에이전트라는 생물의 해부도: 반드시 알아야 할 12가지 용어

2026년 현재, AI를 "쓰는" 사람과 "부리는" 사람의 격차는 이 12개 단어를 아느냐로 갈린다.

ChatGPT에 질문을 던지는 것과, 에이전트에게 일을 맡기는 것은 완전히 다른 행위다.

전자는 자판기 앞에서 버튼을 누르는 일이고, 후자는 직원을 채용해 업무를 위임하는 일에 가깝다. 그리고 직원을 부리려면 — 그 직원의 신경계가 어떻게 작동하고, 어떤 권한 구조 안에서 움직이며, 어디에 안전장치가 걸려 있는지를 알아야 한다.

오늘 정리할 12개 용어는 그런 "에이전트라는 생물"의 해부도다. 단어장이 아니다. 이걸 모르면 1인 에이전트 비즈니스는 그냥 "API 호출 스크립트" 수준에서 멈춘다.

세 개의 층으로 재배열했다.

1층 — 신경계: 에이전트는 어떻게 인지하고 판단하는가

1. Agent Loop — Perceive → Plan → Act → Observe

에이전트의 심장박동이다.

입력을 인지하고(Perceive), 계획을 세우고(Plan), 행동하고(Act), 결과를 관찰하는(Observe) 사이클을 끊임없이 반복한다. 예: 에이전트가 에러 로그를 읽고, 수정안을 계획하고, 코드를 실행하고, 테스트가 통과했는지 확인한다.

왜 중요한가: 이 루프가 한 번이 아니라 수십 번 도는 것이 에이전트의 본질이다. 한 번에 답을 주는 LLM과, 끝까지 매달려 결과를 가져오는 에이전트의 차이는 여기서 갈린다.

2. Tool Use — 외부 세계에 손을 뻗는 능력

LLM은 본래 텍스트만 생성한다. 도구 사용(Tool Use)은 그 LLM에게 "API를 호출해라", "코드를 실행해라", "브라우저를 열어라" 같은 손과 발을 달아주는 기능이다. 예: 에이전트가 대화 도중 날씨 API를 호출해 "내일 뉴욕에 비행기 타도 될까?"에 답한다.

왜 중요한가: Tool Use가 없는 AI는 책상에 앉아서 말만 하는 직원이다. Tool Use가 있는 에이전트는 책상에서 일어나 일을 처리하는 직원이 된다.

3. Memory — 단기 기억과 장기 기억

에이전트가 정보를 어떻게 보관하고 꺼내쓰는가에 대한 이야기다. 컨텍스트 안에 임시로 들고 있는 단기 기억과, 외부 저장소(주로 벡터 DB)에 영구히 보관하는 장기 기억으로 나뉜다. 예: 에이전트가 이전 세션에서 학습한 사용자의 코딩 스타일을 벡터 DB에서 불러온다.

왜 중요한가: 기억 없는 에이전트는 매번 처음 만난 직원과 같다. 매일 같은 설명을 반복해야 한다. 장기 기억 설계가 곧 에이전트의 "경력"을 만드는 일이다.

4. Context Window — 작업 기억의 한계

에이전트가 한 번에 읽고 추론할 수 있는 텍스트의 최대치. 곧 주의력의 폭이다. 예: 200K 토큰 컨텍스트 윈도우는 코드 한 줄 쓰기 전에 코드베이스 전체를 읽을 수 있게 해준다.

왜 중요한가: 컨텍스트 윈도우의 크기가 에이전트가 처리할 수 있는 문제의 복잡도를 결정한다. 다만 — 크다고 무조건 좋은 것도 아니다. 길어질수록 추론 품질이 떨어지는 컨텍스트 로트(rot) 현상이 따라붙는다.

5. Grounding — 현실에 닻을 내리기

AI의 출력을 검증된 외부 데이터 소스에 연결해서 환각(hallucination)을 줄이는 작업. 예: 에이전트가 학습 데이터에서 추측한 숫자 대신 Bloomberg API에서 실시간 주가를 가져와 인용한다.

왜 중요한가: 그라운딩 없는 에이전트는 자신감 넘치는 거짓말쟁이다. 비즈니스에 투입할 수 없다. 신뢰가 없으면 위임도 없다.

2층 — 조직: 에이전트들은 어떻게 협업하는가

6. Orchestrator — 에이전트 매니저

여러 에이전트 위에 있는 최상위 에이전트. 큰 목표를 하위 작업으로 쪼개서 전문 서브에이전트에게 분배한다. 예: 코딩 오케스트레이터가 테스트 에이전트, 린트 에이전트, 배포 에이전트를 병렬로 디스패치한다.

왜 중요한가: 1인 사업자가 100명 규모 팀의 산출물을 내려면 오케스트레이터 설계 능력이 필수다. 사람을 채용하는 대신 에이전트를 지휘한다 — 그게 1인 에이전트 비즈니스의 핵심 차별점이다.

7. Subagent — 전문 작업자

더 큰 멀티에이전트 파이프라인 안에서 하나의 특정 작업만 수행하는 집중형 에이전트. 예: "요약" 서브에이전트가 50편의 논문을 압축한 뒤, 메인 에이전트가 그 위에서 인사이트를 합성한다.

왜 중요한가: 한 명의 만능 에이전트보다 역할이 분명한 여러 에이전트가 항상 결과가 좋다. 인간 조직의 분업 원리가 그대로 적용된다.

8. Multi-Agent — 협업 지능

여러 전문 에이전트가 협업해서 복잡한 목표를 더 빠르고 안정적으로 달성하는 시스템. 예: 한 에이전트는 리서치, 한 에이전트는 작성, 한 에이전트는 사실 검증을 맡고 — 모두 오케스트레이터가 조율한다.

왜 중요한가: 단일 에이전트가 닿을 수 없는 결과물의 질이 멀티에이전트 구조에서 나온다. 여기서부터가 진짜 "에이전트 우선 비즈니스"의 영역이다.

9. MCP — Model Context Protocol

AI 에이전트가 도구, API, 데이터 소스를 통일된 인터페이스로 연결할 수 있게 해주는 오픈 표준. 예: Claude가 MCP를 통해 GitHub에 연결되어 코드를 자율적으로 읽고 쓴다.

왜 중요한가: MCP 이전엔 모든 통합을 직접 짜야 했다. MCP 이후엔 표준 어댑터로 꽂으면 된다. USB-C가 노트북 생태계를 바꾼 것처럼, MCP는 에이전트 생태계의 결합도를 근본적으로 바꿨다.

3층 — 안전장치: 브레이크 없는 차는 흉기다

10. Guardrails — 안전 계층

에이전트가 해롭거나, 권한 밖이거나, 범위를 벗어난 행동을 하지 못하도록 막는 규칙과 제약. 예: 사용자가 "전부 정리해"라고 지시해도 에이전트는 운영 데이터베이스 삭제는 차단된다.

왜 중요한가: 가드레일은 "AI 윤리" 같은 거창한 이야기가 아니다. 내 사업이 망하지 않게 만드는 보험이다. 1인 운영자에게 이건 생존 장치다.

11. Sandboxing — 안전 실행

에이전트가 호스트 시스템이나 운영 환경에 영향을 주지 않고 코드를 실행할 수 있는 격리된 환경. 예: Claude Code가 실제 레포에 변경을 적용하기 전에 Docker 컨테이너에서 사용자 스크립트를 먼저 실행한다.

왜 중요한가: 샌드박싱 없이 자율 에이전트를 운영하는 것은 술 취한 직원에게 회사 마스터 키를 쥐어주는 것과 같다. 사고는 반드시 일어난다 — 다만 어디서 일어나게 할지를 설계할 수 있을 뿐이다.

12. Human-in-the-Loop — 승인 게이트

에이전트가 위험도가 높은 작업을 실행하기 전에 일시 정지하고 인간의 확인을 받는 디자인 패턴. 예: 에이전트가 클라이언트 이메일 초안을 작성한 뒤, 발송 버튼을 누르기 전에 사용자의 승인을 기다린다.

왜 중요한가: 자동화의 목표는 인간을 제거하는 것이 아니다. 인간이 "판단의 층"에만 집중할 수 있도록 나머지를 위임하는 것이다. Human-in-the-Loop는 그 위임 구조의 마지막 안전장치다.

그래서 이 12개를 어떻게 써야 하는가

이 12개를 외운다고 에이전트 비즈니스가 만들어지진 않는다.

하지만 이 12개를 모르면 — 자기가 만든 시스템이 어디서 무너지는지조차 모른다. 컨텍스트 윈도우를 모르면 토큰 비용이 왜 폭증하는지 모른다. 가드레일을 모르면 어느 날 에이전트가 운영 DB를 날린 뒤에야 후회한다. 오케스트레이터 패턴을 모르면 단일 에이전트로 모든 걸 풀려다 막힌다.

1인 에이전트 비즈니스의 본질은 결국 이거다.

채용 대신 오케스트레이션을. 야근 대신 에이전트 루프를. 회의 대신 MCP 연결을. 그리고 인간은 — 판단의 층에만 머문다.

이 12개의 단어는 그 새로운 일하는 방식의 알파벳이다.

알파벳을 모르고 책을 쓸 수는 없다.

원본 인포그래픽 출처: @ayushukla.techno — 12 Must-Know Agentic AI Terms 해석과 재구성은 본인의 관점에 따른 것이며, 사용된 예시들은 원본을 참고했습니다.