Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
OpenAI, Anthropic, Google이 도입한 스케줄 실행형 AI 에이전트의 메커니즘을 분석하고, 이를 코드로 설계하는 방법을 제시합니다. 트리거, 처리, 출력의 3개 층으로 나누어 정기적인 태스크를 수행하는 에이전트 구성 방식을 설명합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Zenn AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기2026년 6월, OpenAI·Anthropic·Google이 일제히 「스케줄 실행형 AI 에이전트 (Scheduled Execution AI Agent)」를 투입했습니다.
본 기사에서는 이 「AI가 정기 실행으로 알아서 움직이는」 메커니즘을 코드로 설계하기 위한 최소 구성을 제시합니다. 테마는 「매일 아침, AI 뉴스를 수집 → 요약 → 저장하는 정기 태스크 (Periodic Task)」입니다.
설계: 3개 층으로 나누어 생각하기
스케줄 실행 에이전트는 3개 층으로 파악하면 전망이 좋아집니다.
트리거 층 (Trigger Layer) — 언제 움직이는가 (cron)
처리 층 (Processing Layer) — 무엇을 하는가 (수집 → LLM 요약)
출력 층 (Output Layer) — 어디로 내보내는가 (파일/알림/API)
매일 아침 7:00 (JST)에 실행하는 cron 식
CRON = "0 7 * * *" (분 시 일 월 요일)
Anthropic의 Managed Agents도 이 cron 시맨틱스 (Semantics)를 준수합니다. 로컬에서 테스트하려면 APScheduler가 간편합니다.
from apscheduler.schedulers.blocking import BlockingScheduler
sched = BlockingScheduler(timezone="Asia/Tokyo")
@sched.scheduled_job("cron", hour=7, minute=0)
def run_daily_job():
main()
if __name__ == "__main__":
sched.start()
LLM으로의 요약 호출을 벤더 비의존적 (Vendor-independent) 인터페이스로 감싸 두면, ChatGPT / Claude / Gemini를 교체하기 쉬워집니다.
from dataclasses import dataclass
from typing import Protocol
@dataclass
class NewsItem:
title: str
url: str
body: str
class Summarizer(Protocol):
def summarize(self, items: list[NewsItem]) -> str: ...
class ClaudeSummarizer:
def __init__(self, client, model: str = "claude-opus-4-8"):
self.client = client
self.model = model
def summarize(self, items: list[NewsItem]) -> str:
joined = "\n\n".join(f"- {i.title}" for i in items)
prompt = "다음 AI 뉴스를 5줄로 요약:\n" + joined
resp = self.client.messages.create(
model=self.model,
max_tokens=1024,
messages=[{"role": "user", "content": prompt}],
)
return resp.content[0].text
동일한 Summarizer 프로토콜을 충족하도록 OpenAI 버전을 구현하면, 호출 측은 변경할 필요가 없습니다.
정기 실행에서 가장 사고가 나기 쉬운 것이 「이중 실행」과 「실패 시의 재시도 (Retry)」입니다. 실행일을 키(Key)로 하여 멱등하게 만들어 둡시다.
import os, datetime
def save_idempotent(summary: str, out_dir: str = "./daily") -> str:
today = datetime.date.today().isoformat()
path = os.path.join(out_dir, f"{today}.md")
if os.path.exists(path):
return path # 이미 오늘 날짜의 파일이 있으면 건너뜀 (멱등성)
os.makedirs(out_dir, exist_ok=True)
with open(path, "w", encoding="utf-8") as f:
f.write(f"# AI News {today}\n\n{summary}\n")
return path
def main():
items = fetch_news()
summarizer = ClaudeSummarizer(client=anthropic_client)
try:
summary = summarizer.summarize(items)
except Exception as e:
log_error(e) # 실패하더라도 놓치지 않고, 다음 실행으로 이월
return path = save_idempotent(summary)
notify(f"오늘의 AI 뉴스 요약 저장: {path}")
2026년 6월 세 사의 움직임은 'AI를 호출하는' 개발에서 'AI를 주기적으로 실행하여 운영하는' 개발로의 전환을 보여줍니다. 트리거(Trigger) - 처리(Process) - 출력(Output)의 3계층으로 나누고, 벤더에 종속되지 않는 인터페이스로 감싸며, 멱등성과 오류 내성을 갖추는—이 설계를 이해한다면 어떤 플랫폼의 예약 실행 기능이 와도 응용할 수 있습니다.