한 줄 요약: 에이전틱 AI(Agentic AI)란, 목표가 주어지면 스스로 계획을 수립하고 도구를 활용하며 여러 단계의 작업을 자율적으로 실행하는 AI 시스템이다.

1. 에이전틱 AI란 무엇인가?

기존 챗봇은 질문에 즉각 답변하고 끝입니다. 하지만 에이전틱 AI는 다릅니다. “내일 오전 10시 팀 회의를 잡고, 참석자 모두에게 안건 요약본을 이메일로 보내줘”라는 지시를 받으면, AI가 스스로 캘린더 조회 → 참석자 확인 → 이메일 초안 작성 → 발송까지 일련의 작업을 자율적으로 수행합니다.

Anthropic의 2024년 보고서에서는 이를 다음과 같이 정의합니다:

“Agentic settings are those in which AI models must take sequences of actions or must plan and make a series of decisions in order to complete longer-horizon tasks.”

핵심 키워드는 자율성(Autonomy), 계획(Planning), 도구 사용(Tool Use), 멀티스텝(Multi-step)입니다.

2. 핵심 개념 이해하기

에이전틱 AI의 작동 방식은 ReAct(Reasoning + Acting) 패턴으로 이해할 수 있습니다.

목표: "경쟁사 최신 뉴스 3건 요약해서 슬랙에 공유해줘"

Thought: 먼저 뉴스를 검색해야 한다.
Action: web_search("경쟁사 이름 news 2026")
Observation: [검색 결과 3건]

Thought: 결과를 요약해야 한다.
Action: summarize(articles)
Observation: [요약본 완성]

Thought: 슬랙에 전송해야 한다.
Action: slack_send(channel="#market-intel", message=summary)
Observation: "메시지 전송 완료"

Final Answer: 경쟁사 뉴스 3건을 요약해서 슬랙에 공유했습니다.

에이전틱 AI의 핵심 구성 요소

구성 요소 역할 예시
LLM 코어 추론 및 계획 수립 GPT-4o, Claude 3.5
도구(Tools) 외부 세계와 상호작용 웹 검색, 파일 R/W, API
메모리 컨텍스트 유지 단기(세션), 장기(벡터 DB)
오케스트레이터 에이전트 간 조율 LangGraph, CrewAI

에이전시 수준

낮음 ──────────────────────────────────── 높음
  │                                          │
단순 Q&A   RAG    도구 사용   자율 에이전트   멀티에이전트
  │           │       │           │              │
챗봇       검색봇   코드생성   Auto-GPT      에이전트 팀

3. 실무 적용 예시

LangGraph를 활용한 간단한 에이전틱 AI 구현입니다.

from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
from langchain_community.tools import DuckDuckGoSearchRun
from langchain.agents import create_tool_calling_agent
from langchain_core.prompts import ChatPromptTemplate

# 도구 정의
search = DuckDuckGoSearchRun()
tools = [search]

# LLM + 도구 바인딩
llm = ChatOpenAI(model="gpt-4o", temperature=0)
llm_with_tools = llm.bind_tools(tools)

# 에이전트 노드
def agent_node(state):
    messages = state["messages"]
    response = llm_with_tools.invoke(messages)
    return {"messages": [response]}

# 도구 실행 노드
def tool_node(state):
    last_message = state["messages"][-1]
    tool_results = []
    for tool_call in last_message.tool_calls:
        if tool_call["name"] == "duckduckgo_search":
            result = search.run(tool_call["args"]["query"])
            tool_results.append(result)
    return {"messages": tool_results}

# 그래프 구성
workflow = StateGraph(dict)
workflow.add_node("agent", agent_node)
workflow.add_node("tools", tool_node)
workflow.add_edge("agent", "tools")
workflow.add_edge("tools", "agent")
workflow.set_entry_point("agent")

app = workflow.compile()

# 실행
result = app.invoke({
    "messages": [{"role": "user", "content": "오늘 AI 뉴스 검색해서 요약해줘"}]
})

4. 에이전틱 AI vs 유사 개념 비교

구분 에이전틱 AI 일반 LLM RPA
자율성 ✅ 높음 ❌ 낮음 보통
계획 수립 ✅ 동적 계획 ❌ 단일 응답 ❌ 고정 스크립트
도구 사용 ✅ 동적 선택 제한적 ✅ 고정 도구
적응성 ✅ 예외 처리 가능 ❌ ❌
신뢰성 개발 중 높음 ✅ 높음
비용 높음 (멀티 호출) 낮음 중간

5. 마치며

에이전틱 AI는 2025~2026년 AI 산업의 핵심 방향입니다. 단순 도우미에서 자율적인 업무 실행자로의 전환이 빠르게 이루어지고 있습니다. 다만 자율성이 높을수록 예상치 못한 동작의 위험도 증가하므로, 가드레일(Guardrail)과 휴먼 인 더 루프(Human-in-the-Loop)를 함께 설계해야 합니다.

참고 자료

함께 읽으면 좋은 용어

이 개념과 함께 알아두면 이해가 깊어지는 관련 용어들입니다.

멀티에이전트 시스템 오케스트레이터-워커 패턴 툴 콜링 가드레일 휴먼 인 더 루프

댓글 남기기

참고