AI 에이전트와 MCP로 바꾸는 소프트웨어 개발: 맞춤형 에이전트 활용법

핵심 메시지

• 에이전트는 ‘맥락을 쌓아가며 목표를 위해 도구를 반복 호출하는 LLM’이며, 맥락 관리가 핵심이다.
• MCP는 모델에 도구를 꽂는 ‘USB 플러그’처럼, 스킬·리소스·변경 작업을 표준 방식으로 연결한다.
• 맞춤형 에이전트는 모델·프롬프트·사전 승인 도구·리소스(맥락·훅)·가드레일로 정의하는 설정 파일이다.
• 로컬 에이전트는 특정 프로젝트에, 글로벌 에이전트는 여러 프로젝트에 걸쳐 재사용할 수 있다.
• FINRA는 기술 업그레이드 에이전트를 ‘사람이 검토·승인하는’ 구조로 도입해 반복 작업을 줄이고 있다.

쉽게 이해하기

발표는 ‘에이전트란 무엇인가’에서 출발한다. 사이먼 윌리슨의 정의(‘목표를 위해 도구를 루프로 실행하는 LLM 에이전트’)에 발표자는 ‘맥락을 쌓아가며’를 덧붙인다. 입력→맥락 창→LLM 추론→도구 선택→도구 실행→결과를 다시 맥락에 추가하는 루프를, 에이전트가 목표 달성을 판단할 때까지 반복한다는 것이다.

맥락 창은 시스템 프롬프트, 개발자가 넣는 맥락 파일, 대화 기록, 읽어 들인 소스 코드, 도구 호출 결과가 쌓이는 긴 토큰 문자열로 설명된다. LLM은 추론과 (사전 학습된) 지식을 제공하지만 상태가 없으므로, 작업 기억은 맥락 창으로 제공해야 한다. 도구 연결의 사실상 표준이 MCP이며, 발표자는 이를 모델용 USB 플러그에 비유한다.

두 번째 발표자는 AWS의 새 개발 도구 Kiro와 Kiro CLI로 맞춤형 에이전트를 만드는 법을 설명한다. Kiro는 ‘스펙 주도 개발’ 원칙을 따라 프롬프트를 요구사항(스펙)→설계→작업 분해로 정리해, 수백 줄 코드를 들여다보는 대신 요구사항 텍스트부터 확인하게 한다. 맞춤형 에이전트는 모델 선택, 동작을 규정하는 프롬프트, 사전 승인 도구(MCP), 리소스(맥락·훅), 그리고 보안을 위한 가드레일로 구성된 JSON 설정 파일이다.

에이전트 범위는 로컬과 글로벌로 나뉜다. 로컬은 특정 프로젝트와 하위 디렉터리에서만, 글로벌은 여러 프로젝트에 걸쳐 쓴다. 발표자는 인프라 코드 작성기·공통 코드 리뷰어 같은 범용 워크플로는 글로벌로, 특정 마이크로서비스 개발이나 ‘스크럼 스탠드업 보고서 생성’ 같은 개인 생산성 도구는 로컬로 만드는 예를 든다. 노트북을 넘어 클라우드에서 에이전트를 대규모로 돌리려면 Amazon Bedrock AgentCore의 모듈식 서비스(메모리·신원·관측성·게이트웨이·런타임 등)를 활용한다.

마지막으로 FINRA의 Gita는 실제 도입 여정을 공유한다. 탐색→확장→증강 단계를 거치며 1천 명 이상이 AI 코딩 도구를 쓰고, 코드 품질 30% 향상과 엔지니어 만족도 80%를 보고했다. 대표 사례인 ‘기술 업그레이드 에이전트’는 저장소를 스캔해 복잡도가 낮은 의존성 업그레이드를 자동으로 처리하고, 컴파일·빌드·단위 테스트 검증을 거쳐 풀 리퀘스트를 올린다. 단, 모든 변경은 개발자의 검토·승인을 거치는 ‘휴먼 인 더 루프’를 유지한다.

주요 인사이트

• FINRA의 가장 중요한 교훈은 ‘맥락 엔지니어링이 전부’라는 것. 맥락은 적을수록 좋고, 지시는 명시적이어야 하며 가드레일로 경계를 둬야 한다.
• git 체크아웃 같은 결정적(deterministic) 작업에는 LLM을 쓰지 말고 도구로 처리해, 토큰과 맥락 창을 아끼고 환각을 막는다.
• 스펙 주도 개발은 ‘바이브 코딩’의 약점(에이전트가 빠진 정보를 임의로 결정해 엉뚱한 코드를 만드는 것)을 요구사항부터 확인하게 해 보완한다.
• 성숙한 에이전트와 도구뿐 아니라 ‘문화적 준비’가 중요하다. 사람과 프로세스가 신뢰하고 워크플로에 통합해야 도입이 성공한다.

자주 묻는 질문

관련 AI 소식