용어집
에이전틱 AI 용어집
에이전틱 AI 용어는 아직 정의가 확립되지 않은 경우가 많습니다. 이 용어집은 신뢰할 수 있는 자료를 바탕으로 용어를 하나씩 짚어가며 설명합니다.
이 용어집은 AI 에이전트를 이야기할 때 가장 자주 마주치는 용어들을 모았습니다. 자율 에이전트, 멀티 에이전트 오케스트레이션, MCP, RAG, 툴 콜링, BYOK, 휴먼인더루프, 관찰 가능성, 가드레일과 거버넌스가 여기에 포함됩니다. 일부 용어는 학계 연구에서, 일부는 주요 모델 제공업체의 기술 문서에서, 또 다른 일부는 최근의 규제 프레임워크에서 나왔습니다. 이 분야의 용어는 빠르게 변하며, 같은 단어라도 제공업체에 따라 쓰임이 꽤 다를 수 있습니다.
각 페이지는 같은 원칙을 따릅니다. 먼저 해당 주제에 관한 권위 있는 자료(공식 문서, 최초 연구 논문, 규제 문건)가 실제로 무엇을 말하는지 확인하고, 신뢰할 만한 두 자료의 설명이 완전히 일치하지 않을 때는 그 차이를 짚어준 뒤, 추상적인 정의 대신 구체적인 예시로 용어를 쉽게 풀어 설명합니다. 관련이 있을 때는 아타코의 자율 AI 에이전트가 실제로 작동하는 방식을 예시로 들며, 문서화되지 않은 내용은 지어내지 않습니다.
사전적 정의를 대체하려는 것이 아니라, 기술 문서든 제품 문서든 팀과의 대화든 다른 곳에서 계속 읽어나갈 수 있을 만큼 용어를 빠르게 이해시키는 것이 목표입니다. 각 페이지는 관련 용어로도 연결되어 있어, 흐름을 놓치지 않고 개념에서 개념으로 이동할 수 있습니다.
모든 용어
멀티 에이전트 시스템: 정의, 작동 원리, 예시
멀티 에이전트 시스템은 하나의 복잡한 작업을 함께 처리하는 여러 자율 AI 에이전트로 구성됩니다. 각 에이전트는 전문화된 역할을 맡아 다른 에이전트와 정보를 주고받으며 스스로 판단을 내립니다. 이런 업무 분담 덕분에 단일 에이전트 혼자서는 효율적으로 처리할 수 없는 워크플로도 다룰 수 있습니다.
생성형 AI 대 에이전틱 AI: 무엇이 다른가?
생성형 AI는 일회성 요청에 대한 응답으로 텍스트, 이미지, 코드 같은 콘텐츠를 생성합니다. 에이전틱 AI는 일련의 행동을 계획하고 도구로 실행해 여러 단계에 걸친 목표를 달성합니다. 후자는 대개 전자를 내부 추론 엔진으로 사용합니다.
에이전트 오케스트레이션: 정의, 작동 원리, 활용 사례
에이전트 오케스트레이션은 하나의 시스템 안에서 여러 AI 에이전트나 하위 에이전트를 조율하는 것을 말합니다. 작업 분배, 단계 순서 지정, 실행 감독, 결과 보고가 여기에 포함됩니다. 중앙 집중형이든 분산형이든, 오케스트레이터가 어떤 에이전트가 언제 행동할지, 결과를 어떻게 결합할지 결정합니다.
에이전틱 AI: 정의, 작동 원리, 예시
에이전틱 AI는 환경을 인지하고, 일련의 행동을 계획하며, 도구를 활용해 이를 실행하는 AI 시스템의 패러다임입니다. 단발성 요청에 한 번 답하는 데 그치지 않고 여러 단계에 걸친 목표를 추구하며, 사람의 감독은 제한적이지만 조정 가능합니다.
자율 AI 에이전트: 정의와 워크플로와의 차이
자율 AI 에이전트는 장기적인 목표를 추구하며, 이를 달성하기 위한 행동 순서를 스스로 정하고, 단일 요청 처리를 위해 잠깐 깨어나는 대신 자체 환경에서 계속 작동합니다. 이벤트로 일회성 실행되는 워크플로와 달리, 특정 판단이 필요할 때만 사람을 찾습니다.
툴 콜링: AI 에이전트가 외부 도구를 호출하는 방법
툴 콜링(도구 호출, 펑션 콜링이라고도 불림)은 언어 모델이 요청 처리에 외부 행동, 이를테면 데이터베이스 조회나 메시지 발송이 필요하다는 것을 인식하고, 인자를 포함한 구조화된 호출 요청을 생성하는 능력입니다. 애플리케이션이 이 호출을 실행하고 결과를 모델에게 돌려줍니다.
AI 에이전트 관찰 가능성: 에이전트의 행동을 실시간으로 확인하기
에이전트 관찰 가능성은 AI 에이전트의 활동을 세밀하게 추적하는 능력입니다. 도구 호출, 판단, 오류를 그 원인과 결과까지 함께 파악하며, 보통 로그, 이벤트 타임라인, 트레이스를 통해 이루어집니다. 이를 통해 에이전트가 왜 그렇게 행동했는지 이해하고, 문제가 커지기 전에 감지할 수 있습니다.
AI 에이전트: 정의, 작동 원리, 예시
AI 에이전트는 주변 환경을 인지하고 행동을 결정한 뒤, 스스로 또는 외부 도구를 통해 이를 실행함으로써 목표를 달성하는 프로그램입니다. 여러 단계를 이어서 실행하고 실제로 행동할 수 있다는 점에서 일반적인 챗봇과 다르며, 자율성 수준은 플랫폼마다 차이가 있습니다.
AI 에이전트의 가드레일과 거버넌스: 정의와 작동 메커니즘
가드레일과 거버넌스는 AI 에이전트가 행동을 실행하기 전, 실행하는 동안, 실행한 뒤에 무엇을 할 수 있는지를 규정하는 모든 규칙, 권한, 통제를 말합니다. 행동별 권한, 민감한 판단에 대한 사람의 검증, 실제로 벌어진 일에 대한 감사, 언제든 접근을 차단할 수 있는 능력을 포함합니다.
BYOK: 자체 API 키로 AI 에이전트 운영하기
BYOK(Bring Your Own Key)는 구독에 포함된 접근 권한 대신, 모델 제공업체(오픈AI, 앤트로픽, 미스트랄 AI)의 개인 API 키로 AI 에이전트나 도구를 운영할 수 있게 하는 옵션입니다. 이 경우 모델 요금은 플랫폼 요금제와 별도로 제공업체 계정으로 직접 청구됩니다.
Human-in-the-Loop: AI 에이전트에 사람을 개입시키는 방법
Human-in-the-loop(휴먼인더루프)는 프로세스의 특정 지점에서 사람이 AI가 생성한 판단이나 행동을 검증하거나 수정하거나 차단할 권한을 유지하는 설계 원칙입니다. 실제 효과가 발생하기 전에 이루어집니다. 이는 매 단계를 지속적으로 감독하는 것이 아니라, 하나의 통제 메커니즘입니다.
MCP(모델 컨텍스트 프로토콜): 정의, 작동 원리, 예시
MCP(모델 컨텍스트 프로토콜)는 2024년 말 앤트로픽이 만든 개방형 프로토콜로, 모델이나 AI 에이전트가 외부 데이터 소스와 도구에 연결되는 방식을 표준화합니다. 도구마다 따로 맞춤형 인테그레이션을 만드는 대신, AI 애플리케이션과 외부 시스템 사이에 공통 언어를 제공합니다.
RAG(검색 증강 생성): 정의와 작동 원리
RAG(검색 증강 생성)는 문서 검색 엔진과 언어 모델을 결합한 방법입니다. 응답하기 전에 모델이 외부 데이터베이스에서 관련 구절을 찾은 뒤, 그 구절을 바탕으로 응답을 생성합니다. 이렇게 하면 지어낸 내용을 줄이고 최신 정보나 기업 내부 정보를 활용할 수 있습니다.
자주 묻는 질문
AI 에이전트를 한 문장으로 설명하면?
AI 에이전트는 단발성 대화에서 질문에 답하는 데 그치지 않고, 목표를 달성하기 위해 계속 작동하며 스스로 판단을 내리고 실제 도구를 다룰 수 있는 시스템입니다. 사이트의 필러 페이지에서 이 정의와, 자율 에이전트가 단순한 대화형 어시스턴트와 어떻게 다른지 자세히 설명합니다.
AI 에이전트와 기존 생성형 AI는 어떻게 다른가요?
기존 생성형 AI는 기억도 없고 생성한 텍스트 이상의 행동 능력도 없이 일회성 요청에 답할 뿐입니다. 반면 AI 에이전트는 대화와 대화 사이에도 기억을 유지하고 외부 도구를 호출할 수 있으며, 목표를 달성하거나 사람이 개입할 때까지 최초 응답 이후에도 계속 작업을 이어갑니다.
이 용어집은 정기적으로 업데이트되나요?
네, 각 용어에는 최종 수정일이 표시되며 모델 제공업체의 공식 문서나 널리 인정받는 AI 거버넌스 프레임워크 등 페이지 하단에 인용된 참고 자료를 기반으로 합니다. 이 분야의 용어는 빠르게 변화하므로 정의도 그에 맞춰 지속적으로 검토됩니다.
다음으로 읽을거리
Atako CTO
이 콘텐츠는 Atako의 AI 에이전트가 작성한 후, Atako CTO인 Romain Laodicina가 검토, 수정 및 승인했습니다.