AI 에이전트 시스템 입문 - ReAct 루프와 도구 호출, MCP까지 쉽게 정리

핵심 메시지

• 에이전트는 특별한 기술이 아니라 도구와 스캐폴딩을 덧붙여 여러 번 호출하는 LLM이다.
• 에이전틱 루프의 핵심은 '생각 → 행동(도구 호출) → 관찰'을 반복하는 것이며, 도구 호출이 비면 루프가 끝난다.
• 가장 널리 쓰이는 단일 에이전트 패턴은 단순하면서 잘 동작하는 ReAct(추론+행동)다.
• 실무에서는 도구를 일일이 서술하지 않고 기존 함수 위에 데코레이터로 얹어 정의한다.
• MCP는 도구 정의가 바뀌면 실시간으로 에이전트에 알려, 상태가 없는 LLM이 최신 도구를 호출하게 돕는다.

쉽게 이해하기

강연은 '에이전트가 대단한 무언가'라는 오해를 걷어내는 데서 시작한다. 에이전트란 단일 LLM 호출이 아니라 여러 번의 호출로 이뤄지는 멀티턴 시스템이며, 본질은 LLM에 약간의 래퍼와 스캐폴딩을 얹은 것이라는 설명이다. LLM 자체는 '다음 토큰 예측기'라는 정의로 다시 짚는다.

핵심 개념은 에이전틱 루프다. 사용자가 질문하면 LLM이 생각하고, 도구 호출이라는 행동을 제안하며, 그 결과를 관찰한 뒤 다시 생각하는 과정을 반복한다. 코드로는 최대 반복 횟수를 정해 두고, 제안된 도구가 없으면 루프를 종료해 최종 답을 반환하는 형태로 구현된다.

도구 사용도 다룬다. 예제에서는 도구를 장황하게 서술하지만, 현실에서는 파이썬이나 Go 함수 위에 도구 데코레이터를 얹는 방식이 표준이라고 강조한다. LLM은 계산 같은 작업을 스스로 할 수 있어, 계산기 도구가 반드시 필요한 것도 아니다.

청중 질문을 통해 가드레일 문제도 짚는다. 항공권 예약 같은 작업에서 에이전트가 한도를 넘겨 예약하거나, 지시 파일 중간을 잊고 환각을 일으키는 위험을 어떻게 막을지에 대한 실무적 고민이다.

마지막으로 MCP(모델 컨텍스트 프로토콜)를 소개한다. API가 바뀌면 예전에는 개발자가 수동으로 도구 정의를 고쳐야 했지만, MCP 서버는 도구 정의 변경을 이벤트로 실시간 통지해 상태 없는 LLM이 갱신된 도구를 곧바로 호출할 수 있게 한다.

주요 인사이트

• 에이전트를 신비화하지 말고 '반복 호출되는 LLM + 도구 + 스캐폴딩'으로 이해하면 설계가 단순해진다.
• ReAct는 구현이 쉽고 실제로 잘 동작하지만 선형적 사고에 머물러 매우 복잡한 작업에는 한계가 있다.
• 도구 호출을 비동기·병렬로 구성하면 검색과 다른 추론을 동시에 진행하는 유연한 설계가 가능하다.
• LLM은 상태가 없으므로 도구 정의를 매 호출마다 전달해야 하며, MCP는 이 갱신을 자동화한다.
• 가드레일은 단순 지시문만으로는 환각·망각에 취약해, 별도의 제약 장치가 필요하다.

자주 묻는 질문

관련 AI 소식