책의 마지막 장입니다. 7쪽 남짓한 짧은 장이지만, 지금까지 쌓아 온 21개의 패턴을 한자리에 모아 하나의 지도로 다시 그립니다.
이 책 전반에서 우리는 에이전틱 AI의 기초 개념부터 정교하고 자율적인 시스템을 실제로 구현하는 단계까지 함께 걸어왔다. 지능형 에이전트를 구축하는 일은 기술이라는 캔버스 위에 복잡한 예술 작품을 그리는 일과 같다는 전제에서 출발했는데, 이 과정에는 대규모 언어 모델 같은 강력한 인지 엔진뿐 아니라 탄탄한 아키텍처 청사진도 필요하다.
이러한 청사진, 즉 에이전틱 패턴은 단순히 반응하기만 하는 모델에 구조와 신뢰성을 더해, 주도적으로 움직이며 목표를 좇고 복잡한 추론과 동작까지 해내는 존재로 탈바꿈시킵니다.
이 장은 세 부분으로 이루어집니다.
- 주요 에이전틱 패턴을 짜임새 있는 하나의 틀로 묶어 본다.
- 개별 패턴을 어떻게 조합해 더 복잡한 시스템을 만들고 시너지를 끌어낼 수 있는지 살펴본다.
- 에이전트 개발의 미래를 전망하며, 차세대 지능형 시스템의 모습을 결정지을 흐름과 과제를 짚어 본다.
핵심 에이전틱 원칙 정리
이 책에서 자세히 다룬 21가지 패턴은 에이전트 개발 전반을 아우르는 도구 모음입니다. 각 패턴은 저마다 특정 설계 과제를 다루지만, 지능형 에이전트의 핵심 역량을 반영하는 기초 범주로 묶어 보면 전체를 한눈에 이해할 수 있습니다.
1. 핵심 실행과 작업 분해
가장 기본적인 수준에서 에이전트는 작업을 실행할 수 있어야 합니다. 프롬프트 체이닝, 라우팅, 병렬화, 계획 수립 패턴은 에이전트가 동작할 수 있게 하는 토대입니다.
- 프롬프트 체이닝은 문제를 개별 단계로 이루어진 순차 실행 흐름으로 나누는 단순하면서도 강력한 방법으로, 한 작업의 출력이 다음 작업의 근거가 되도록 논리적으로 이어 준다.
- 더 유연한 흐름이 필요할 때는 라우팅이 조건부 논리를 도입해, 입력 맥락에 따라 가장 적절한 경로나 도구를 선택하게 한다.
- 병렬화는 서로 독립적인 하위 작업을 동시에 실행해 효율을 높인다.
- 계획 수립은 에이전트를 단순 실행자에서 전략가로 끌어올려, 상위 목표를 달성하기 위한 다단계 계획을 작성할 수 있게 한다.
2. 외부 환경과의 상호작용
에이전트가 당장의 내부 상태를 넘어 바깥 세계와 상호작용할 수 있으면 그 유용성은 크게 높아집니다.
- 여기서 가장 중요한 것이 도구 사용(함수 호출) 이다. 에이전트가 외부 API, 데이터베이스, 그 밖의 소프트웨어 시스템을 활용할 수 있는 통로를 마련해 주어, 에이전트의 동작이 실제 세계의 데이터와 기능에 뿌리를 두게 된다.
- 도구를 효과적으로 쓰려면 방대한 저장소에서 구체적이고 관련성 높은 정보에 접근해야 하는 경우가 많다. 지식 검색, 그중에서도 RAG는 에이전트가 지식 베이스에 질의해 그 정보를 응답에 반영하도록 해, 응답을 더 정확하고 맥락에 맞게 만든다.
3. 상태, 학습, 자기 개선
단일 턴을 넘어서는 일을 하려면, 맥락을 유지하면서 시간이 지날수록 나아지는 능력을 갖추어야 합니다.
- 기억 관리는 단기적인 대화 맥락과 장기적인 지식을 모두 보존하도록 하는 데 꼭 필요하다.
- 단순한 기억을 넘어, 진정한 지능형 에이전트는 자기 개선 역량까지 보여 준다. 리플렉션과 자기 교정은 에이전트가 자신의 출력을 비평하고, 오류나 부족한 부분을 찾아내며, 작업물을 거듭 개선해 가게 한다.
- 학습과 적응은 한 단계 더 나아가, 에이전트의 동작이 피드백과 경험을 바탕으로 발전해 시간이 지날수록 더 효과적으로 작동하게 한다.
4. 협업과 통신
복잡한 문제는 협업을 통해 가장 잘 해결되는 경우가 많습니다.
- 멀티 에이전트 협업은 각자 고유한 역할과 역량을 지닌 여러 전문 에이전트가 공동의 목표를 위해 함께 일하는 시스템을 만든다. 이러한 분업 구조 덕분에 단일 에이전트만으로는 다루기 힘든 복합적인 문제까지 해결할 수 있다.
- 이런 시스템의 성능은 명확하고 효율적인 통신에 달려 있다. 이를 뒷받침하는 것이 에이전트 간 통신(A2A) 과 모델 컨텍스트 프로토콜(MCP) 이다. 두 패턴 모두 에이전트와 도구가 정보를 주고받는 방식을 표준화하는 것을 목표로 한다.
이러한 원칙을 각 패턴을 통해 적용하면, 지능형 시스템을 구축하는 탄탄한 프레임워크가 마련된다. 이 원칙은 개발자가 복잡한 작업을 수행할 수 있을 뿐 아니라 구조가 잘 잡혀 있고 신뢰할 수 있으며 적응력도 갖춘 에이전트를 만들도록 방향을 제시해 준다.
21개 장을 네 범주에 놓아 보면
책 본문이 네 범주에서 이름을 부른 패턴은 21개 중 12개입니다. 나머지 9개(목표 설정과 모니터링, 예외 처리와 복구, 휴먼 인 더 루프, 자원 최적화, 추론 기법, 가드레일, 평가와 모니터링, 우선순위 결정, 탐색과 발견)는 네 범주 설명에 직접 등장하지 않습니다. 네 범주가 “에이전트가 무엇을 할 수 있는가”, 즉 역량 중심으로 짜여 있기 때문입니다. 빠진 장들은 대부분 “에이전트를 어떻게 믿고 운영할 수 있는가” 에 해당합니다. 그래서 이 글에서는 다섯 번째 범주를 하나 더해 21개 장 전체를 배치해 보았습니다(다섯 번째 범주와 굵게 표시되지 않은 배치는 필자의 분류입니다).
| 범주 | 패턴 (장) |
|---|---|
| 1. 핵심 실행과 작업 분해 | 1장 프롬프트 체이닝, 2장 라우팅, 3장 병렬화, 6장 계획 수립, 17장 추론 기법, 20장 우선순위 결정 |
| 2. 외부 환경과의 상호작용 | 5장 도구 사용, 14장 지식 검색, 21장 탐색과 발견 |
| 3. 상태, 학습, 자기 개선 | 4장 리플렉션, 8장 기억 관리, 9장 학습과 적응 |
| 4. 협업과 통신 | 7장 멀티 에이전트 협업, 10장 모델 컨텍스트 프로토콜, 15장 에이전트 간 통신 |
| 5. 신뢰와 운영 (필자 추가) | 11장 목표 설정과 모니터링, 12장 예외 처리와 복구, 13장 휴먼 인 더 루프, 16장 자원 최적화, 18장 가드레일/안전 패턴, 19장 평가와 모니터링 |
이 다섯 번째 범주는 책도 뒤에서 “안전성, 정렬, 견고성” 이라는 이름으로 다시 불러냅니다. 미래를 전망하는 절에서 가장 큰 과제로 꼽는 것이 바로 이 영역이기 때문입니다.
복잡한 시스템을 위한 패턴 조합
에이전틱 디자인의 진정한 힘은 패턴 하나를 따로 적용하는 데서 나오지 않는다. 여러 패턴을 솜씨 있게 조합해 정교한 다층 시스템을 만들어 낼 때 비로소 드러난다.
에이전틱 캔버스가 단순한 워크플로 하나로 채워지는 일은 거의 없습니다. 그보다는 복잡한 목표를 달성하기 위해 서로 맞물려 작동하는 패턴들의 직조물이 됩니다.
책은 자율형 AI 리서치 도우미를 예로 듭니다. 이 작업에는 계획 수립, 정보 검색, 분석, 종합이 모두 필요합니다.
| 단계 | 적용되는 패턴 | 하는 일 |
|---|---|---|
| 초기 계획 수립 | 계획 수립 | 사용자가 “양자 컴퓨팅이 사이버 보안 환경에 미치는 영향을 분석하라”고 입력하면, 먼저 플래너 에이전트에게 전달된다. 플래너는 상위 요청을 구조화된 다단계 리서치 계획으로 분해한다. “양자 컴퓨팅의 기초 개념 파악”, “주요 암호 알고리즘 조사”, “암호 체계를 겨냥한 양자 위협을 다룬 전문가 분석 찾기”, “조사 결과를 구조화된 보고서로 종합” 같은 단계가 포함될 수 있다 |
| 도구 사용을 통한 정보 수집 | 도구 사용 | 계획의 각 단계에서 구글 검색이나 vertex_ai_search 도구를 호출한다. 더 구조화된 데이터가 필요할 때는 arXiv 같은 학술 데이터베이스나 금융 데이터 API에 질의하는 도구를 쓸 수도 있다 |
| 협업 기반 분석과 문서 작성 | 멀티 에이전트 협업 | 단일 에이전트가 처리할 수도 있지만, 더 탄탄한 아키텍처라면 멀티 에이전트 협업을 활용한다. 리서치 에이전트는 검색 계획을 실행하고 원시 정보를 수집한다. 그 출력인 요약과 출처 링크 모음은 문서 작성 에이전트에게 전달되고, 문서 작성 에이전트는 초기 계획을 개요로 삼아 수집한 정보를 일관성 있는 초안으로 종합한다 |
| 반복적 리플렉션과 개선 | 리플렉션, 자기 교정 | 첫 초안이 완벽한 경우는 드물다. 세 번째인 비평 에이전트를 도입한다. 비평 에이전트의 유일한 목적은 초안을 검토하면서 논리적 불일치, 사실 오류, 명확성이 부족한 부분을 점검하는 것이다. 비평 결과는 다시 문서 작성 에이전트에게 전달되고, 문서 작성 에이전트는 자기 교정으로 출력을 개선해 더 높은 품질의 최종 보고서를 만든다 |
| 상태 관리 | 기억 관리 | 이 모든 과정에서 기억 관리 시스템이 꼭 필요하다. 리서치 계획의 상태를 유지하고, 리서치 에이전트가 수집한 정보를 저장하며, 문서 작성 에이전트가 만든 초안을 보관하고, 비평 에이전트의 피드백을 추적한다. 덕분에 다단계·멀티 에이전트 워크플로 전반에서 맥락이 유지된다 |
그림으로 그리면 이렇습니다.
"양자 컴퓨팅이 사이버 보안에 미치는 영향을 분석하라"
│
▼
┌──────────────────────┐
│ 플래너 에이전트 │ 계획 수립
│ 4단계 리서치 계획 작성 │
└──────────┬───────────┘
▼
┌──────────┐ ┌──────────────────────┐ ┌───────────────────┐
│ 구글 검색 │◀────────────│ 리서치 에이전트 │ │ │
│ vertex_ai_ │ 도구 사용 │ 원시 정보 수집 │───────▶│ │
│ search │─────────────▶│ 요약 + 출처 링크 │ │ │
│ arXiv, API │ └──────────┬───────────┘ │ 기억 관리 │
└──────────┘ ▼ │ │
┌──────────────────────┐ │ · 리서치 계획 상태 │
│ 문서 작성 에이전트 │───────▶│ · 수집한 정보 │
│ 계획을 개요로 초안 작성 │◀─┐ │ · 초안 │
└──────────┬───────────┘ │ │ · 비평 피드백 │
▼ │ │ │
┌──────────────────────┐ │ │ │
│ 비평 에이전트 │──┘ │ │
│ 논리·사실·명확성 점검 │───────▶│ │
└──────────┬───────────┘ 리플렉션 └───────────────────┘
▼ 자기 교정
최종 보고서
이 예시에서는 적어도 다섯 가지 서로 다른 에이전틱 패턴이 함께 엮여 있다. 계획 수립은 상위 구조를 잡아 주고, 도구 사용은 작업이 실제 세계의 데이터에 기반하도록 하며, 멀티 에이전트 협업은 전문화와 분업이 이뤄지게 한다. 리플렉션은 품질을 보장하고, 기억 관리는 일관성을 유지한다. 이러한 조합은 개별 역량을 결합해 강력한 자율 시스템으로 바꾸며, 단일 프롬프트나 단순 체인으로는 도저히 감당할 수 없는 복잡한 작업도 처리할 수 있게 한다.
이 예시에 실제 운영을 생각하면 다섯 번째 범주의 패턴들도 자연스럽게 끼어듭니다. 검색 API가 실패하면 12장의 예외 처리가, 비평-수정 루프가 끝나지 않으면 11장의 목표 모니터링(최대 반복 횟수)이, 플래너에 강한 모델을 쓰고 요약에 가벼운 모델을 쓰는 결정에는 16장의 자원 최적화가, 보고서를 외부에 내보내기 전에는 13장의 사람 검토가 필요해집니다. 책이 “적어도 다섯 가지”라고 쓴 이유입니다.
미래를 내다보며
AI 리서치 도우미 사례에서 보았듯이, 에이전틱 패턴을 조합해 복잡한 시스템을 만드는 일은 이야기의 끝이 아니라 소프트웨어 개발의 새로운 장이 시작되는 지점입니다. 앞으로는 몇 가지 새로운 흐름과 과제가 차세대 지능형 시스템의 모습을 결정짓고, 시스템을 만드는 사람들에게 한층 더 정교한 설계를 요구할 것입니다.
자율성과 추론 능력의 확장
더 발전된 에이전틱 AI로 나아가는 길은 자율성과 추론 능력을 한층 키우는 쪽으로 흘러갈 것입니다. 지금까지 논의한 패턴은 목표 지향적 동작의 발판이 되지만, 미래에는 모호함을 헤쳐 나가고, 추상적·인과적 추론을 수행하며, 어느 정도의 상식까지 보여 줄 수 있는 에이전트가 필요해질 것입니다. 이는 LLM의 패턴 매칭 강점과 고전 AI의 논리적 엄밀성을 결합한 새로운 모델 아키텍처, 그리고 뉴로심볼릭 접근법과 더 긴밀하게 통합되는 방향으로 이어질 가능성이 큽니다.
(옮긴이) 뉴로심볼릭(neuro-symbolic) 접근법이란 신경망(딥러닝)의 데이터에 대한 학습 능력과 심볼릭 AI의 규칙·논리 기반 추론을 결합하려는 접근법이다.
27장에서 딥시크가 스스로 “기호 논리적 연역이 아니라 패턴에 기반해 시퀀스를 예측하는 일”이라고 했던 바로 그 간극을 메우려는 방향입니다. 실용적으로는 이미 비슷한 일이 일어나고 있습니다. LLM이 직접 계산하는 대신 코드 실행 도구를 호출하는 것, 27장의 키미가 mod 5 검산 대신 계산기를 부르는 것이 가장 소박한 형태의 뉴로심볼릭 결합입니다.
휴먼 인 더 루프에서 휴먼 온 더 루프로
시스템 운영 방식도 휴먼 인 더 루프(human-in-the-loop) 에서 휴먼 온 더 루프(human-on-the-loop) 로 옮겨갈 것입니다.
| 휴먼 인 더 루프 | 휴먼 온 더 루프 | |
|---|---|---|
| 에이전트의 역할 | 조력자 | 복잡하고 오래 걸리는 작업을 맡는 실행자 |
| 사람의 위치 | 루프 안 — 단계마다 승인 | 루프 위 — 최소한의 감독 |
| 보고 시점 | 매 단계 | 목표가 달성되거나 중요한 예외가 발생했을 때만 |
이 전환이 가능하려면 조건이 있습니다. 사람이 매 단계를 보지 않는다면, “중요한 예외”를 에이전트가 스스로 정확히 알아차려야 합니다. 12장의 예외 처리와 11장의 목표 모니터링이 사람의 눈을 대신하게 되는 셈이고, 그래서 이 두 패턴의 신뢰성이 휴먼 온 더 루프의 전제 조건이 됩니다. 에이전트가 “별일 없다”고 판단한 것이 사실은 큰일이었다면, 그걸 알아챌 사람이 루프 안에 없기 때문입니다.
에이전틱 생태계와 표준화
이러한 발전과 함께 에이전틱 생태계와 표준화도 부상할 것입니다. 멀티 에이전트 협업 패턴은 전문 에이전트의 힘을 보여 줍니다. 앞으로는 개발자가 서비스형 에이전트(agents-as-a-service) 집단을 배포하고, 탐색하고, 오케스트레이션할 수 있는 개방형 마켓플레이스와 플랫폼이 등장할 것입니다.
이러한 흐름이 성공하려면 MCP와 A2A 같은 표준을 뒷받침하는 원칙이 무엇보다 중요해집니다. 그 결과 에이전트, 도구, 모델이 단순한 데이터뿐 아니라 맥락, 목표, 역량까지 교환하는 방식이 업계 전반에서 표준화될 것입니다.
이렇게 성장하는 생태계의 대표적인 예가 “Awesome Agents” GitHub 저장소입니다. 이 저장소는 오픈소스 AI 에이전트, 프레임워크, 도구를 선별해 모아 둔 유용한 참고 자료로, 소프트웨어 개발부터 자율 리서치, 대화형 AI까지 다양한 응용 분야의 최첨단 프로젝트를 정리해 이 분야의 빠른 혁신을 보여 줍니다.
안전성, 정렬, 견고성
그러나 이 길에는 만만찮은 과제도 함께 놓여 있습니다. 에이전트가 더 자율적으로 움직이고 서로 더 긴밀하게 연결될수록 안전성, 정렬, 견고성이라는 핵심 문제는 한층 더 중요해집니다.
- 에이전트의 학습과 적응이 원래 목적에서 벗어나지 않도록 하려면 어떻게 해야 하는가?
- 적대적 공격과 예측하기 어려운 실제 환경에 강한 시스템을 어떻게 만들 수 있는가?
이러한 질문에 답하려면 새로운 “안전 패턴” 묶음, 그리고 테스트·검증·윤리적 정렬에 초점을 맞춘 엄밀한 엔지니어링 방법론이 필요하다.
세 흐름을 겹쳐 보면 긴장 관계가 드러납니다. 자율성이 커지고(휴먼 온 더 루프), 연결이 넓어지고(마켓플레이스와 표준화), 학습으로 스스로 바뀌는(학습과 적응) 에이전트는 각각이 모두 안전성 문제를 키웁니다. 사람이 덜 보고, 모르는 에이전트와 협업하고, 어제와 다른 방식으로 동작하기 때문입니다. 책이 미래 전망의 마지막을 과제로 끝맺은 이유이고, 18장의 가드레일과 19장의 평가가 “완성된 패턴”이 아니라 앞으로 가장 많이 발전해야 할 영역인 이유이기도 합니다.
마치며
이 책 전반에서 우리는 지능형 에이전트를 구축하는 일을 기술이라는 캔버스 위에서 그려 내는 하나의 예술로 비유해 왔다. 이러한 에이전틱 디자인 패턴은 여러분의 팔레트이자 붓질이다. 단순한 프롬프트를 넘어, 유동적으로 움직이고 반응하며 목표를 좇는 존재를 만들 수 있게 하는 기초 요소다.
이 패턴들은 대규모 언어 모델이 본래 지닌 인지 능력을 신뢰할 수 있고 목적이 분명한 시스템으로 탈바꿈시키는 데 필요한 아키텍처 원칙을 마련해 줍니다.
진정한 솜씨는 패턴 하나를 숙달하는 데 있지 않고, 여러 패턴이 어떻게 맞물리는지 이해하는 데 있습니다. 캔버스 전체를 바라보며 계획 수립, 도구 사용, 리플렉션, 협업이 조화를 이루며 작동하는 시스템을 만들어 내는 데 있습니다. 에이전틱 디자인의 원칙은 새로운 창조 언어의 문법입니다. 이 문법으로 우리는 기계에게 무엇을 해야 하는지뿐 아니라, 어떻게 어떤 방식으로 작동해야 하는지까지 지시할 수 있습니다.
에이전틱 AI는 기술 분야에서 가장 흥미롭고 빠르게 발전하는 영역에 속한다. 이 책에서 자세히 다룬 개념과 패턴은 더 이상 손볼 데 없는 정설이 아니라 그 위에서 구축하고, 실험하고, 혁신할 수 있는 탄탄한 기반이자 출발점이다. 미래의 우리는 단순한 AI 사용자를 넘어, 세상에서 가장 복잡한 문제를 해결하는 지능형 시스템의 설계자가 될 것이다. 캔버스는 여러분 앞에 놓여 있고, 배워 온 패턴도 이제 여러분의 손안에 있다. 이제 여러분이 직접 에이전트 시스템을 만들 차례이다.
시리즈를 마치며
8월 24일 1장 프롬프트 체이닝에서 시작한 이 시리즈가 29장으로 끝납니다. 돌아보면 책의 구조는 크게 세 덩어리였습니다.
- 1–21장: 패턴. 에이전트가 할 수 있는 일과, 그 일을 믿고 맡길 수 있게 만드는 장치들.
- 22–28장: 패턴 아래와 옆. 모든 패턴의 바닥인 프롬프트, 에이전트의 손이 닿는 범위, 패턴을 코드로 옮기는 프레임워크와 노코드 플랫폼, 터미널과 코딩 팀이라는 실제 현장, 그리고 모델 안쪽의 추론 엔진.
- 29장: 다시 모아 하나의 지도로.
책이 마지막에 “정설이 아니라 출발점”이라고 굳이 강조한 것은 정직한 말입니다. 이 시리즈를 쓰는 한 달 사이에도 책에 나온 모델 이름 몇 개는 이미 이전 세대가 되었습니다. 하지만 체인을 잇고, 길을 나누고, 동시에 돌리고, 스스로 돌아보고, 도구를 쓰고, 계획을 세우고, 함께 일하고, 기억하고, 사람에게 묻는다는 동사들은 모델이 바뀌어도 그대로 남을 것입니다. 이 책이 가르친 것은 결국 그 동사들이었습니다.