심플한 생각을 심었더니 심플한 에이전트가 되었다 so, 에이전트 설계 스킬을 분석해보았다
2026.06.04

🐶 TL;DR
무려 지지난주 오프에서 만들었던 에이전트를 이제야 테스트해보니 생각보다 별로였다.
그래서 받았던 스킬(에이전트 설계 스킬)을 분석해 보았다.
이 스킬은 에이전트가 놀 수 있는 울타리를 설계해주는 거였다.
에이전트의 성능은 결국 내가 만들어야 되는 거였다.
🍯 단지 널 사랑해 그렇게 말...하고 싶었지
나의 귀여운 에이전트 '단지'를 이제야 제대로 테스트 해보았다.
야심차게 이름까지 붙여주었건만...
사실 생각보다 실력이 아쉬웠다;;
나름 이것저것 잘 찾아왔지만 그래도 뭔가 결과물이 2% 부족한 느낌?
단지를 사용할 때, 단지의 설계만 참고할 때, 그냥 클코로 찾을 때가 아주 크게 차이가 있지는 않는것 같았다.
나는 어떤 아이를 만든걸까?
이 녀석을 설계했던 과정부터 분석해보기로 했다.
🧐 설계 스킬 분석
단지를 설계하면서 단계별로 클로드한테 물어가면서 진행했지만 사실 다 이해하고 설계한 것은 아니었다.
이제라도 이해해보자. 클코의 도움을 받아서 Step by Step
이 에이전트를 설계하는 스킬의 과정을 문서로 보고 싶어. 각 단계별 질문을 가시적으로 보기 좋게.
* 모르는 용어가 너무 많다.. 비전문가 비개발자 입장에서 알수 없을 만한 용어를 찾아서 설명을 추가해줘.
* 각 단계별로 목적과 어떤 흐름으로 진행하기 원하는 것인지 조금더 자세하고 친절하게 설명해줘.
* 비유로 설명하지마. 그냥 있는 그대로 설명해줘.
* 이 흐름으로 에이전트를 설계했을 때 얻는 최대 효과도 알려줘.이렇게 받은 md 파일을 차분히 읽어보.......지는 못했지만
그래도 공부할 거리를 받으니 마음이 편해졌다.
후루룩 훑어보기라도 해봐야겠지;;
✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️✏️
📖 용어 사전 (먼저 훑어보기)
처음 보는 단어가 나오면 여기로 돌아와 확인하면 된다.
기본 개념
용어 | 쉬운 설명 |
|---|---|
에이전트 (Agent) | 스스로 계획·실행·점검·수정까지 하는 AI 시스템. 사람의 개입을 최소화한다. |
챗봇 (Chatbot) | 질문을 받으면 답하는, 한 번 주고받는 대화 중심 AI. 스스로 일을 진행하진 않는다. |
워크플로우 (Workflow) | 정해진 순서대로 작업을 처리하는 자동화. 분기와 판단이 미리 고정돼 있다. |
RPA | Robotic Process Automation. 사람이 하던 단순 반복 컴퓨터 작업(복사·입력 등)을 그대로 흉내 내 자동화하는 기술. |
API | Application Programming Interface. 프로그램끼리 데이터를 주고받는 약속된 창구. 예: 날씨 API를 부르면 날씨 데이터를 돌려준다. |
에이전트의 행동 방식
용어 | 쉬운 설명 |
|---|---|
Agentic (자율적) | AI가 시키는 것만 하지 않고 스스로 판단해 행동하는 성질. |
Planning (계획) | 목표를 이루기 위해 할 일을 단계로 나누는 것. |
Execution (실행) | 나눈 단계를 실제로 수행하는 것. |
Self-correction (수정) | 결과가 잘못됐을 때 스스로 고치는 것. |
Reflection (반성) | 자신의 과정·결과를 돌아보며 더 나은 방법을 찾는 것. |
Tool Use (도구 호출) | AI가 외부 도구(검색·계산기·DB 등)를 직접 불러 쓰는 것. |
Function Calling (함수 호출) | AI가 미리 정의된 기능(함수)을 골라 실행하게 하는 방식. 예: "메일 보내기" 함수를 AI가 직접 호출. Tool Use를 구현하는 대표적 기술. |
MCP | Model Context Protocol. AI가 외부 도구·데이터와 연결되는 방식을 통일한 표준 규격. 도구를 꽂으면 바로 쓸 수 있게 해주는 일종의 공통 콘센트. |
GRAM 루프 | Goal(목표)·Reasoning(추론)·Action(행동)·Memory(기억)의 약자. 에이전트가 반복하는 기본 작동 사이클. |
ReAct | Reasoning + Acting. AI가 "생각 → 행동 → 관찰 → 다시 생각"을 번갈아 반복하며 문제를 푸는 방식. |
검증·안전 장치
용어 | 쉬운 설명 |
|---|---|
Evaluator (검증기) | 에이전트가 내놓은 결과가 맞는지 점검하는 장치. |
Critic | 다른 AI가 결과를 비평·검토하는 역할. Evaluator의 한 형태. |
HITL | Human-In-The-Loop. 중요한 순간에 사람이 끼어들어 승인·확인하는 것. |
Governance (거버넌스) | 에이전트가 무엇을 해도 되고 안 되는지 정하는 권한·규칙 체계. |
화이트리스트 | "이것만 허용" 목록. |
블랙리스트 | "이것은 금지" 목록. |
RBAC | Role-Based Access Control. 역할(직책)에 따라 권한을 다르게 주는 방식. |
감사 로그 (Audit Log) | 누가·언제·무엇을 했는지 나중에 추적할 수 있게 남기는 기록. |
Replanner (재계획) | 일이 실패했을 때 계획을 다시 짜는 장치. |
Human escalation (사람에게 넘김) | 에이전트가 해결 못 하면 사람에게 넘겨 처리하게 하는 것. |
Fail-safe | 문제가 생겨도 안전한 상태로 멈추거나 무난한 응답을 내놓는 대비책. |
구조·설계 철학
용어 | 쉬운 설명 |
|---|---|
MSA (멀티 에이전트) | Multi-Agent System. 작고 전문적인 여러 AI가 협업하게 만드는 방식. |
Unified Cognition (통합 인지) | 하나의 강한 AI가 모든 일을 처리하게 만드는 방식. |
Hybrid | 위 둘을 섞은 방식. 강한 코어 하나 + 일부만 분산. 실무에서 가장 많이 쓴다. |
토폴로지 (Topology) | 여러 구성요소를 어떤 모양으로 연결할지에 대한 구조. |
Centralized | 중앙의 하나가 모두 통제하는 구조. |
Hierarchical | 상사-부하처럼 위계로 일을 나눠 맡기는 구조. |
DAG | Directed Acyclic Graph. 작업 간 순서·의존 관계를 화살표로 그린 그림. 되돌아오는 고리가 없다. |
Peer-to-Peer | 상하 없이 동등한 구성원끼리 협력하는 구조. |
Market-Based | 작업을 경매·입찰처럼 나눠 맡는 구조. |
Blackboard (공유 칠판) | 모두가 같은 저장 공간에 정보를 쓰고 읽으며 협업하는 구조. |
Swarm | 단순한 규칙을 따르는 다수가 모여 스스로 질서를 만드는 구조. |
Cognitive Core (인지 코어) | 에이전트의 핵심 두뇌 역할을 하는 메인 AI 모델. |
Modular Execution (모듈 실행) | 기능을 부품처럼 분리해 따로 실행하는 것. |
Orchestration (조율) | 여러 부품·AI가 엇박자 없이 협력하도록 지휘·조정하는 것. |
Supervisor | 하위 작업들을 지시·관리하는 상위 조율자. |
Event Bus | 구성요소들이 "사건"을 주고받으며 비동기로 소통하는 통로. |
CrewAI / LangGraph | 에이전트를 만들 때 쓰는 대표적인 개발 도구(프레임워크) 이름. |
기억·관찰
용어 | 쉬운 설명 |
|---|---|
단기 메모리 | 지금 진행 중인 대화 내용처럼 잠깐만 기억하는 것. |
장기 메모리 | 사용자 정보·과거 이력처럼 오래 보관하는 기억. |
공유 메모리 | 여러 에이전트가 함께 읽고 쓰는 기억. |
외부 메모리 | 외부 DB나 문서에서 그때그때 찾아 쓰는 정보. |
RAG | Retrieval-Augmented Generation. AI가 답하기 전에 외부 자료를 검색해 그 내용을 근거로 답을 만드는 방식. |
TTL | Time To Live. 데이터가 자동 삭제되기까지의 보관 기간. |
Observability (관찰 가능성) | 시스템 안에서 무슨 일이 일어났는지 들여다볼 수 있는 능력. |
Reasoning Trace (추론 기록) | AI가 왜 그런 결론에 이르렀는지 그 사고 과정을 남긴 기록. |
OpenTelemetry / Datadog | 시스템 동작을 수집·관찰하는 데 쓰는 대표 도구. |
JSONL | 한 줄에 하나의 JSON 데이터를 적는 간단한 기록 파일 형식. |
PostgreSQL | 널리 쓰이는 데이터베이스(자료 저장소) 프로그램. |
기타
용어 | 쉬운 설명 |
|---|---|
Bounded Cognition | 에이전트의 책임·역할 범위를 명확히 한정하는 것. |
Adaptive Topology | 상황에 따라 연결 구조를 바꿀 수 있는 능력. |
Monolith | 모든 기능이 하나로 뭉친 거대한 단일 시스템. |
마이크로 에이전트 | 잘게 쪼갠 작은 에이전트들. |
IDE / CLI | IDE는 코드 작성 통합 개발 환경(VS Code 등), CLI는 명령어를 글자로 입력하는 검은 화면 환경. 둘 다 에이전트의 사용 창구가 될 수 있다. |
스켈레톤 (Skeleton) | 살을 붙이기 전 뼈대만 갖춘 기본 코드 틀. |
Mermaid 다이어그램 | 글자로 적으면 자동으로 그려지는 도식. 구조도를 문서에 넣을 때 쓴다. |
시스템 프롬프트 | AI에게 "너는 이런 역할이고 이렇게 행동하라"고 미리 알려주는 기본 지시문. |
📶 단계별 설명
각 단계별로 뭘하는 건지 알고 싶었다.
STEP 1 — 문제 정의 & "정말 에이전트인가" 판별
이 단계의 목적 무엇을 만들지 명확히 하고, 동시에 정말 에이전트가 필요한지를 판별한다. 챗봇이나 단순 자동화로 충분한 일을 굳이 에이전트로 만들면, 운영 비용만 크게 늘고 관리가 어려워진다. 그래서 이 첫 단계에서 한 번 걸러낸다.
판별 기준: 스스로 계획·실행·수정·반성하는가(자율 행동) + 외부 도구를 부르는가(Tool Use).
진행 흐름 넓은 카테고리 선택 → 구체적 상황 설명 → 성공 기준 → 금지 사항 → 자율성·도구 사용 여부 점검 → (필요시) 챗봇으로 충분한지 최종 판정.
STEP 2 — 작동 루프 8단계
이 단계의 목적 에이전트는 질문에 한 번 답하고 끝나는 게 아니라, 같은 사이클을 반복하며 일한다. 그 한 바퀴를 8단계로 나눠, 각 단계를 어떤 방식으로 구현할지 정한다.
기본 루프: GRAM(Goal·Reasoning·Action·Memory)을 업무용으로 확장한 것이 아래 8단계다.
⚠️ 가장 중요한 점 8단계 중 5번(Evaluator, 결과 검증)과 7번(Governance, 권한 관리)이 비어 있으면 실제 운영에 올리면 안 된다. 사고는 거의 이 두 곳이 비었을 때 난다.
STEP 3 — 설계 철학 선택
이 단계의 목적 에이전트를 "강한 하나로 만들지, 작은 여럿으로 나눌지"라는 근본 방향을 정한다. 이 선택이 이후 구조·비용·복잡도를 크게 좌우한다.
세 가지 입장
MSA(멀티 에이전트): 작고 전문적인 여러 AI가 협업. 유연하지만 조율 비용이 든다.
Unified(통합 인지): 강한 AI 하나가 전부 처리. 단순하지만 한 모델에 의존.
Hybrid: 강한 코어 하나 + 일부만 분산. 실무에서 가장 많이 쓰는 표준.
진행 흐름: 진영 선택 → 그 선택이 의도된 것인지 확인 → 이유 한 줄.
STEP 4 — 토폴로지(연결 구조) 선택
이 단계의 목적 에이전트가 몇 개인지보다 서로 어떻게 연결되는지가 시스템 성격을 결정한다. 연결 구조를 두 축(통제 강도 × 흐름 명시성)으로 나눠 골라본다.
두 축의 의미
통제 강도: 중앙이 강하게 통제하느냐(지휘형) vs 각자 알아서 하느냐(자기조직화).
흐름 명시성: 작업 순서가 명확히 정해졌느냐(명시) vs 상황 따라 흘러가느냐(묵시).
진행 흐름: 큰 분면 선택 → 그 안의 세부 구조 선택.
STEP 5 — 시스템 공식 확정
이 단계의 목적 앞에서 정한 방향을 실제 뼈대로 굳힌다. 세 가지를 정한다: 어떤 AI를 두뇌로 쓸지, 무엇을 분리할지, 어떻게 조율할지.
기억할 원칙: 도구는 풍부하게, 에이전트는 절제. 즉, 기능(도구)은 많이 붙여도 되지만 에이전트 수를 늘리는 건 신중해야 한다. 도구를 나누는 것과 에이전트를 나누는 것은 다르며, 후자는 비용이 훨씬 크다.
완성 공식: 강한 인지 코어 + 분리할 것만 모듈로 + 그래프·공유상태로 조율.
STEP 6 — 메모리(기억) 설계
이 단계의 목적 무엇을, 어디에, 얼마나 오래 기억할지 정한다. 이 선택이 시스템 성격을 좌우한다.
⚠️ 가장 중요한 점 자동 삭제 기간(TTL)이나 삭제 정책이 없는 메모리는 위험하다. 개인정보가 무기한 쌓이고, 저장 비용이 계속 늘고, 오래된 정보로 잘못된 답을 내기 쉽다.
진행 흐름: 기억 종류 선택 → 기억을 어디에 둘지(분산 vs 통합) → 저장·삭제 정책.
STEP 7 — 권한 규칙(거버넌스) & 관찰 장치(Observability)
이 단계의 목적 에이전트가 해도 되는 일과 안 되는 일을 규칙으로 정하고(거버넌스), 무슨 일이 왜 일어났는지 들여다볼 수 있게 만든다(관찰성).
⚠️ 가장 중요한 점 이 두 가지를 비운 채 출시한 에이전트는 거의 100% 사고가 난다. 권한 통제가 없으면 위험한 작업을 막을 수 없고, 관찰 장치가 없으면 사고 원인을 못 찾는다.
진행 흐름: 거버넌스 수준 → 사람 승인이 필요한 지점 → 추론 기록 저장 방식 → 기록 보관 기간 → 절대 금지 행동.
STEP 8 — 검증·재시도 장치 (자기수정 루프)
이 단계의 목적 챗봇과 에이전트를 가르는 결정적 차이는 스스로 점검하고 다시 하는 루프다. 결과를 검증하는 장치(Evaluator)와, 실패 시 다시 시도하는 장치(Replanner)를 설계한다.
⚠️ 가장 중요한 점 재시도 횟수에 반드시 상한을 둬야 한다. 무제한으로 두면 무한 반복에 빠져 비용이 폭증할 수 있다.
진행 흐름: 검증 주체 → 검증 시점 → 최대 재시도 횟수 → 모두 실패했을 때 처리 → 합격 기준.
STEP 9 — 도구 · 연결 방식 · 사용 창구
이 단계의 목적 에이전트가 쓸 도구를 정하고, 도구를 어떻게 연결할지, 사용자가 어디서 만날지 정한다.
기억할 원칙: 도구는 풍부하게, 에이전트는 절제.
진행 흐름: 기본 도구 선택 → 추가 도구 선택 → 연결 표준 → 사용 창구 → 환영 메시지.
STEP 10 — 6대 핵심 경쟁력 자가진단
이 단계의 목적 지금까지 설계한 에이전트가 실제 운영에 올릴 만한 수준인지 6가지 항목으로 점검한다.
⚠️ 기준: 6개 중 3개 이상에 구체적으로 답하지 못하면 운영 투입은 보류한다.
진행 흐름: 앞의 3개 점검 → 뒤의 3개 점검 → 달성 개수(N/6) 자동 계산.
STEP 11 — 조직의 현재 위치 진단
이 단계의 목적 우리 조직이 에이전트 도입의 어느 단계에 와 있는지 파악한다. 현 위치를 알면 다음에 무엇을 해야 할지 보인다.
배경: 과거 소프트웨어가 "단일 시스템 → 잘게 쪼개기 → 너무 복잡해짐 → 다시 통합" 순서를 밟았는데, 에이전트 시스템도 같은 길을 따라간다.
그래서 이 스킬은 어떤 일을 해주는 것일까?
✅ 이 흐름으로 설계했을 때 얻는 최대 효과
이 11단계를 끝까지 거치면, 단순히 "AI를 하나 만들었다"가 아니라 운영 가능한 수준의 에이전트를 사고 위험 없이 설계할 수 있다. 구체적으로:
운영 중 대형 사고를 사전에 차단한다. 개인정보 유출, 무한 반복으로 인한 비용 폭증, 위험한 자동 실행(삭제·결제 등)을 STEP 1·7·8에서 미리 규칙으로 막는다. 사고 대부분이 이 지점에서 나는데, 그걸 봉쇄한다.
"왜 이렇게 답했는지" 추적할 수 있다. STEP 7의 관찰 장치 덕분에, 문제가 생겼을 때 원인을 찾고 책임 소재를 가릴 수 있다. 추적 안 되는 시스템은 고칠 수도, 신뢰할 수도 없다.
불필요한 과설계를 막아 비용을 아낀다. STEP 1의 판별과 "에이전트는 절제" 원칙이, 챗봇으로 충분한 일을 비싼 에이전트로 만드는 낭비를 걸러낸다.
나중에 확장·인수인계가 쉽다. 각 단계에서 왜 그렇게 정했는지가 기록으로 남는다. 담당자가 바뀌거나 기능을 늘릴 때, 처음부터 다시 분석할 필요가 없다.
설계가 끝나면 바로 개발에 들어갈 수 있다. 시스템 프롬프트·구조 명세서·코드 뼈대가 자동으로 나오므로, 기획과 개발 사이의 공백 없이 곧장 구현으로 넘어갈 수 있다.
"운영해도 되는가"를 객관적으로 판단할 수 있다. STEP 10의 6대 경쟁력과 마지막 투입 체크가, 막연한 감이 아니라 명확한 기준으로 출시 여부를 결정하게 해준다.
🤔 so, 지금까지 이해한 것
이 스킬은 에이전트의 시스템과 가드레일을 잡아준다.
에이전트가 사고없이 잘 뛰어가도록 도와주는 규칙을 넣어준다.
그렇지만 에이전트의 성능이나 능력치를 끌어올려주지는 않는다.
에이전트의 성공은 결국 내가 목적을 제대로 잡고 조직을 기획하고 일의 흐름을 만들어서
이 스킬의 도움을 받아 잘 설계해야 될것이다.
즉, 단지의 애매한 성능은 내가 애매하게 기획해서 나온 결과였다.
(한마디로 콩콩팥팥. 내 머릿속에서 나온 애가 2%부족한 나의 단지 🥲)
🐦🔥 모험가의 앞길
에이전트를 장착하면 내가 최강력 전투 로봇이라도 될 줄 알았다.

근데 내 눈 앞의 단지 (그리고 단도리, 단호박도 사실 비슷한 상황이다 ㅠ)는
나와 같은 모험가 레벨 1의 귀여운 단계에서 슬라임만 때려잡는 정도의 성능을 갖고 있다.
이제 벌써 한번밖에 남지 않은 스터디에서
나는 에이전트 팀을 얻을 수 있을까?
언제쯤 슬라임밭에서 벗어나서 용을 때려잡으러 갈 수 있게 될까?
로그인하고 댓글을 남겨 주세요
"에이전트의 성공은 결국 내가 목적을 제대로 잡고 조직을 기획하고 일의 흐름을 만들어야 될 것" — 이 한 문장에 꽤 많은 게 담겨 있군요!!
단지 테스트 결과가 기대에 못 미쳤을 때 도구를 탓하지 않고, 설계 스킬 자체를 해부해서 "가드레일은 기획의 질을 대신해줄 수 없다"는 결론까지 끌어낸 사고 흐름이 정말 인상적이에요. 툴을 뜯어보는 것보다 "내가 목적을 제대로 잡았나?"를 먼저 물어보는 자세, 이게 진짜 설계자의 언어인가봐요 🧩
혹시 이번 자가진단 체크리스트 적용해서 단지를 다시 기획해보실 생각 있으신가요? 이전 기획과 어떤 부분이 달라지는지 비교해보면 엄청난 사례가 될 것 같은데요!




AI를 한 번 써보는 것보다 실제 작업에 붙는 작은 구조를 만드는 게 더 중요하다는 생각이 들었습니다.