AI 에이전트란 무엇이고, 어떻게 써야 할까요?

OpenAI의 닷츠(dots)와 Anthropic의 듀엣(Claude Duet)처럼 AI 에이전트라는 이름을 단 서비스가 잇달아 나왔지만, 우리가 쓰던 챗봇과 무엇이 다른지는 설명이 제각각입니다. 이 글은 준이아빠AI유튜브 영상 "AI 에이전트란 무엇이고, 어떻게 써야 할까요?"의 내용을 챕터 순서대로 정리했습니다. 제주 여행 부탁을 네 단계로 바꿔 보며 에이전트인지 가리는 질문 하나를 세우고, Claude Code에 일을 맡긴 실행 기록과 범용 에이전트 서비스, 나만의 에이전트를 만드는 재료, 일을 맡길 때 사람이 정할 것까지 다룹니다.

AI 에이전트, 왜 헷갈릴까요

2026년 9월 29일 OpenAI가 닷츠를, 10월 21일 Anthropic이 듀엣을 공개했습니다. 두 회사 모두 이 서비스를 AI 에이전트라고 부릅니다.

한편 "에이전트를 만들었다"는 영상에는 픽셀로 그린 사무실에서 캐릭터 여럿이 일하는 화면이 자주 나옵니다. 이런 화면 프로그램 가운데 하나인 Pixel Agents의 저장소 설명을 보면, 이 프로그램은 Claude Code 같은 코딩 에이전트가 보내는 신호(이벤트 훅)와 세션 기록 파일을 읽어 캐릭터를 움직입니다. 에이전트는 따로 실행되고 있으므로 화면을 꺼도 에이전트의 일은 그대로 이어집니다.

실제로 에이전트에게 일을 맡겨 본 기록도 영상에 담았습니다. 부탁은 한 줄이었는데, 그 뒤에서 AI는 도구를 일곱 번 불렀습니다. 서비스 이름과 캐릭터 화면만으로는 에이전트가 무엇인지 알기 어렵습니다. 영상은 쉬운 개념에서 시작해 실행 기록, 서비스, 만드는 재료, 생김새, 쓰는 법 순서로 이 질문을 풉니다.

에이전트라는 말의 뜻

에이전트(agent)는 영어로 대리인이라는 뜻입니다. 부동산 중개인이나 여행사 직원처럼 내 일을 대신 처리하는 사람을 가리킵니다.

AI 분야의 대표 교과서로 꼽히는 러셀과 노빅의 책(Artificial Intelligence: A Modern Approach)은 이 말을 훨씬 넓게 씁니다. 센서로 주변을 지각하고 그에 맞춰 움직이는 것이면 모두 에이전트라고 봅니다. 이 기준이면 온도를 확인하고 난방을 켜는 온도조절기도 에이전트에 들어갈 수 있습니다. 범위가 이렇게 넓으니 사람마다 떠올리는 에이전트가 다를 수밖에 없습니다.

영상과 이 글이 다루는 것은 AI 회사들이 요즘 말하는 에이전트, 곧 글을 읽고 쓰는 AI 모델(언어 모델)이 도구를 써서 일을 처리하는 시스템입니다.

제주 여행 부탁으로 본 네 단계

챗봇과 에이전트의 차이는 같은 주제의 부탁을 네 번 바꿔 보면 잘 보입니다. 아래 부탁은 설명을 위해 만든 예이고, 특정 제품의 실제 동작을 옮긴 것이 아닙니다.

첫 번째 챗봇은 아무것도 찾아보거나 실행하지 않고 답을 쓰면 끝납니다. OpenAI가 낸 에이전트 안내서 "A practical guide to building agents"는 이런 단순 챗봇과 한 번 묻고 답하는 언어 모델을 에이전트에 넣지 않습니다. 대화를 잘한다고 에이전트가 되는 것은 아닙니다.

두 번째 단계에서 날씨는 AI가 이미 아는 지식에 없으므로 AI는 검색을 부탁합니다. 이때 AI가 직접 인터넷에 들어가 검색하지는 않습니다. 식당의 손님이 주방에 들어가지 않고 주문서만 쓰듯, AI는 무엇을 검색할지 적은 요청만 냅니다. 실제 검색은 그 AI를 실행하는 앱이나 회사 서버가 하고, 결과가 돌아오면 AI가 읽고 답을 씁니다. Anthropic의 도구 사용 문서도 "모델은 스스로 아무것도 실행하지 않는다(The model never runs anything on its own)"고 적습니다.

여기서 모델은 생각하고 글을 쓰는 AI의 두뇌를 말합니다. AI가 요청을 내면 앱이 대신 실행해 주는 기능을 도구라고 부르고, 그 요청을 내는 일을 도구 호출이라고 합니다.

세 번째 단계는 여러 단계를 이어 가지만, 무엇을 어떤 순서로 할지는 사람이 미리 짜 둔 대로입니다. 이런 방식을 워크플로라고 합니다. 매일 같은 일을 같은 순서로 할 때는 워크플로가 가장 안정적입니다.

네 번째 에이전트는 앞의 두 가지를 합친 것입니다. 여러 단계를 이어 가는데, 다음 할 일을 AI가 정합니다. 순서를 주지 않고 목표만 주며, 예약이나 결제 직전에는 사람에게 물어보게 합니다. Anthropic은 2024년 12월 글 "Building effective agents"에서 다음 할 일이 미리 짜 둔 코드 경로대로 정해지면 워크플로, 모델이 그때그때 정하면 에이전트로 구분했습니다.

뒤 단계일수록 좋은 것은 아닙니다. 이 네 단계는 이해를 돕는 구분이고, 업계가 정한 등급이 아닙니다. Hugging Face의 smolagents 문서는 에이전트다운 정도를 0과 1이 아닌 연속선으로 설명하고, 정해진 워크플로로 충분하면 에이전트를 쓰지 말라고 권합니다. Anthropic 글도 가장 단순한 방법부터 찾고 필요할 때만 복잡도를 높이라고 씁니다.

에이전트인지 가리는 질문

에이전트인지 아닌지는 질문 하나로 가려 볼 수 있습니다.

AI가 다음에 할 일을 스스로 정하면서, 일이 끝날 때까지 이어 가나요?

이 질문에 그렇다고 답할 수 있으면 에이전트에 가깝습니다. 풀어 보면 목표를 받고, 도구를 써서 일하고, 결과를 확인하고, 다음 행동을 정하고, 끝났다고 판단하면 멈추는 흐름입니다.

정의는 회사마다 조금씩 다릅니다. OpenAI 안내서는 에이전트를 사용자를 대신해 일을 독립적으로 끝내는 시스템이라고 정의합니다. 앞에서 본 대리인이라는 뜻이 여기서 다시 나옵니다. Google의 개발 도구 Agent Development Kit(ADK) 문서는 특정 목표를 이루기 위해 자율적으로 행동하는 독립 실행 단위라고 씁니다.

표현은 달라도 주요 문서를 모아 보면 비슷한 요소가 반복해서 나옵니다.

모든 회사가 이 다섯 요소로 에이전트를 정의한다는 뜻은 아닙니다. 서비스를 볼 때 이 다섯 가지를 하나씩 대어 보면, 에이전트라는 이름이 실제 동작과 맞는지 판단하기 쉬워집니다.

Claude Code에 맡긴 카페 매출 분석

영상에서 쓴 도구는 Claude Code입니다. Anthropic이 만든 에이전트형 도구로, 명령어 창(터미널)에서 실행하며 내 컴퓨터의 파일을 읽고 명령을 실행하면서 일합니다.

2026년 10월 31일, 영상 시연용으로 만든 가상 카페의 9월 매출 파일 세 개(30일, 메뉴 5종, 150행)를 한 폴더에 넣고 부탁을 한 줄만 했습니다. 9월에 매출이 가장 높았던 날을 찾고, 그날 매출을 끌어올린 메뉴를 확인해 보고서 한 장으로 달라는 부탁이었습니다. 어떤 파일을 열지, 어떻게 계산할지는 말하지 않았습니다.

46초 뒤에 답이 왔습니다. 매출이 가장 높은 날은 9월 19일 토요일, 매출은 98만 9,500원이었고, 끌어올린 메뉴는 딸기케이크였습니다. 평소 하루 열여덟 개쯤 팔리던 딸기케이크가 이날 95개 팔렸습니다. 같은 파일로 따로 계산해 봐도 결과가 같았습니다.

실행 기록을 펼쳐 보면 그 46초 동안 AI는 도구를 일곱 번 불렀습니다.

첫 번째 명령이 거절된 이유는 실행 설정에 있습니다. 실행할 때 허용할 명령 목록을 미리 정해 뒀고, 그 명령에 들어 있던 목록 보기와 앞부분 보기도 허용한 명령이었습니다. 그런데 명령 안에 실행할 때마다 바뀌는 값(변수)이 들어 있어서 실행 전에 확인할 수 없었고, 확인이 안 되는 명령은 막는 규칙에 걸렸습니다. 기록에 남은 거절 문구는 "A variable in this command can't be checked before it runs"입니다. 이번 실행은 확인 창 없이 돌게 설정해 두어 사람에게 묻지 않고 바로 거절됐습니다.

그러자 AI는 방법을 바꿔 파일 목록만 다시 봤고, 파일을 하나씩 읽은 뒤 계산하고 보고서를 쓰고 멈췄습니다. 모든 단계를 기록 파일로 남기도록 실행해서 이 과정을 하나하나 볼 수 있었습니다. 부탁은 한 줄이었지만, 그 뒤에서는 요청과 결과가 여러 번 오갔습니다. 다음 할 일을 AI가 정했고, 막히면 다른 길을 찾았고, 다 됐다고 판단하자 멈췄으니 앞의 질문에 그렇다고 답할 수 있습니다.

닷츠와 듀엣, 채팅창 뒤의 에이전트

카페 예시만 보면 에이전트는 개발자만 쓰는 도구 같지만, 말로 일을 맡기는 범용 에이전트도 나왔습니다. 범용이라는 말은 여러 서비스를 오가며 이런저런 일을 맡는다는 뜻입니다. 두 서비스를 앞의 요소에 맞춰 보면 다음과 같습니다.

닷츠는 ChatGPT 무료나 Plus 요금제에서는 쓸 수 없습니다. 한국은 제외 지역이 아니므로 한국의 18세 이상 Pro 사용자도 대상이지만, 순차적으로 열리고 있어 요금제가 맞아도 바로 보이지 않을 수 있습니다. OpenAI는 닷츠가 함께 일할수록 사용자의 선호를 더 잘 이해한다고 설명합니다. 듀엣은 기준일 현재 한국에서 쓸 수 없습니다.

평소 쓰는 채팅창에서도 에이전트와 일할 수 있습니다. 닷츠는 겉으로는 ChatGPT에서 메시지를 주고받는 것과 똑같지만, 대화창 뒤에서 자기 컴퓨터와 브라우저로 일을 이어 가고 대화가 끝난 뒤에도 일합니다. 이때 채팅창은 말을 주고받는 창구이고, 일은 그 뒤에서 에이전트가 합니다. ChatGPT에 있던 에이전트 모드(도구 메뉴에서 고르거나 /agent로 시작하던 기능)는 종료됐고, OpenAI 도움말은 긴 작업에 ChatGPT Work를 쓰라고 안내합니다.

검색을 켜고 묻는 경우는 어떨까요? Anthropic 개발자 문서에 따르면 웹 검색 같은 서버 도구는 요청 한 번 안에서도 검색을 여러 번 반복할 수 있습니다. 모델이 결과를 읽고 다시 찾을지 정하는 구조입니다. 반대로 도구를 한 번 부르고 끝났다면 앞의 질문에 그렇다고 하기 어렵습니다. 다음 할 일을 여러 번 스스로 정해야 에이전트에 가까워집니다.

Claude Code에는 AI가 일을 나눠 맡기는 하위 에이전트(subagent)도 있습니다. 긴 자료를 한 대화에서 다 뒤지면 대화가 길어져 중요한 내용이 묻히기 쉽습니다. 팀장이 조사원을 옆방에 보내면 조사원이 자료를 뒤진 뒤 한 장짜리 요약만 들고 오듯, 하위 에이전트는 자기만의 작업 공간(컨텍스트)에서 일하고 끝나면 요약만 돌려줍니다. Claude Code 문서에 따르면 새 하위 에이전트는 원래 대화 기록을 보지 못합니다. 조사원이 다른 AI일 필요도 없습니다. 같은 AI에게 따로 방을 내주고 일을 맡기는 방식입니다.

에이전트는 다 알아서 할까요

내가 없는 동안에도 일한다는 점에서 에이전트는 알아서 하는 비서에 가깝습니다. 하지만 공식 문서를 보면 어디까지 혼자 할지 선이 분명히 그어져 있습니다.

카페 예시에서 확인이 안 되는 명령을 막은 것도 같은 원리입니다. 에이전트는 방법을 스스로 고르지만, 무엇을 해도 되는지는 사람이 정합니다.

나만의 에이전트를 만드는 재료

에이전트는 큰 회사만 만드는 것처럼 보이지만, 구성 요소를 하나씩 보면 생각보다 단순합니다. 앞의 다섯 요소가 에이전트가 일하는 방식이었다면, 이 절의 여섯 가지 재료는 에이전트를 만드는 부품입니다. OpenAI 안내서와 Anthropic, MCP 공식 문서를 모아 여섯 가지로 정리하고, 카페 예시에 하나씩 대입했습니다.

도구는 메일, 캘린더 같은 서비스를 연결해서 늘립니다. 이 연결 방식을 하나로 맞춘 표준이 MCP(Model Context Protocol)입니다. MCP 공식 문서는 이를 AI 앱의 USB-C 포트에 비유합니다. 어떤 기기든 같은 단자에 꽂듯, 여러 서비스를 같은 방식으로 연결한다는 뜻입니다.

만드는 순서는 이렇습니다. 목표를 정하고, 혼자 써도 되는 도구와 꼭 물어볼 일을 정하고, 지시문을 쓰고, 자료를 연결합니다. 그다음 작은 일부터 맡겨 보고 기록을 확인합니다. 개인이 직접 해 볼 수 있는 도구로는 Claude Code가 있습니다. Claude의 Pro, Max, Ultra 요금제에 들어 있고 무료 요금제에는 없습니다. Pro는 월 결제 기준 20달러(부가세 별도)입니다. Anthropic은 2026년 10월 30일 Max 위에 Ultra 요금제를 새로 냈고, 영상에서는 그 전 기준으로 Pro와 Max만 안내했습니다. 명령어 창에서 쓰는 프로그램이라 처음에는 조금 낯설 수 있습니다.

그럼 ChatGPT의 GPTs나 Gemini의 젬스(Gems)는 에이전트일까요? 각 회사 문서는 GPTs와 젬스, Claude의 프로젝트와 스킬을 에이전트라고 부르지 않습니다.

제가 보기에는 여섯 가지 재료 가운데 일부를 미리 챙겨 둔 설정에 가깝습니다. 물론 검색을 켜 둔 GPT라면 답하는 동안 도구를 쓸 수 있습니다. 그래서 이름보다 일하는 방식을 봐야 합니다. 앞의 질문 그대로, 다음 할 일을 스스로 정하면서 일이 끝날 때까지 이어 가는지 확인합니다.

이런 기능은 빠르게 바뀝니다. OpenAI는 맞춤 GPT를 플러그인(plugins)으로 옮기고 기본 종료일을 2026년 12월 11일로 잡았으며, 개인 계정에서는 새 GPT를 만들 수 없습니다. 젬스는 18세 이상 개인 계정 기준으로 2026년 11월 17일 Gemini의 스킬(skills)로 전환되며 읽기 전용이 되고, 12월 17일 Gemini 앱에서 삭제됩니다.

에이전트의 생김새와 여러 에이전트

업무용 에이전트에는 정해진 생김새가 없습니다. 닷츠에는 이름을 붙이고 모양, 색, 눈, 안경, 액세서리를 골라 꾸미는 기능이 있고 언제든 바꿀 수 있습니다. 제가 보기에 이 모습은 내 에이전트를 알아보게 해 주는 얼굴이고, 일은 연결한 도구와 규칙으로 합니다.

픽셀 사무실의 캐릭터도 마찬가지입니다. Pixel Agents는 코딩 에이전트 하나하나를 캐릭터로 보여 주는 VS Code 확장이자 명령어 도구로, 에이전트가 일하면서 보내는 신호와 남긴 기록을 받아 캐릭터를 움직입니다. Claude Code는 모든 메시지와 도구 사용, 결과를 ~/.claude/projects/ 폴더에 기록 파일(JSONL)로 남깁니다. 공장의 CCTV 모니터를 꺼도 공장은 돌아가듯, 화면을 꺼도 에이전트는 똑같이 일합니다. 듀엣이나 Claude Code 같은 업무용 에이전트가 주로 보여 주는 것은 작업 목록과 대화, 그리고 승인 요청입니다.

모든 픽셀 마을이 CCTV 같은 화면인 것은 아닙니다. 스탠퍼드 연구진이 2023년 발표한 Generative Agents 연구의 픽셀 마을 스몰빌(Smallville)에서는 에이전트 25명이 생활하며 기억을 쌓고, 되돌아보며 정리하고, 계획을 세우고, 서로 대화했습니다. 연구진이 한 에이전트에게 발렌타인데이 파티를 열고 싶다는 생각 하나만 넣어 줬더니, 이틀 동안 초대가 퍼지고 약속이 잡혔습니다. 스몰빌에서는 마을 자체가 실험 공간이고, 지도와 물건이 에이전트가 지각하는 환경입니다. 다만 이 연구는 사람의 행동을 흉내 내는 시뮬레이션이라, 내 일을 대신 처리하는 업무용 에이전트와는 종류가 다릅니다.

사무실 캐릭터처럼 에이전트를 여러 개 두면 일을 더 잘할까요? 연구 결과는 과제마다 달랐습니다.

토큰은 AI가 읽고 쓰는 글 조각이고, 사용료를 매기는 단위입니다. 많이 쓸수록 사용 한도도 빨리 찹니다. 여러 에이전트 구성은 에이전트 하나일 때보다 토큰을 세 배 넘게 썼습니다. 캐릭터가 많은 화면이 일을 잘한다는 증거는 아닙니다.

에이전트를 잘 쓰는 다섯 가지

에이전트에게 일을 맡길 때 기억할 것은 다섯 가지입니다.

1. 목표와 끝나는 기준을 분명히 알려 줍니다. 무엇이 나오면 끝인지 알아야 에이전트가 멈출 수 있습니다.
2. 혼자 해도 되는 일과 꼭 물어볼 일을 나눕니다. 메시지 보내기, 결제, 삭제는 먼저 묻게 하는 것이 기본입니다.
3. 결과를 확인할 수 있는 형태로 받습니다. 카페 예시처럼 보고서 파일로 받으면 다시 계산해 볼 수 있습니다.
4. 매일 순서가 같은 일이면 워크플로로 충분한지 먼저 봅니다. 정해진 순서표가 더 안정적일 때가 많습니다.
5. 비용과 실패 가능성을 함께 생각합니다. 듀엣은 사용자가 없는 동안 하는 작업도 채팅과 같은 사용 한도를 씁니다.

에이전트가 맡긴 일을 얼마나 끝내는지 보여 주는 평가도 있습니다. 회사 업무를 흉내 낸 벤치마크 TheAgentCompany에서, 2025년 9월 기준 가장 성능이 좋은 에이전트도 과제의 30%만 혼자 끝냈습니다. 지금은 더 나아졌을 수 있지만, 맡긴 일을 확인하는 것은 여전히 사람의 몫입니다.

당장 범용 에이전트를 쓸 수 없어도 괜찮습니다. 지금 쓰는 AI 앱에 부탁할 때부터 목표와 끝나는 기준, 물어볼 일을 함께 적어 봅니다. 에이전트인지는 생김새가 아니라 일하는 방식으로 정해지고, 무엇을 해도 되는지는 여전히 사람이 정합니다. 여러분의 일 가운데 순서를 미리 정하기는 어렵지만 목표는 분명한 일이 있다면, 그 일이 에이전트에게 맡겨 볼 만한 후보입니다.

따라 해 보기

1. 지금 쓰는 AI 앱에 목표, 끝나는 기준, 물어볼 일을 적어 부탁하기

1. ChatGPT, Claude, Gemini 가운데 평소 쓰는 앱을 엽니다.
2. 부탁을 아래 세 줄로 나눠 적습니다.

1. 답이 오면 표가 끝나는 기준을 채웠는지, 근거 링크가 붙었는지 확인합니다. 빠진 항목이 있으면 그 항목만 다시 부탁합니다.

2. Claude Code로 작은 일을 맡기고 기록 보기

Claude Code를 설치한 Pro 이상 사용자라면 영상과 같은 방식으로 실행 기록을 볼 수 있습니다.

1. 빈 폴더를 만들고 다룰 파일(CSV 같은 표 파일)을 넣은 뒤, 명령어 창에서 그 폴더로 이동합니다.
2. 허용할 도구를 정해 한 줄로 부탁하고, 실행 과정을 파일로 남깁니다. 영상에서 쓴 명령은 다음과 같습니다.

1. 끝나면 폴더에 보고서 파일이 생겼는지 보고, 숫자 하나는 직접 다시 계산해 봅니다.
2. run.jsonl을 열어 "type":"tool_use"가 들어간 부분을 찾으면 AI가 부른 도구와 순서를 볼 수 있습니다.

막혔을 때는 이렇게 확인합니다.

• 명령이 거절됐다면 그 명령이 --allowedTools 목록에 있는지 봅니다. 목록에 있는데도 거절됐다면, 명령 안에 변수처럼 실행 전에 확인할 수 없는 값이 들어 있지 않은지 봅니다.
• 처음에는 파일을 지우거나 밖으로 보내는 도구를 허용 목록에 넣지 않습니다. 읽기와 계산, 파일 쓰기만으로 결과를 확인한 뒤 범위를 넓힙니다.

자주 묻는 질문

ChatGPT에서 검색을 켜고 물으면 에이전트를 쓴 건가요?

검색을 한 번 하고 답을 썼다면 도구를 한 번 쓴 단계에 가깝습니다. 에이전트의 핵심 동작인 도구 호출을 경험한 것은 맞지만, 다음 할 일을 여러 번 스스로 정하며 일이 끝날 때까지 이어 가야 에이전트에 가까워집니다.

한국에서 닷츠와 듀엣을 쓸 수 있나요?

닷츠는 한국의 18세 이상 ChatGPT Pro 사용자와 Business Premium, Enterprise 요금제에 순차적으로 열리고 있어, 요금제가 맞아도 바로 보이지 않을 수 있습니다. 듀엣은 2026년 10월 31일 기준 미국의 Pro, Max, Ultra 가입자만 대기자 명단으로 신청할 수 있어 한국에서는 쓸 수 없습니다.

출처와 기준일

영상 속 Claude Code 실행은 2026년 10월 31일에 했고, 아래 문서는 2026년 10월 30일과 31일에 확인했습니다. 요금제 이름, 이용 대상과 제공 지역은 이후 바뀔 수 있습니다.

• 직접 실행: Claude Code, 가상 카페 9월 매출 CSV 세 개, 2026-10-31, 46.3초, 도구 호출 7회
• OpenAI, A practical guide to building agents (PDF)
• OpenAI, 닷츠(dots) 소개 (2026-09-29), dots 문서
• OpenAI 도움말, ChatGPT agent, GPTs in ChatGPT
• Anthropic, Building effective agents (2024-12-19)
• Anthropic, Introducing Claude Duet (2026-10-21), Get started with Claude Duet, Claude 요금
• Anthropic, How tool use works
• Anthropic, How we built our multi-agent research system (2025-06-13)
• Claude Code 문서, How Claude Code works, Subagents
• Anthropic 도움말, What are projects?, What are Skills?
• Google, Agent Development Kit: Agents
• Google 도움말, Use Gems in Gemini Apps, About the transition from Gems to skills
• Hugging Face, smolagents: What are agents?
• Model Context Protocol, What is the Model Context Protocol
• Pixel Agents, 저장소
• Park 외, Generative Agents: Interactive Simulacra of Human Behavior, arXiv 2304.03442 (UIST 2023)
• Kim 외, Towards a Science of Scaling Agent Systems, arXiv 2512.08296
• Xu 외, TheAgentCompany, arXiv 2412.14161 (2025-09-10 v3)