AI 에이전트 가이드

AI 에이전트는 거대 언어 모델(Large Language Model; LLM)이 스스로 다음 행동을 정하고 외부 도구를 호출해 목표를 달성하는 시스템입니다. 모델을 한 번 호출해 답을 받는 것과 달리, 관찰하고 판단하고 행동하는 순환을 반복합니다. 모델 자체를 훈련하는 경로는 AI 기초 가이드에서 다룹니다.

학습 순서

선수 지식은 백엔드 개발 기초와 REST API, Git 사용법입니다. 에이전트는 결국 외부 시스템을 호출하는 프로그램이므로 API를 다루는 감각이 먼저 필요합니다. 그 위에서 LLM 기초(토큰화, 컨텍스트 윈도우)와 프롬프트 엔지니어링(Prompt Engineering)을 익힙니다.

다음은 모델에 손발을 붙이는 단계입니다. 도구 호출(Tool Calling)로 외부 기능을 실행하고, 에이전트 메모리로 이전 맥락을 유지하며, 검색 증강 생성(Retrieval-Augmented Generation; RAG)으로 모델이 모르는 지식을 끌어옵니다. 이 조각들을 ReAct 같은 아키텍처 패턴으로 묶으면 동작하는 에이전트가 됩니다.

구현한 에이전트는 검증을 거쳐야 실서비스에 올릴 수 있습니다. 무엇을 성공으로 볼지 정의하고 평가·테스트하며, 실패한 판단을 추적할 수 있도록 디버깅·모니터링을 갖춥니다. 프롬프트 주입 같은 공격 관점에서 점검하는 방법은 AI 레드티밍(AI Red Teaming)에서 다룹니다. 코딩 작업 자체를 에이전트에게 맡기는 실무 흐름은 클로드 코드(Claude Code)와 바이브 코딩(Vibe Coding)에서 이어집니다.

지금까지 설명한 흐름을 한눈에 정리하면 [그림 1]과 같습니다.

[그림 1] AI 에이전트 학습 로드맵 구성도

프롬프트에서 시작해 도구와 메모리를 붙이고, 아키텍처로 묶은 뒤 검증하는 흐름입니다. 도구 호출을 붙이는 지점을 전환점으로 강조했습니다. 모델이 외부 세계를 바꿀 수 있게 되는 순간부터 평가와 보안이 선택이 아니라 필수가 되기 때문입니다.

학습 주제

학습 주제	다루는 내용
AI 에이전트	LLM 기반 에이전트 설계와 구현
AI 레드팀	AI 시스템의 취약점 점검과 방어
Claude Code	AI 코딩 에이전트를 활용한 개발 워크플로
바이브 코딩	AI와 대화하며 코드를 완성하는 개발 방식

다른 영역과의 연결

에이전트가 호출할 백엔드 API를 먼저 익히고 싶다면 백엔드 가이드를, 모델 자체의 학습과 운영을 다지려면 AI 기초 가이드를 참고하세요. 에이전트의 판단을 로봇의 실제 동작으로 옮기는 경로는 피지컬 AI 가이드에서 다룹니다.