[AX] AI Agent 기초

2026-07-25 AI-AX_1편.pdf

0.78MB

 

1. LLM 이해

LLM은 결국 Text를 Text로 답변해주는 모델에 불과하며, 모든 답변은 확률론적으로 답변된다.

 

2. RAG

LLM이 주어진 문서들에 기반하여 답변할 때, 관련된 문서(Chunks)를 검색(Retrieval)하여 LLM에 주입 후 답변을 text로 낸다.

 

3. LLM vs Agent

Agent = LLM + tool + action

tool: grep, ls, MCP 등 외부를 조작하고 조회할 수 있는 도구
action: tool을 실행하고 어떤 tool을 쓸 지 결정

=> 이를 통해 Agent는 우리의 file-system에 있는 코드도 고치고 다양한 tool과 그에 맞는 action을 통해 많은 작업을 AI로 할 수 있다.

 

4. Desktop App vs CLI

Desktop은 tool이 제한돼있다. 물론 MCP, file-system 등 연결해서 사용할 수 있지만 CLI를 사용하면 자연스럽게 많은 tool과 action을 사용하고 연결할 수 있다.

 

5. Skills

많은 요구사항 및 프롬프트 등을 하나의 명령어로 수행할 수 있는 기술이다. 이는 '자동화'의 핵심이자 전부이다.

 

6. Hooks

아무리 문서에 위험사항을 적어놔도 AI가 제대로 읽지 않으면 사고가 나기 마련이다. 따라서, 위험사항을md가 아닌 '코드'로 적어놓고 특정 시점에 발생시켜 위험 요소를 사전 차단할 수 있다. 이 또한 자동화에서 핵심으로 가져가야 할 기술이다.

 

7. Workflow = Skills x Hooks

위 Skill과 Hook을 적절히 만들고 섞어놓으면 그것이 바로 Workflow다. 이 워크플로우를 어떻게 세팅하느냐에 따라 자동화가 무한으로 될 수 있고, 하네스, SDD 등 요즘 나오는 방법론들을 맘대로 만들고 설정할 수 있다.

 

8. Context 관리

Agent의 Context Window는 아래로 구성돼있다.
System Prompt + Context + Input

이게 LLM의 input으로 들어가 output으로써 tool+action+response text가 나오는 것이다.

LLM의 한계로써 context window가 길어지면 '환각(Hallucination) 및 속도/성능 저하'가 발생하므로, Context + Input을 적게 해야한다.

이 때, 한 세션에서 input들은 계속해서 context에 들어가므로, 각 agent(session)을 분리하여 해당 context를 적게 함으로써 각 agent의 성능 향상 및 페르소나 부여를 해줘야 한다.

 

9. Multi(Sub) Agents

위에서 말한 agents를 분리하여 작동시키고 workflow를 실행시키는 것이 곧 Multi(Sub) agents 사용이다. 이렇게 하면 특정 큰 작업에서 task를 각 agent가 나눠가짐으로써, Context를 오염시키지 않게 할 수 있다.

 

10. "하네스는 방법론이다"

하네스 = "인공지능(AI) 에이전트가 안전하고 안정적으로 업무를 수행할 수 있도록 모델 바깥의 전체 작업 환경과 통제 구조를 설계·구축하는 일"

= Hook을 설정해두고 Skill을 통해 agent로 개발하는 일

최근에 나오는 SDD, Goal, Ralph-loop, Compound-engineering, Loop-engineering 모두 결국 Skills x Hooks 조합으로 만들어진다.

 

이 점만 기억해두면 앞으로의 AI-Native Setting에서 개념적으로 이해가 안되는 일은 없다!

 

+ 알아야 하는 개념

- GPT (Generative Pretrained Transformers)

https://wikidocs.net/184363

19-01 지피티(Generative Pre-trained Transformer, GPT)

 

- RAG (Retreival-Augmented Generation)

https://kimjy99.github.io/%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/rag/

[논문리뷰] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

 

- Claude Code Docs

https://code.claude.com/docs/en/overview

Overview - Claude Code Docs

 

- Harness

https://yozm.wishket.com/magazine/detail/3718/

에이전트 하네스 완전 해부 | 요즘IT