 과정을 일이 끝날 때까지 되풀이합니다. 이때 핵심은 도구 호출(Tool Calling, function calling)입니다.
앤트로픽 API를 예로 한 바퀴를 나누면 다음과 같습니다.
- 도구 알려 주기: 프로그램이 요청에 쓸 수 있는 도구의 이름(name), 설명(description), 입력 형식(input_schema)을 함께 보냅니다.
- 모델의 요청: 도구가 필요하면 모델은
tool_use블록에 도구 이름과 입력값을 담아 응답하고, 응답의stop_reason은tool_use가 됩니다. - 프로그램의 실행: 프로그램이 그 도구를 실제로 실행합니다. 앤트로픽 문서는 "모델은 스스로 아무것도 실행하지 않는다"고 적고, 오픈AI 문서도 "실행해서 결과를 돌려주는 것은 개발자"라고 적습니다.
- 결과 돌려주기: 프로그램이 결과를
tool_result블록에 담아, 지금까지의 대화 전체와 함께 다시 보냅니다. - 반복과 종료:
tool_use가 오는 동안 이 과정을 반복하고,end_turn같은 다른 이유로 응답이 끝나면 루프를 빠져나옵니다.
실행하는 쪽은 도구 종류에 따라 다릅니다. 내가 정의한 도구는 내 프로그램이 실행하고, 웹 검색이나 코드 실행 같은 서버 도구는 앤트로픽 서버가 실행합니다. 어느 쪽이든 모델이 직접 실행하지는 않습니다.
위 장치의 입력 길이 막대처럼 바퀴가 돌수록 입력이 길어집니다. 도구 정의, tool_use 블록, tool_result 블록이 모두 다음 요청의 입력 토큰에 들어가기 때문입니다. 앤트로픽은 "루프를 도는 에이전트는 점점 더 많은 데이터를 만든다"고 적습니다. 긴 작업에서 비용과 한도가 빨리 차는 이유이고, 줄이는 방법은 AI 사용 한도와 요금의 프롬프트 캐시에서 다뤘습니다.
도구를 쓸지 말지는 tool_choice로 정합니다. 앤트로픽은 auto, any, tool, none을, 오픈AI는 auto, required, 특정 함수 강제, none 등을 둡니다. 앤트로픽의 Opus 5.5와 Sonnet 5.5는 any와 tool 값을 지원하지 않아 400 오류로 거부합니다.
도구, MCP, 스킬의 차이
에이전트 이야기에 자주 함께 나오는 세 낱말은 공구함의 서로 다른 서랍과 같습니다.
| 이름 | 하는 일 | 실행하는 쪽 |
|---|---|---|
| 도구(Tool) | 모델이 부를 수 있는 기능 하나. 이름, 설명, 입력 형식을 가짐 | 내 프로그램 또는 회사 서버 |
| MCP(Model Context Protocol) | AI 앱을 외부 시스템에 잇는 오픈소스 표준 | MCP 서버 |
| 스킬(Agent Skills) | 지침, 스크립트, 자료를 담은 폴더 | 에이전트가 필요할 때 읽고, 스크립트는 도구로 실행 |
MCP는 앤트로픽이 2024년 11월 25일 공개했고, 2025년 12월 9일 리눅스 재단 산하 Agentic AI Foundation에 기부했습니다. 이 재단은 앤트로픽, Block, 오픈AI가 함께 세웠고, ChatGPT도 MCP를 지원합니다. 그래서 MCP는 앤트로픽만 쓰는 규격이 아닙니다. 구조는 AI 앱(호스트)이 연결할 MCP 서버마다 MCP 클라이언트를 하나씩 두는 방식입니다. 클로드 코드에서 연결하는 법은 클로드 코드 MCP 설정에서 다룹니다.
스킬은 앤트로픽이 2025년 10월 16일 발표했습니다. 평소에는 스킬마다 약 100토큰인 이름과 설명만 읽어 두고, 맞는 일이 오면 SKILL.md 본문을 읽습니다. 필요한 것만 그때그때 꺼내 읽으므로 스킬을 많이 넣어도 입력이 크게 늘지 않습니다. 2025년 12월 18일 개방형 표준으로 공개됐고, 오픈AI 문서도 자사 스킬이 이 표준을 따른다고 적습니다. 클로드에서 쓰는 법은 클로드 스킬에서 이어집니다.
에이전트가 멈추는 곳: 권한과 사람 확인
에이전트는 사람 없이 끝까지 혼자 하는 것이 아닙니다. 앤트로픽은 멈춤 조건의 예로 최대 반복 횟수를 들고, 오픈AI의 ChatGPT agent는 중요한 행동 전에 허락을 구한다고 적습니다. 반대로 "늘 사람에게 묻는다"고 단정할 수도 없습니다. 어디서 멈출지는 권한 설정이 정합니다.
| 도구 | 기본 동작 | 고를 수 있는 것 |
|---|---|---|
| 클로드 코드 | v2.1.283 이상의 대화형 터미널과 VS Code 세션은 auto 모드로 시작 | Manual(default), acceptEdits, plan, auto 등. 중요 경로의 rm은 어떤 모드에서도 자동 승인 안 됨 |
| 오픈AI Codex | Auto(작업 폴더 쓰기 + 필요할 때 묻기). 작업 폴더 밖 수정이나 네트워크가 필요한 명령은 승인을 물음 | 신뢰하기 전에는 read-only로 시작 가능 |
처음 맡기는 일이라면 묻는 쪽 모드에서 시작해, 에이전트가 무엇을 하는지 본 뒤 범위를 넓히는 편이 안전합니다. 클로드 코드의 모드별 차이는 클로드 코드 권한 모드에서 자세히 다룹니다.
직접 확인해 보기
- 지금 쓰는 AI 앱에서 같은 일을 두 가지로 시켜 봅니다. "엑셀에서 환불 문의 집계하는 법 알려 줘"와 "이 파일에서 환불 문의를 집계해 줘"(파일 첨부). 앞은 챗봇처럼, 뒤는 도구를 쓰는 쪽으로 답합니다.
- 클로드 코드나 Codex를 쓴다면 작업을 하나 맡기고, 화면에 도구 호출과 결과가 어떤 순서로 쌓이는지 봅니다. 위 장치의 작업 로그와 같은 순서인지 확인합니다.
- 처음 맡기는 폴더라면 묻는 쪽 권한 모드로 시작했는지 확인합니다.
자주 묻는 질문
AI 에이전트란 무엇인가요?
목표를 받으면 모델이 다음 행동과 도구 사용을 스스로 정하며 일을 끝까지 진행하는 AI 시스템입니다. 한 번 답하고 끝나는 챗봇과 달리 도구를 부르고 결과를 보며 다음 단계를 직접 고릅니다.
agent는 무슨 뜻인가요?
영어 agent는 "대리인", "대신 일하는 사람"이라는 뜻입니다. AI 분야에서는 사용자를 대신해 목표를 받아 일을 끝내는 AI 시스템을 가리킵니다.
에이전트 루프는 무엇인가요?
모델이 판단하고, 도구 호출을 요청하고, 프로그램이 실행한 결과를 받아 다시 판단하는 과정을 일이 끝날 때까지 되풀이하는 구조입니다. 바퀴가 돌수록 결과가 대화에 쌓여 입력이 길어집니다.
tool calling과 function calling은 같은 말인가요?
같은 개념을 가리킵니다. 모델이 정해 둔 기능(도구, 함수)을 이름과 입력값으로 불러 달라고 요청하고, 프로그램이 실행해 결과를 돌려주는 방식입니다. 오픈AI 문서는 function calling, 앤트로픽 문서는 tool use라는 이름을 씁니다.
MCP는 앤트로픽만 쓰나요?
아닙니다. MCP는 앤트로픽이 2024년 공개했지만 2025년 12월 리눅스 재단 산하 Agentic AI Foundation에 기부했고, ChatGPT도 MCP를 지원합니다.
에이전트는 사람 없이 끝까지 혼자 일하나요?
권한 설정에 따라 다릅니다. 클로드 코드와 Codex는 권한 모드로 어떤 행동을 묻고 어떤 행동을 바로 할지 정하고, ChatGPT agent는 중요한 행동 전에 허락을 구합니다.
참고 자료
- 앤트로픽: Building effective agents(2024)
- 앤트로픽 개발자 문서: How tool use works
- 앤트로픽 개발자 문서: Tool use overview
- 오픈AI 개발자 문서: Function calling
- 오픈AI: A practical guide to building agents(PDF)
- 구글 클라우드: What are AI agents
- Model Context Protocol 소개
- Model Context Protocol 구조
- 앤트로픽: MCP 기부와 Agentic AI Foundation 설립
- 앤트로픽 개발자 문서: Agent Skills
- 클로드 코드: 권한 모드
- Codex: 승인과 보안

제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
문의 메일이 오면 분류하고, 분류에 맞는 답장 초안을 쓰고, 담당자에게 알리는 순서가 코드로 고정된 자동화가 있습니다. 이 자동화를 부르는 이름으로 가장 알맞은 것은 무엇일까요?
예제나 확인 질문을 직접 시도한 뒤 완료 표시해요. 더 연습할 내용이 남으면 표시하지 않고 다음 글을 읽어도 됩니다. 완료 버튼은 이해도를 채점하지 않으며 잘못 표시하면 취소할 수 있어요.

