AI 에이전트 자동화 작동 방식: 에이전트는 5가지 부분으로 구성되고, 팀은 3가지를 더한다

"AI 에이전트"는 요즘 어디에나 있으며, 대부분의 설명은 마케팅 자료이거나 연구 논문입니다. 이 글은 그 어느 것도 아닙니다. AWFlow(제가 만든 브라우저 자동화 도구)를 예시로 사용하여 에이전트 자동화가 실제 어떻게 작동하는지 분해합니다. 즉, 에이전트는 무엇으로 구성되어 있는지, 팀이 무엇을 추가하는지, 그리고 '목표는 이것입니다'와 '답변은 여기 있습니다' 사이에서 무슨 일이 일어나는지를 다룹니다.

An agent: model, instructions, memory, skills, rules

파트 1: 에이전트는 5가지 부분으로 구성된다

1. 모델 (A model): 두뇌.
읽고, 추론하고, 다음 행동을 결정하는 언어 모델입니다. AWFlow에서 각 에이전트는 자신만의 것을 선택합니다. 브라우저 내부에서 실행되는 모델, 로컬 Ollama 모델, 또는 자체 API 키를 사용하는 클라우드 모델일 수 있습니다. 서로 다른 에이전트들은 서로 다른 두뇌를 사용할 수 있습니다. 계획을 세우는 에이전트를 위한 큰 모델과 좁은 작업(narrow jobs)을 위한 작은 모델 등이 그것입니다.

2. 지침 (Instructions): 업무 설명서.
누구인지, 무엇을 위한 것인지, 어떻게 행동해야 하는지를 담은 일반 언어 텍스트입니다. 좋은 지침을 작성하는 것이 가장 많은 노력을 필요로 합니다. 이 도구는 한 문장(

5. 규칙(Rules): 에이전트가 단독으로 할 수 있는 것.
에이전트가 수행하려는 모든 행동은 허용됨(allowed), 먼저 질문함(ask first), 또는 차단됨(blocked) 중 하나로 확인됩니다. 일부 카테고리(결제, 자격 증명 입력, 전송, 삭제)는 사전 설정과 관계없이 항상 질문을 요청합니다. 중요한 점은: 규칙이 프롬프트에 작성되는 것이 아니라 모든 도구 호출 주변의 코드에서 강제된다는 것입니다.

• 각 핸드오프(handoff)는 전체 대화가 아닌, 필요한 작업과 컨텍스트만 전달합니다. 따라서 소형 모델도 따라갈 수 있고 클라우드 비용도 적게 유지됩니다.
• 팀 규칙은 멤버를 더 엄격하게 만들 수 있을 뿐입니다. 관대한 에이전트라도 신중한 팀에 속하면 신중해집니다.
• 모든 것이 활동(Activity) 뷰에 기록됩니다: 각 에이전트가 무엇을 했는지, 어떤 도구를 사용했는지, 그리고 당신을 위해 무엇이 대기하고 있는지까지요.

파트 4: 일회성 작업에서 루틴으로 (from one-off to routine)

에이전트는 일회성이거나 복잡한(messy) 작업에서 빛을 발합니다. 하지만 에이전트에게 루틴(routine)(