플레이북 29편

AI 에이전트란 무엇인가
모델, 하네스, 스킬, MCP를 한 장에

환경, 자동화|2026년 11월 9일|10분 분량

먼저 답하면

AI 에이전트는 "답을 말하는 AI"가 아니라 목표를 받으면 다음 할 일을 스스로 고르고 도구를 써서 결과를 확인하며 나아가는 AI예요 일이 끝나거나 정해 둔 중단 조건에 닿으면 멈춥니다 이 글은 도입 검토를 돕기 위해 안을 네 겹으로 나눠 봅니다 생각하는 모델, 모델이 일하는 작업장인 하네스(도구, 기억, 승인, 되돌리기), 일하는 법을 적은 지침과 스킬, 바깥 데이터와 잇는 연결(MCP)이에요 제품을 고르기 전에 이 네 겹을 각각 누가 책임지는지부터 보면 어떤 도입 검토든 길을 잃지 않습니다

"AI agent 란", "AI agent 만들기", "AI agent 툴 종류"를 검색하고 있나요? 이 글은 AI 에이전트를 처음 검토하는 마케터가 회의에서 말이 통하도록, 구조를 한 장으로 정리하고 이 사이트가 실제로 쓰는 것을 예로 붙였습니다

용어 한 줄 정의가 급하면 용어집의 AI 에이전트 항목을, 작업장을 짓는 과정의 긴 이야기는 12편을 보세요 이 글은 그 사이를 잇는 지도예요

챗봇과 에이전트, 뭐가 다른가요 - 흔히 겪는 장면

이런 회의 한 번쯤 겪어 보셨을 거예요 "우리도 AI 에이전트 도입하자"는 말이 나오고, 누군가 "지금 쓰는 챗봇이랑 뭐가 다른데요"라고 묻습니다 그러면 "더 똑똑한 거", "알아서 하는 거" 같은 답이 오가다 결국 제품 데모 일정부터 잡게 되죠 차이를 정리하지 않은 채 데모를 보면, 보여 주는 쪽이 정한 기준으로 판단하게 됩니다

비유로 가르면 선명해요 챗봇은 안내 데스크 직원이에요 물어보면 답하고, 다음 질문을 기다립니다 에이전트는 일을 맡긴 담당자예요 "이번 달 캠페인 보고서 초안 만들어 줘"라고 하면 데이터를 꺼내 보고, 표를 만들고, 이상한 숫자가 있으면 다시 확인하고, 다 되면 가져옵니다 중간에 몇 번을 되묻고 몇 가지 도구를 쓸지는 담당자가 정해요

Anthropic이 2024년 12월에 낸 글 "Building effective agents"는 이 차이를 이렇게 적습니다 미리 짜 둔 순서대로 모델과 도구를 돌리는 것은 워크플로우이고, 모델이 스스로 진행 과정과 도구 사용을 정하는 것이 에이전트라고요 그리고 둘 다의 바탕이 되는 기본 단위는 검색과 도구와 기억이 더해진 언어 모델이라고 설명합니다 구분의 핵심은 도구가 붙었느냐가 아니라 모델이 다음 과정과 도구 사용을 스스로 정하느냐이고, 그 결정이 안전하게 돌아가도록 모델 주변에 무엇을 붙이느냐가 설계의 몫이라는 뜻이에요 같은 글은 중간 승인이나 반복 횟수 한도 같은 중단 조건을 두라고도 적습니다

기준 문서: Anthropic, Building effective agents

AI agent 란 - 네 겹으로 열어 보기

그래서 이 글은 에이전트를 네 겹으로 나눠 봅니다 제품마다 이름이 다르고 스킬과 연결을 쓰는지도 구현에 따라 다르지만, 이 네 관점으로 보면 무엇을 누가 책임지는지가 드러나요 표의 마지막 열은 FactStack이 실제로 쓰는 것인데, 이 사이트는 초안 작성과 점검을 아래 구조의 에이전트에 맡기고 밖으로 내는 발행은 사람의 승인을 거칩니다 모델 칸의 교차 검토는 다른 회사 모델의 지적을 그대로 받는 것이 아니라 하나씩 사실을 확인한 뒤에만 반영하고, 사이트에 올라가는 변경은 배포 전과 배포 뒤에 다시 검토하는 방식이에요

겹	하는 일	비유	이 사이트가 실제로 쓰는 것
모델	글을 읽고 판단하고 다음 행동을 고른다	담당자의 머리	Claude 모델로 작업하고 ChatGPT 모델로 읽기 전용 교차 검토
하네스	도구, 기억, 승인, 되돌리기를 모델 주변에 둔다	책상, 서랍, 결재선, 휴지통이 있는 사무실	검수 전담 서브에이전트, 정해진 순간에 자동 실행되는 훅, 기억 파일
지침과 스킬	이 조직에서 일하는 법과 특정 업무의 절차를 적어 둔다	업무 매뉴얼과 체크리스트	늘 읽히는 지침 파일과, 지난 작업 기록을 찾아보는 절차처럼 부를 때만 펼치는 스킬
연결(MCP)	시트, 데이터베이스, 분석 도구 같은 바깥 시스템을 표준 방식으로 잇는다	어떤 기기든 꽂히는 공용 단자	구글 시트와 드라이브 연결, 방문 데이터 조회용 GA4 연결

네 겹 중 사람들이 가장 많이 묻는 셋을 하나씩 풀어 볼게요 모델은 제품을 고르면 따라오는 것이라 짧게 넘어가고, 나머지 셋이 실제 도입 품질을 가릅니다

겹 2

AI agent harness 란 - 모델이 일하는 작업장

흔히 겪는 장면 - 아무리 유능한 사람을 뽑아도 책상도 없고 자료 열람 권한도 없고 결재선도 없으면 첫 주에 아무 일도 못 하죠 모델도 같습니다

풀어 보면 - 하네스는 모델을 감싸고 실제로 일을 시키는 실행 환경 전체예요 이 글에서는 하네스를 볼 때 네 가지를 살핍니다(실제 제공 여부는 구현마다 달라요) ①도구, 파일을 읽고 쓰거나 검색하거나 명령을 실행하는 손발 ②기억, 지난 대화와 결정을 다음 작업에서도 꺼내 쓰는 서랍(기억 기능은 27편) ③승인, 파일을 바꾸거나 돈이 드는 일을 하기 전에 사람에게 묻는 결재선 ④되돌리기, 저장해 둔 파일 버전처럼 복구하도록 설계한 범위 안에서 직전 상태로 돌아가는 휴지통이에요 이미 보낸 메일처럼 되돌릴 수 없는 바깥 행동은 실행 전에 사람의 승인을 받아야 합니다 이 사이트는 작업이 끝날 때마다 자동으로 버전을 남겨 두고, 결과물을 내놓기 전에 검수 전담 서브에이전트가 한 번 더 읽게 합니다 Anthropic 공식 문서 기준으로 서브에이전트는 자기만의 지시문과 도구 범위를 가진 별도 작업 공간에서 돌아가는 보조 에이전트예요 그래서 "쓴 사람과 검수하는 사람을 분리"하는 효과가 납니다 하네스를 직접 지어 본 이야기는 12편, 사람이 시동을 걸지 않아도 돌아가게 만든 이야기는 13편에 있어요

겹 3

AI agent skills 란 - 필요한 일에서 펼치는 업무 매뉴얼

흔히 겪는 장면 - 새 담당자에게 모든 매뉴얼을 첫날 한꺼번에 읽히면 정작 중요한 규칙은 잊어버리고, 필요할 때 어느 매뉴얼을 봐야 하는지도 모릅니다

풀어 보면 - 지침은 두 종류로 나누는 게 요령이에요 하나는 늘 읽히는 지침으로, 말투나 금칙어처럼 매번 지켜야 하는 규칙을 짧게 적습니다 다른 하나가 스킬인데, "월간 보고서 만들기"나 "글 발행하기"처럼 특정 업무의 절차를 폴더에 적어 두고, 이름과 짧은 설명은 먼저 읽힐 수 있지만 자세한 절차는 그 일이 생길 때 펼치는 방식이에요 이 사이트는 분기별로 쌓인 지난 작업 기록을 찾아보는 절차를 스킬로 두어서, 과거 결정을 물을 때 그 절차가 펼쳐지고 평소에는 이름과 한 줄 설명만 올라오게 했습니다 남이 만든 스킬과 플러그인을 들일 때는 설치 전에 무엇을 실행하는지 읽어 보는 순서가 필요한데, 그 기준은 21편에 정리해 두었어요

겹 4

AI agent MCP 란 - 바깥 데이터로 가는 공용 단자

흔히 겪는 장면 - 시트에서 숫자를 복사해 AI에 붙여 넣고, 결과를 다시 시트에 옮기는 일을 하루에 열 번 하고 있다면 연결이 없는 겁니다

풀어 보면 - MCP(Model Context Protocol)는 AI 애플리케이션을 외부 시스템에 잇는 공개 표준이에요 공식 문서는 이를 "AI 애플리케이션의 USB-C 단자"에 비유합니다 기기마다 다른 충전선을 들고 다니는 대신 단자 하나로 통일하듯, 시트든 데이터베이스든 광고 계정이든 같은 방식으로 꽂는다는 뜻이에요 마케터에게 중요한 점은 연결마다 읽기만 되는지, 바꿀 수도 있는지가 다르다는 것입니다 이 사이트는 구글 시트와 드라이브를 연결해 쓰고, 방문 데이터는 GA4 공식 연결을 읽기 전용 권한으로 붙였어요 연결 자체보다 연결한 뒤 숫자를 잘못 읽은 경험이 더 컸는데, 그 기록은 28편에 있습니다

기준 문서: Model Context Protocol 공식 소개

AI agent 만들기 - 세 층 중 어디서 시작할까

"AI agent 툴 종류"를 검색하면 수십 개 제품이 쏟아지는데, 이 글에서는 시작 방식을 세 층으로 묶어 봅니다 요리에 빗대면 밀키트, 반조리 식당 주방, 직접 짓는 주방입니다 아래 표는 비교표가 아니라 이 글의 설명 틀이에요 제품 이름은 공식 분류만 적었고, 층 설명과 맞는 경우는 편집자가 나눈 것이라 기능과 운영 방식과 성능은 각 제품의 공식 문서에서 확인하세요

층	무엇을 하나	이름 예	맞는 경우
대화형 설정	AI 앱 안에서 지침과 참고 자료를 올려 두고, 그 설정대로 대화하게 만든다	Claude의 프로젝트, ChatGPT의 프로젝트	혼자 또는 소규모 팀이 반복 업무의 말투와 형식을 고정하고 싶을 때, 바깥 시스템에 손대지 않아도 될 때
코드 없는 빌더	화면에서 흐름과 권한을 설계하고 회사 시스템에 붙여 운영한다	Agentforce(세일즈포스), Copilot Studio(마이크로소프트)	이미 그 회사 제품에 고객 데이터가 있고, 조직 단위 권한과 감사 기록이 필요할 때
코딩 에이전트 하네스	내 컴퓨터나 서버에서 파일과 도구를 직접 다루는 에이전트를 지침 파일로 길들인다	Claude Code, Codex	데이터 처리, 문서 생성, 사이트 운영처럼 파일과 명령을 오가는 일을 사람 손 없이 돌리고 싶을 때

어느 층이든 앞에서 본 네 관점으로 뜯어볼 수 있어요 가장 큰 차이는 누가 하네스를 책임지느냐입니다 대화형 설정은 앱 회사가 만든 하네스 안에서 지침과 자료만 내가 적는 방식이라, 할 수 있는 일의 범위도 그 앱이 정해요 코드 없는 빌더는 회사의 관리자가 권한과 흐름을 설계하는 쪽에 가깝고, 코딩 에이전트 하네스는 하네스의 상당 부분을 내가 짓는 대신 무엇을 연결하고 어디서 멈출지를 내가 정하는 몫이 커요 이 사이트는 세 번째 층으로 운영하는데, 터미널 없이 같은 것을 쓰고 싶다면 15편의 선택지도 있습니다

처음 검토하는 분께 권하는 순서는 이래요 첫째 층에서 한 달 써 보고, 바깥 데이터에 손을 대야 하는 순간이 오면 지금 쓰는 앱의 지원 범위와 권한을 확인한 뒤 둘째나 셋째 층도 검토하세요 지침과 자료 설정만으로 앞에서 말한 에이전트가 되는 것은 아니지만, 첫째 층에서 "지침을 어떻게 적어야 원하는 결과가 나오는지"를 몸으로 익힌 사람은 어느 제품으로 올라가도 같은 감각을 씁니다 반대로 처음부터 빌더 계약을 하면 지침 쓰는 연습 없이 흐름도부터 그리게 돼요

마케터가 먼저 볼 것 네 가지

제품 데모를 보기 전에 아래 네 가지를 질문 목록으로 들고 가세요 모두 "무엇을 할 수 있나"가 아니라 "무엇을 못 하게 막을 수 있나"에 관한 질문입니다 사고는 할 수 있는 일에서 나지 않고, 막지 못한 일에서 나거든요

데이터 접근 권한 - 에이전트가 쓰는 계정은 사람 계정과 분리돼 있나요, 그 계정의 권한은 읽기부터 시작하나요 이 사이트는 GA4 연결에서 기본 로그인이 막히는 일을 겪은 뒤 프로그램용 계정으로 바꾸고 조회 권한만 주어 쓰고 있어요 고객 데이터가 있는 시스템이면 더더욱 "쓰기"는 시험 계정에서 먼저입니다
비용 상한 - 한 달에 얼마까지 쓸 수 있는지 숫자로 막아 두는 곳이 있나요 Anthropic 플랫폼 문서 기준으로 콘솔에는 워크스페이스 단위로 월 지출 한도를 두는 기능이 있어요 다른 공급사도 비슷한 설정이 있는지, 없다면 결제 수단 쪽에서라도 막을 수 있는지 먼저 확인하세요 상한이 없는 에이전트는 밤새 같은 실패를 반복하며 돈을 씁니다
실패 기록, 관측 가능성 - 에이전트가 무엇을 읽고 어떤 도구를 몇 번 불렀고 어디서 막혔는지 나중에 볼 수 있나요 성공한 결과만 남고 과정이 안 남으면, 틀린 숫자가 나왔을 때 어디서 틀렸는지 찾을 길이 없어요 이 사이트는 자동으로 도는 작업마다 실행 기록과 결과 판정을 남겨서, 아침에 그 기록부터 읽습니다 이 개념은 용어집의 AI 에이전트 관측 가능성에 따로 정리했어요
사람 승인 지점 - 어떤 행동 앞에서 멈추고 사람에게 묻나요 그 목록을 내가 정할 수 있나요 좋은 기준은 "되돌리기 어려운 일"이에요 메일 발송, 광고 예산 변경, 고객 데이터 삭제, 외부 발행은 사람이 누르고, 초안 작성과 조회와 표 만들기는 에이전트가 끝까지 하게 두는 식입니다 권한을 주되 사고를 막는 통제 여섯 가지는 18편에 있어요

기준 문서: Claude 플랫폼, 워크스페이스와 지출 한도

그대로 요청하기 - 에이전트 제품 검토 전에 AI에게 시키기

[제품 이름]의 공식 문서만 근거로, 아래 네 항목을 표로 정리해줘 항목은 데이터 접근 권한을 어떻게 나누는지, 월 비용 상한을 어디서 설정하는지, 실행 기록과 실패 로그를 어디서 보는지, 사람 승인이 필요한 행동을 내가 정할 수 있는지야
각 칸에는 공식 문서의 해당 페이지 주소를 함께 적어줘
공식 문서에서 찾지 못한 항목은 추측하지 말고 "문서에서 미확인"이라고 적어줘

에이전트 계정이 사람 계정과 분리돼 있고 읽기 권한부터 시작하는가
월 비용 상한을 숫자로 설정하는 곳을 확인했는가
실패했을 때 어디서 무엇을 읽었는지 기록이 남는가
되돌리기 어려운 행동 앞에 사람 승인이 들어가고, 그 목록을 내가 정할 수 있는가
제품 데모가 아니라 우리 데이터 표본으로 시험해 봤는가

자주 묻는 질문

AI 에이전트와 챗봇의 차이가 뭔가요?

챗봇은 질문에 답하고 다음 질문을 기다리지만, 에이전트는 목표를 받으면 다음 할 일을 스스로 고르고 도구를 써서 결과를 확인하며 나아가다가 일이 끝나거나 정해 둔 중단 조건에 닿으면 멈춥니다 Anthropic의 글 기준으로 미리 짜 둔 순서대로 도는 것은 워크플로우, 모델이 스스로 과정과 도구 사용을 정하는 것이 에이전트예요 도구나 기억이 붙었느냐가 아니라 모델이 다음 과정과 도구 사용을 스스로 정하느냐가 둘을 가릅니다

AI 에이전트 하네스가 뭔가요?

모델을 감싸고 실제로 일을 시키는 실행 환경 전체예요 검토할 때는 파일을 읽고 쓰는 도구, 지난 결정을 꺼내 쓰는 기억, 위험한 행동 앞에서 사람에게 묻는 승인, 잘못됐을 때 저장해 둔 범위 안에서 직전 상태로 가는 되돌리기를 살펴보는데, 실제 제공 여부는 구현마다 달라요 이미 보낸 메일처럼 되돌릴 수 없는 바깥 행동은 실행 전에 사람의 승인을 받아야 합니다 사람에게 책상과 자료 권한과 결재선을 마련해 주는 일과 같아요

MCP가 있으면 에이전트가 우리 데이터를 마음대로 바꾸나요?

연결마다 달라요 읽기만 되는 연결과 바꿀 수도 있는 연결이 섞여 있어서, 연결하기 전에 어느 쪽인지 확인하고 에이전트용 계정의 권한을 조회 범위로 좁혀 두는 것이 순서입니다 바꿀 수 있는 연결은 실제 계정보다 시험 계정에서 먼저 써 보세요

코딩을 못해도 AI 에이전트를 만들 수 있나요?

네 Claude의 프로젝트나 ChatGPT의 프로젝트처럼 AI 앱 안에서 지침과 자료를 올려 두는 대화형 설정부터 연습할 수 있어요 OpenAI는 GPTs 종료와 플러그인 전환을 안내하고 있고, 신규 생성 제한과 전환 일정은 계정과 워크스페이스에 따라 달라요 지침과 참고 자료를 모아 이어서 작업하려는 목적이라면 프로젝트를 검토할 수 있습니다 다만 그것만으로 앞에서 말한 에이전트가 되는 것은 아니고, 바깥 시스템에 손대야 하면 지금 앱의 지원 범위와 권한을 확인한 뒤 코드 없는 빌더나 코딩 에이전트 하네스도 검토하세요 지침을 쓰는 감각은 어느 방식에서든 그대로 쓰입니다

AI 에이전트 도입 전에 가장 먼저 확인할 것은요?

할 수 있는 일보다 막을 수 있는 일을 보세요 에이전트 계정이 사람 계정과 분리돼 있고 읽기 권한부터 시작하는지, 월 비용 상한을 숫자로 두는 곳이 있는지, 실패했을 때 과정 기록이 남는지, 되돌리기 어려운 행동 앞에 사람 승인이 들어가는지 네 가지입니다

서브에이전트 만들기는 4편, 훅은 6편, MCP 첫걸음은 7편, 하네스를 지은 이야기는 12편, 스킬과 플러그인 고르기는 21편, 권한과 통제의 기준은 18편으로 이어집니다

검증 기준일: 2026-11-11 KST 공식 문서로 확인한 정의와 한 환경의 운영 기록을 구분해 작성했으며, 제품 이름은 공식 분류만 적었고 가격 비교는 다루지 않았습니다 기능은 구조와 통제를 설명하는 데 필요한 범위만 소개했습니다 각 제품의 제공 범위는 업데이트에 따라 달라질 수 있습니다

AI 에이전트 실전 플레이북 - 계속 더해 가는 시리즈

← 플레이북 전체 목록 보기

AI 에이전트란 무엇인가모델, 하네스, 스킬, MCP를 한 장에