스스로 일하는 AI, 에이전트란 완전 입문 가이드 | 모켓

"답"이 아니라 "일"을 시키고 싶다

ChatGPT에 물어보면 답은 잘 나옵니다. 그런데 그 답을 실제로 실행하는 건 여전히 내 몫입니다.

챗봇이 멈추는 지점

"이 고객에게 사과 메일 초안 써 줘"라고 하면 초안은 깔끔하게 나옵니다. 하지만 거기까지입니다. 메일함을 열고, 붙여넣고, 수신자를 넣고, 보내는 건 전부 사람이 합니다. 챗봇은 "말"에서 멈춥니다. 문장을 만들어 줄 뿐, 손이 없어서 아무것도 건드리지 못합니다.

이게 답답한 이유는, 실제 업무의 대부분이 "글쓰기"가 아니라 "여러 도구를 오가는 잔손질"이기 때문입니다. 메일을 확인하고, 자료를 검색하고, 문서에 옮겨 적고, 일정에 등록하는 그 과정 말입니다.

에이전트가 한 발 더 가는 지점

에이전트는 여기서 한 발 더 나갑니다. "이 고객에게 사과 메일을 보내 줘"라고 하면, 초안을 쓰고, 메일함을 열고, 실제 발송까지 스스로 합니다. 답을 주는 게 아니라 일을 끝내는 겁니다.

핵심 차이는 "도구를 쓸 줄 아느냐"입니다. 챗봇은 말만 하지만, 에이전트는 검색하고, 파일을 열고, 프로그램을 조작하며 목표를 향해 여러 단계를 스스로 밟습니다.

챗봇과 에이전트, 무엇이 다른가

한 줄로 정리하면 이렇습니다. 챗봇은 질문을 받아 답을 주고, 에이전트는 목표를 받아 결과를 냅니다.

	챗봇	에이전트
받는 것	질문	목표
하는 일	답변 생성	도구를 써서 실행
단계	한 번 대답	여러 단계 스스로 반복
사람 역할	답을 받아 실행	목표를 주고 확인
실패했을 때	사람이 다시 질문	스스로 재시도·경로 변경

사실은 익숙한 조각들의 조합

에이전트가 대단한 신기술 같지만, 뜯어보면 익숙한 조각들의 조합입니다. 목표를 이해하고(챗봇이 하던 것), 도구를 호출하고(우리가 손으로 하던 것), 결과를 보고 다음을 정하는(루프) 것뿐입니다.

앞선 AI 루프 엔지니어링 시리즈에서 "AI를 여러 번 돌려 스스로 고치게 하는 루프"를 다뤘습니다. 에이전트는 그 루프에 "도구를 쓰는 손발"을 붙인 것이라고 보면 됩니다. 생각만 하던 AI가 이제 실제로 움직입니다. 이 시리즈도 그 조각을 하나씩 붙여 나갑니다.

왜 지금 에이전트인가 — MCP라는 변곡점

에이전트라는 아이디어 자체는 오래됐습니다. 그런데도 몇 년 전까지 대중화되지 못한 데는 분명한 이유가 있었습니다.

표준이 없던 시절

과거엔 AI를 도구에 연결하는 방법이 도구마다 제각각이었습니다. 메일에 붙이려면 메일용 연결을, 캘린더에 붙이려면 캘린더용 연결을 따로 만들어야 했죠. 도구가 열 개면 연결 방식도 열 가지라, 웬만한 개발팀이 아니면 엄두를 못 냈습니다.

2025년, 규격이 하나로 모였다

2026년 지금은 상황이 완전히 달라졌습니다. 그 중심에 MCP(Model Context Protocol)가 있습니다. Anthropic이 2024년 11월 공개한 이 규격은, AI를 검색·파일·업무도구에 꽂는 방식을 하나로 통일했습니다. 흩어져 있던 연결 방식이 "표준 콘센트" 하나로 모인 셈입니다.

받아들여진 속도가 이 변화를 잘 보여 줍니다.

MCP는 2025년 3월 OpenAI, 4월 구글(Gemini), 5월 마이크로소프트·GitHub가 잇따라 채택하며 사실상 업계 표준이 됐고, 2025년 12월 Anthropic이 리눅스 재단(Agentic AI Foundation)에 기증해 특정 회사에 종속되지 않는 공용 규격이 됐습니다. MCP 서버 내려받기는 2024년 11월 약 10만 건에서 2025년 4월 800만 건 이상으로 늘었습니다. (출처: Wikipedia·The New Stack·Pento "A Year of MCP")

덕분에 이제는 코드를 몰라도 노코드 도구로 에이전트를 만들 수 있게 됐습니다. 이 MCP가 정확히 무엇인지는 2장에서 쉬운 비유로 풀어 다룹니다.

실제로 이런 일을 합니다

막연하게 들리니 구체적인 예를 보겠습니다. 잘 만든 에이전트는 이런 일을 사람 손을 거의 안 거치고 해냅니다.

매일 아침 밤사이 온 문의 메일을 읽고, 분류해서, 급한 것만 요약해 알려주기
경쟁사 신제품 소식을 검색해 모으고, 표로 정리해 문서에 저장하기
회의 녹음을 받아 요약하고, 할 일을 프로젝트 관리 도구에 자동 등록하기

한 가지를 단계로 뜯어보면

세 번째 예, "회의 녹음 정리"를 에이전트가 어떻게 처리하는지 단계로 보겠습니다.

녹음 파일을 받아 텍스트로 옮긴다(전사 도구 호출)
텍스트를 읽고 결정·할 일·담당자를 뽑아 요약한다
할 일을 프로젝트 관리 도구에 항목으로 등록한다(도구 호출)
등록 결과를 확인하고, 빠진 게 있으면 다시 채운다

공통점이 보이시나요. 전부 "여러 도구를 오가며 여러 단계를 밟는" 일입니다. 사람이 하면 반나절 걸릴 반복 업무를, 목표만 정해 주면 에이전트가 대신 도는 겁니다. 물론 아직 완벽하진 않아서, 3번 같은 "실제로 데이터를 바꾸는" 단계에는 뒤에서 다룰 안전장치가 꼭 필요합니다.

이 시리즈에서 배우는 것

개념에서 시작해, 직접 만들고, 안전하게 굴리는 데까지 순서대로 갑니다. 앞쪽은 "왜"와 "무엇"을, 가운데는 노코드와 코드로 "어떻게 만드는지"를, 뒤쪽은 "어떻게 안전하게 굴리는지"를 다룹니다.

2장: MCP — AI를 도구에 꽂는 표준 콘센트
3장: n8n·Dify로 코드 없이 첫 에이전트 만들기
4장: Claude Code로 에이전트 자동화
5장: MCP로 에이전트에 도구(손발) 달기
6장: 여러 에이전트를 팀으로 협업시키기
7장: 폭주를 막는 에이전트 가드레일
8장: 어디서 시작할까 — 실전 로드맵과 함정

굳이 순서대로 다 읽지 않아도 됩니다. 노코드로 당장 만들어 보고 싶으면 3장부터, 개념이 궁금하면 2장부터 펼치시면 됩니다. 더 많은 도구를 직접 찾아보려면 AI 도구 모음도 함께 참고하세요.

다음 챕터에서는 에이전트의 심장인 MCP가 정확히 무엇이고, 왜 이것이 "AI의 USB-C"라고 불리는지를 쉬운 비유로 풀어 보겠습니다.