AI 에이전트란 무엇인가 — LLM·MCP·스킬·워크플로우로 이메일 업무 자동화하기

핵심 메시지

• LLM은 방대한 텍스트로 학습해 '다음 단어를 예측'하는 것이 핵심이며, 거짓말이 아니라 빈틈을 그럴듯하게 메우는 과정에서 환각(hallucination)이 생긴다.
• 웹 검색 같은 도구를 붙이면 학습 시점 이후의 최신 정보에 접근해 환각과 잘못된 추측을 줄일 수 있다.
• MCP(모델 컨텍스트 프로토콜)는 AI를 Gmail·드라이브 같은 외부 앱에 안전하게 연결하는 표준으로, 읽기 전용·쓰기 허용 등 권한을 사용자가 통제한다.
• LLM에 도구·워크플로우·스킬을 더해 스스로 판단·실행하는 반복 루프(ReAct)를 갖추면 챗봇이 '에이전트'가 된다.
• 매니저 에이전트가 작업을 서브에이전트에 나눠 병렬 처리하면 속도를 크게 끌어올릴 수 있다.

쉽게 이해하기

발표자는 많은 사람이 AI를 '그저 대화만 하는' 첫 단계에 머물러 진짜 잠재력을 놓친다고 지적한다. 더 깊이 들어가려 하면 AI 에이전트, LLM, MCP, 컨텍스트 엔지니어링, 스킬, 하네스 같은 용어의 벽에 부딪혀 멈추기 때문이다. 그는 매일 아침 이메일에서 스폰서 제안을 골라 진위를 확인하고 답장을 쓰는 자신의 반복 업무를 자동화하는 과정을 예로 들어 이 용어들을 하나씩 풀어낸다.

먼저 가장 쉬운 단계인 '답장 초안 작성'을 LLM에 맡긴다. LLM은 인터넷의 방대한 텍스트로 다음 단어를 예측하도록 오랜 기간 학습된 모델로, 프롬프트를 받으면 한 단어씩 이어붙여 답을 만든다. 다음으로 회사 조사 단계를 맡기지만, 설립된 지 얼마 안 된 회사는 모델이 자신 있게 틀린 답을 내놓는 환각이 나타난다. 이는 학습 시점(knowledge cutoff) 이후 정보를 모르기 때문이며, 웹 검색 도구를 붙이면 최신 사실에 근거해 답하게 만들 수 있다.

복사·붙여넣기를 없애려면 AI에 받은편지함 접근 권한을 줘야 한다. 여기서 MCP가 등장한다. MCP는 AI 앱을 외부 시스템에 연결하는 USB-C 같은 표준 커넥터로, Gmail 연결 시 읽기만 허용할지 전송·삭제까지 허용할지 사용자가 규칙을 정한다. 모델이 직접 메일을 읽는 것이 아니라 요청을 보내면 구글이 규칙을 확인해 처리하므로, 허용하지 않은 삭제 요청은 차단된다.

여러 단계를 순서대로 실행하는 고정된 절차가 워크플로우이고, 판단 기준·문체 같은 노하우를 글로 적어두면 스킬이 된다. LLM에 도구·워크플로우·스킬이 결합되고 모델이 스스로 건너뛰고 판단하기 시작하면 에이전트가 되며, 이는 '추론과 행동'을 반복하는 ReAct 루프로 작동한다. 다만 스킬과 컨텍스트를 과하게 주면 오히려 엉뚱한 결과가 나오므로, 필요한 만큼만 골라 넣는 컨텍스트 엔지니어링이 중요하다.

마지막으로 발표자는 AI가 자기 결과물을 스킬 기준으로 스스로 점검·수정하도록 반복시키는 루프 엔지니어링, 매니저 에이전트가 작업을 서브에이전트들에 쪼개 병렬 처리해 30분 걸리던 일을 몇 분으로 줄이는 방식, 그리고 정해진 시간에 자동 실행되는 스케줄까지 더한다. 단, 실제 발송만큼은 신뢰의 문제로 본인이 직접 확인한다고 밝힌다.

주요 인사이트

• AI가 '거짓말한다'는 인식은 부정확하다. LLM은 의도가 없으며, 학습 데이터로 최선의 추측을 채워넣는 과정에서 자신 있게 틀리는 환각이 생긴다.
• 좋은 프롬프트는 작업(무엇을 할지)·맥락(무엇을 알아야 할지)·형식(어떻게 답할지) 세 요소로 구성된다.
• MCP의 핵심 가치는 연결 자체가 아니라 '무엇을 허용할지'를 사용자가 통제하는 권한 설계에 있다.
• 스킬은 '남에게 일하는 법을 설명하듯' 노하우를 한 번 적어두면 모델이 매번 그 방식대로 작동하게 하는 자산이다.
• AI를 더 똑똑하게 만드는 것과 더 빠르게 만드는 것은 다른 문제이며, 후자는 서브에이전트 병렬화로 해결한다.

자주 묻는 질문

관련 AI 소식