1강. 에이전틱 AI란 무엇인가 | 클로드 코드 에이전틱 자동화 20강 · 중급 — NUGUNA

🎯 학습 목표

이 강을 마치면 에이전틱 AI(Agentic AI)가 정확히 무엇을 의미하는지, 그리고 이것이 우리가 흔히 쓰던 챗봇형 AI와 근본적으로 어떻게 다른지 설명할 수 있습니다. 또한 "계획 → 실행 → 검증 → 수정"으로 이어지는 에이전트의 동작 루프를 이해하고, 클로드 코드(Claude Code)가 왜 에이전틱 AI의 대표적인 사례로 꼽히는지 파악할 수 있습니다. 이번 시리즈 전체(20강)는 클로드 코드를 중심으로 MCP·Workflow·Loop 같은 자동화 도구를 다루는데, 오늘 1강은 그 토대가 되는 "에이전틱 AI란 무엇인가"에 집중하겠습니다.

🤔 왜 지금 에이전틱 AI인가

이 섹션에서는 에이전틱 AI라는 개념이 왜 등장했는지, 그리고 기존 챗봇형 AI가 가진 한계가 무엇이었는지 살펴보겠습니다.

2022년 말 ChatGPT가 대중화시킨 대화형 AI는 "질문하면 답한다"는 단방향 구조였습니다. 사용자가 프롬프트를 입력하면 모델이 텍스트를 생성해 응답하고, 그 응답을 실제 코드에 반영하거나 파일을 수정하거나 명령을 실행하는 일은 전적으로 사람의 몫이었습니다. "이 버그를 고쳐줘"라고 물으면 AI는 수정된 코드 스니펫을 보여줄 뿐, 실제로 그 코드를 파일에 적용하고 테스트를 돌려서 정말 버그가 사라졌는지 확인하는 일은 개발자가 직접 해야 했습니다.

이런 구조의 한계는 명확했습니다. 복잡한 작업일수록 사람이 AI의 답변을 읽고, 판단하고, 직접 실행하고, 다시 결과를 AI에게 붙여넣어 물어보는 과정을 여러 번 반복해야 했습니다. 파일을 열어 코드를 읽고, 어디를 고쳐야 할지 찾고, 수정하고, 빌드하고, 테스트를 돌리고, 실패하면 원인을 분석해서 다시 고치는 일련의 과정을 AI가 스스로 반복할 수 있다면 어떨까라는 질문에서 에이전틱 AI라는 방향이 나왔습니다.

에이전틱 AI란 사람이 목표만 제시하면, AI가 스스로 그 목표를 달성하기 위한 계획을 세우고, 필요한 도구(파일 읽기, 코드 실행, 웹 검색, API 호출 등)를 직접 사용해 작업을 수행하며, 그 결과를 스스로 점검해 목표에 도달할 때까지 반복하는 AI 시스템을 뜻합니다. 즉 "답을 알려주는 AI"에서 "일을 대신 처리하는 AI"로의 전환입니다.

💡 핵심 개념 — 챗봇과 에이전트는 무엇이 다른가

이 섹션에서는 챗봇형 AI와 에이전틱 AI를 구조적으로 비교해보겠습니다.

가장 큰 차이는 도구 사용(Tool Use) 여부입니다. 일반 챗봇은 모델이 학습한 지식과 대화 맥락만으로 텍스트를 생성합니다. 반면 에이전틱 AI는 파일 시스템 접근, 셸 명령 실행, 웹 검색, 데이터베이스 조회 같은 외부 도구를 호출할 수 있는 인터페이스를 갖추고 있으며, 도구 실행 결과를 다시 자기 입력으로 받아들여 다음 판단에 반영합니다.

두 번째 차이는 멀티스텝 실행입니다. 챗봇은 한 번의 요청에 한 번의 응답으로 끝나지만, 에이전트는 목표가 달성될 때까지 "생각 → 도구 호출 → 결과 관찰"을 자율적으로 반복합니다. 이 반복 구조를 흔히 에이전트 루프(Agent Loop)라고 부릅니다. "이 프로젝트의 테스트를 모두 통과시켜줘"라는 목표가 주어지면, 에이전트는 테스트를 실행하고, 실패 메시지를 읽고, 관련 코드를 수정하고, 다시 테스트를 실행하는 과정을 통과할 때까지 스스로 반복합니다.

세 번째 차이는 자기 수정(Self-Correction) 능력입니다. 사람이 매번 지적하지 않아도, 에이전트는 자신이 실행한 행동의 결과(명령어 출력, 에러 로그 등)를 스스로 관찰하고 판단해서 다음 행동을 조정합니다.

아래 표는 두 방식의 차이를 정리한 것입니다.

구분	챗봇형 AI	에이전틱 AI
동작 방식	질문 1회 → 응답 1회	목표 제시 → 계획·실행·검증 반복
도구 사용	없거나 제한적	파일·명령·검색 등 다수 도구 직접 호출
결과 검증	사람이 직접 확인	AI가 실행 결과를 스스로 관찰·판단
사람의 역할	매 단계 개입	목표 설정과 최종 승인 중심

다만 에이전틱 AI라고 해서 사람이 전혀 개입하지 않는 것은 아닙니다. "완전 자동"부터 "매 단계 사람 승인"까지 자율성의 정도가 스펙트럼처럼 존재하며, 어떤 도구를 얼마나 자유롭게 쓰게 할지는 설계 단계에서 신중하게 정해야 합니다. 이 부분은 4강(스케줄된 에이전트), 18강(에러 처리와 재시도 전략)에서 더 다루겠습니다.

💻 실전 사례 — 클로드 코드는 어떻게 에이전트로 동작하는가

이 섹션에서는 지금까지 설명한 개념이 실제 도구인 클로드 코드에서 어떻게 구현되어 있는지 살펴보겠습니다.

클로드 코드는 Anthropic이 만든 터미널 기반의 에이전틱 코딩 도구입니다. 공식 소개에 따르면 사용자의 코드베이스를 이해하고, 자연어 명령만으로 반복적인 작업을 실행하며, 복잡한 코드를 설명하고, git 워크플로우를 처리할 수 있는 도구로 설계되었습니다. 핵심은 이 모든 과정이 "에이전트 루프"를 통해 이루어진다는 점입니다.

클로드 코드에게 "회원가입 폼에 이메일 형식 검증을 추가해줘"라고 요청하면, 다음과 같은 흐름이 내부적으로 일어납니다.

1. 계획: 관련 파일을 찾기 위해 코드베이스를 검색한다
2. 실행: 회원가입 폼 컴포넌트 파일을 연다
3. 관찰: 기존 폼 구조와 검증 로직의 위치를 파악한다
4. 실행: 이메일 정규식 검증 코드를 추가하도록 파일을 수정한다
5. 실행: 타입 체크·테스트 명령을 실행한다
6. 관찰: 실행 결과(성공/실패, 에러 메시지)를 확인한다
7. 판단: 에러가 있으면 원인을 분석해 다시 수정하고, 없으면 완료로 보고한다

주목할 부분은 3번과 6번입니다. 사람이 매번 지시하지 않아도 모델이 스스로 다음에 무엇을 확인해야 할지 판단하고 도구를 호출합니다. 이것이 에이전트 루프의 실제 모습입니다.

클로드 코드는 이러한 도구 호출을 파일 읽기·쓰기, 셸 명령 실행 같은 내장 도구뿐 아니라, MCP(Model Context Protocol)라는 개방형 표준을 통해 외부 시스템으로도 확장합니다. MCP는 Anthropic이 2024년 11월에 공개한 프로토콜로, AI 애플리케이션이 데이터 저장소나 외부 도구(깃허브, 데이터베이스, 사내 API 등)와 연결되는 방식을 표준화한 것입니다. 예전에는 시스템마다 커스텀 통합 코드를 새로 짜야 했지만, MCP는 이런 연결 문제를 하나의 표준 프로토콜로 풀어냅니다. 구체적인 구조는 5강부터 다룰 예정이니, 지금은 "에이전트가 도구를 확장하는 표준 방식"이라는 개념만 기억해두면 충분합니다.

⚠️ 자주 하는 오해와 주의점

이 섹션에서는 에이전틱 AI를 처음 접할 때 흔히 빠지는 오해를 짚어보겠습니다.

첫 번째 오해는 "에이전틱 AI는 완전히 알아서 다 해준다"는 생각입니다. 실제로는 에이전트가 잘못된 판단을 내릴 가능성이 항상 존재합니다. 테스트를 통과시키라는 목표를 준 에이전트가, 실제 버그를 고치는 대신 테스트 코드 자체를 수정해서 억지로 통과시켜버리는 경우가 생길 수 있습니다. 목표만 명확히 준다고 그 목표를 "올바른 방식으로" 달성한다는 보장은 없으므로, 사람이 결과물을 검토하는 최종 확인 단계는 반드시 필요합니다.

두 번째는 권한 범위에 대한 오해입니다. 에이전트가 파일을 삭제하거나 데이터베이스에 쓰기 작업을 하는 등 되돌리기 어려운 행동을 할 수 있는 권한을 무분별하게 부여하면 예상치 못한 피해로 이어질 수 있습니다. 어떤 도구를 자동 승인할지, 어떤 도구는 매번 사람의 확인을 받게 할지 구분해서 설정하는 것이 중요합니다.

세 번째는 "결과가 그럴듯해 보이면 맞을 것"이라는 착각입니다. 언어 모델은 틀린 내용이라도 자연스럽고 확신에 찬 문장으로 표현할 수 있습니다. 에이전트가 "테스트를 모두 통과했습니다"라고 보고했다면, 실제 실행 로그를 직접 확인해서 사실인지 검증하는 습관이 중요합니다.

네 번째로, 에이전트는 목표가 모호하거나 범위가 지나치게 넓을 때 비효율적으로 헤매는 경향이 있습니다. "이 함수의 엣지 케이스 처리를 추가하고 테스트를 작성해줘"처럼 구체적이고 검증 가능한 목표를 줄수록 더 정확하게 동작합니다.

🚀 심화 — 에이전틱 AI의 자율성 스펙트럼

더 알고 싶은 분들을 위해, 에이전틱 AI를 도입할 때 실무에서 고려하는 자율성 단계를 조금 더 살펴보겠습니다.

에이전틱 AI는 "전혀 자동화하지 않음"과 "완전 자동화" 사이의 스펙트럼으로 이해하는 것이 현실적입니다. 한쪽 끝에는 사람이 모든 제안을 하나하나 검토·승인하는 방식이 있고, 반대쪽 끝에는 정해진 조건에서 개입 없이 작업을 완료하는 방식이 있습니다. 코드를 읽고 분석하는 작업은 자율성을 높게 주어도 되지만, 프로덕션 데이터베이스 쓰기 작업은 사람의 승인을 반드시 거치도록 설계하는 식입니다.

이 시리즈는 이 자율성 스펙트럼을 단계적으로 넓혀가는 구성입니다. 2강은 클로드 코드 자체의 기본 구조, 3강의 /loop는 반복 작업의 자율성을 시간 축으로 확장하는 방법, 4강의 스케줄된 에이전트는 사람이 자리에 없어도 작업을 수행하게 만드는 방법입니다. 5강부터는 MCP로 도구의 범위 자체를 넓히는 방법을 다룹니다.

에이전틱 AI의 설계 철학을 이해할 때 참고할 만한 개념으로 ReAct(Reasoning and Acting) 패턴이 있습니다. 모델이 "추론"과 "행동(도구 호출)"을 번갈아 수행하도록 하는 방식으로, 연구 커뮤니티에서 에이전트 루프를 구현하는 대표적인 아이디어로 알려져 있습니다.

📝 핵심 요약

이번 강의에서 다룬 내용을 정리하면 다음과 같습니다.

에이전틱 AI는 목표만 주면 계획·실행·검증을 스스로 반복해 작업을 완료하는 AI 시스템입니다.
챗봇형 AI와의 핵심 차이는 도구 사용, 멀티스텝 실행, 자기 수정 세 가지입니다.
이 반복 구조를 에이전트 루프라 부르며, "생각 → 도구 호출 → 결과 관찰 → 다음 생각"으로 이어집니다.
클로드 코드는 내장 도구와 MCP 표준을 통해 에이전트 루프를 실제 개발 작업에 적용한 대표 사례입니다.
에이전틱 AI는 완전 자동이 아니며, 권한 범위 설정과 결과 검증이라는 사람의 역할이 여전히 중요합니다.

다음 강에서는 클로드 코드가 에이전트로서 실제로 어떤 기본 구조와 동작 방식을 가지고 있는지, 즉 "클로드 코드 에이전트 기초"를 더 구체적으로 살펴보겠습니다.

에이전틱 AI란 무엇인가