서론

2026년 7월, OpenAI의 「ChatGPT Work」, Google의 자율 에이전트화된 Gemini, Anthropic의 Claude (Azure 일반 제공 + Cowork 확장)와 같이 주요 3사가 일제히 「답하는 AI」에서 「태스크를 완수하는 AI」로 방향을 틀었습니다. 본 기사에서는 이 「에이전트 (Agent)」라는 패러다임이 구현 레벨에서 무엇을 의미하는지, 최소한의 코드로 해설합니다.

「답하는 AI」와 「끝내는 AI」의 차이

한마디로 말하면, 루프(Loop)와 툴 실행(Tool execution)이 있는지 여부입니다. 답하는 AI는 1회의 API 호출로 완결됩니다. 끝내는 AI는 「LLM이 다음 수를 결정한다 → 툴을 실행한다 → 결과를 관측한다」를 목표 달성까지 루프합니다.

답하는 AI (기존형)

import anthropic
client = anthropic.Anthropic()
msg = [{"role": "user", "content": "오늘의 AI 뉴스를 하나 요약해줘"}]
...

끝내는 AI = 툴 실행 루프

에이전트의 본질은 LLM에게 툴을 전달하고, LLM이 필요한 툴을 선택하며, 결과를 관측하여 다음을 결정하는 루프입니다. 포인트는 3가지입니다. 첫 번째는 툴 정의를 LLM에 전달하는 것, 두 번째는 LLM의 출력을 「최종 답변」인지 「툴 호출 (Tool call)」인지에 따라 분기시키는 것, 세 번째는 툴 실행 결과를 이력(History)으로 되돌려 다음 판단 재료로 삼는 것입니다. 이 observe → decide → act 루프가 「태스크를 끝내는」 정체입니다.

툴을 정의하기 (Tool Use)

실제 Claude · GPT · Gemini의 API에서는 툴을 JSON Schema로 정의합니다. description(설명)이 생명선이며, LLM은 이 설명문만을 보고 「언제 이 툴을 사용할지」를 판단합니다.

tools = [{
"name": "web_search",
"description": "최신 정보를 웹 검색한다. 뉴스나 시사 정보는 우선 이것을 사용한다.",
...

수동 툴 실행 루프의 흐름

Claude API에서는 응답의 stop_reason이 "tool_use"인 동안에만 툴을 실행하고, 결과를 messages에 되돌려 다시 API를 호출합니다. 툴 호출이 없어지는 시점에서 완료됩니다. 1회의 주고받음이 아니라, 이 왕복이 「검색해서 → 저장한다」와 같은 다단계 태스크를 인간의 개입 없이 완수합니다. 툴 실행 결과는 다음과 같이 이력으로 되돌립니다.

tool_result = {"type": "tool_result", "tool_use_id": block.id, "content": output}
messages.append({"role": "user", "content": [tool_result]})

부업 · 실무로의 응용

이 메커니즘은 부업과도 직결됩니다. SNS 게시물 자동 생성이나, 리서치부터 리포트 작성까지의 정형 태스크는 툴 루프로 통째로 자동화할 수 있습니다. 중요한 것은 AI에게 통째로 맡기는 것이 아니라, 어떤 툴을 어떤 순서로 조합할지를 설계하는 「AI 디렉터 (AI Director)」적인 시점입니다. 툴의 description을 어떻게 설계하느냐가 그대로 아웃풋의 질이 됩니다.

요약

「답하는 AI」는 1회의 API 호출, 「끝내는 AI」는 툴 실행 루프입니다. 2026년의 주요 모델 (Claude / GPT-5.6 / Gemini)은 모두 이 루프를 전제로 설계되어 있습니다. 우선 web_search와 save_file 두 가지 툴부터 직접 에이전트를 돌려보시기 바랍니다. 패러다임의 차이를 체감할 수 있을 것입니다.

Discussion