2024년 12월, Anthropic은 "Building Effective Agents"라는 짧은 엔지니어링 기사를 공개했다. 당시 이미 너무 널리 퍼져서 파악하기 어려워졌던 「에이전트 (Agent)」라는 테마에, 작고 정밀한 어휘를 부여했다는 점에서 이례적인 기사였다. 5가지 조합 가능한 Workflow 패턴 (Prompt Chaining, Routing, Parallelization, Evaluator-Optimizer, Orchestrator-Workers)과, LLM 스스로가 도구 호출 (Tool Calling) 및 환경으로부터의 피드백 루프 속에서 제어 흐름 (Control Flow) 자체를 결정하는 진정한 의미의 Agent 패턴이 1가지 있었다.

그로부터 1년 반이 지났다. 그 사이에 생태계는 엄청난 속도로 움직였다. Model Context Protocol이 등장하여 사실상의 표준이 되었고, Claude에 Skills와 computer use가 추가되었으며, 수십 개의 에이전트 프레임워크가 등장했다 사라지기를 반복했다. 그리고 Anthropic 스스로가 발표한 2026년 데이터에 따르면, 기업의 절반 이상이 이미 운영 환경 (Production)에서 에이전트를 가동하고 있다. 이러한 상황을 고려하면 당연히 이런 질문을 던지고 싶어진다——당초의 분류 체계 (Taxonomy)는 지금도 실무자의 사고 토대가 되고 있는가, 아니면 조용히 대체되어 버렸는가.

로컬 Ollama 모델에 대해 6가지 패턴 모두를 구현하는 핸즈온 리포지토리——ai-architecture-pattern——를 만들고, 그 과정에서 Evaluator-Optimizer 스크립트의 실제 버그도 마주했던 사람으로서, 나의 대답은 "예, 지금도 통용됩니다"이다. 다만, 어떻게 통용되고 있는지 (그리고 통용되지 않는 부분이 어디인지)는 구체적으로 살펴볼 가치가 있다.

분류 체계는 지금도 참조점으로 남아 있다

어떤 프레임워크가 정착했다는 가장 명확한 신호는 사람들이 그것을 찬양하는 것이 아니라, 다른 사람들이 그것을 대체하는 대신 그 위에 계속해서 쌓아 올리고 있다는 것이다. 바로 그런 일이 일어나고 있다. 2026년 arXiv의 에이전트 설계 패턴에 관한 서베이 논문은 Anthropic의 2024년 12월 기사를 "에이전트 패턴 문헌 중에서 가장 많이 인용되는 분류 체계 (Taxonomy)"라고 표현하며, 그것을 폐기하는 대신 2개의 새로운 축 (인지 기능과 실행 토폴로지)을 따라 확장하고 있다——원래의 "5+1"을 단순한 초안이 아니라, 쌓아 올려야 할 토대로 다루고 있는 것이다. 2026년에 공개된 여러 패턴 카탈로그 (AgentPatterns.ai, BuildingEffectiveAgents.com, 몇몇 기업의 엔지니어링 블로그)도 여전히 Anthropic의 원래 카테고리를 직접적인 뼈대로 채택하고 있다. Anthropic 자체 Academy의 에이전트 구축 코스도 지금도 이 프레임워크를 출발점으로 가르치고 있다.

운영 데이터가 "우선은 심플하게"라는 조언을 뒷받침하고 있다

원문 기사에서 가장 반복적으로 강조된 것은, "평가 (Evaluation)를 통과하는 가장 심플한 패턴을 사용하고, 정말로 통과 여부를 하드코딩할 수 없으며, 그럼에도 진척도를 검증할 수 있는 경우에만 완전히 자율적인 에이전트를 사용하라"는 조언이다. Anthropic의 2026년판 State of AI Agents 리포트는 이 조언을 의외의 형태로 뒷받침하고 있다——다만, 자율적인 멀티 에이전트 시스템을 둘러싼 열기에서 예상되는 형태는 아니다. 현재 운영 환경에서 가장 지배적인 패턴은 인간의 리뷰를 동반한 단발성 도구 이용이다. 에이전트가 하나 이상의 도구를 호출하고 결과를 반환하면 인간이 리뷰한다. 두 번째로 많은 패턴 (운영 도입의 17~23%)은 샌드박스 내에서 실행되는 다단계 워크플로우로, 마지막에 한 번만 인간에게 인계되는 방식이다. 둘 다 Anthropic의 스펙트럼 중에서 "심플"한 쪽에 가까우며, 자율 에이전트의 "거창한" 쪽은 아니다. 반면 에이전트의 파일럿 도입 중 88%는 운영 환경에 도달조차 하지 못했으며, 그 주요 저해 요인으로 꼽히는 것은 평가 기반의 부족, 거버넌스 마찰, 모델의 신뢰성 문제——바로 원문 기사가 "복잡성이 초래한다"고 경고했던 실패 패턴 그 자체다. 시장은 "어디서나 자율 에이전트"로 수렴한 것이 아니라, Anthropic이 권장했던 바로 그 억제(제한)로 수렴한 것이다.

2024년 12월 이후에 쌓인 것들

이 분류 체계(Taxonomy)는 대체되었다기보다, 보완되었다는 표현이 실태에 가깝다. 원문 기사의 "augmented LLM(확장된 LLM)"——검색(Retrieval), 도구(Tool), 기억(Memory)으로 확장된 모델——이라는 개념은, 도구 부분을 실제로 어떻게 배선할지에 대해서는 의도적으로 추상적인 상태로 남아 있었다. MCP(Model Context Protocol)가 그 해답이 되었다. 이제 MCP는 계속해서 확장되는 통합(Integration) 생태계 속에서 에이전트가 도구, 리소스, 프롬프트를 발견하고 호출하기 위한 표준적인 방법이 되었다(이 세션을 구동하는 커넥터나 스킬도 그 일부다). Agent Skills는 관련 있는 또 다른 격차를 해결한다. 용도마다 전용 에이전트를 만드는 대신, 전문 지식을 포터블(Portable)한 파일(SKILL.md)로 패키지화하여 어떤 에이전트에서도 읽어들일 수 있도록 한다. 이 두 가지 모두 원래의 "5+1" 패턴과 모순되는 것이 아니라, 프레임워크의 "도구"와 "에이전트" 측면을 실제로 구축하기 쉽게 만들기 위한 배관과 같은 것이다.

낡음이 보이는 부분

존재하는 비판은 "이 프레임워크가 틀렸다"라기보다, 범위에 대한 지적이다. 2026년에 공개된 Anthropic의 전제 조건에 관한 리뷰는 프레임워크의 지침이 충분하지 않은 몇 가지 상황을 꼽고 있다. 빈도가 높고 복잡도가 낮은 작업(비용과 레이턴시(Latency) 양면에서, 결정론적인 코드가 워크플로(Workflow)와 에이전트(Agent) 모두보다 우수함), 명확한 평가 기준이 존재하지 않는 작업("합격할 때까지 평가한다"는 루프가 수렴해야 할 대상이 없음), 단판 승부의 고위험 의사결정(자율 루프 패턴은 적대적 검증이나 외부에서의 사실 확인에 대해 충분히 다루지 않음), 그리고 검색이 병목(Bottleneck)이 되는 작업(애초에 병목은 제어 흐름이 아님). 또 다른 2026년의 논문은 "에이전트"라는 단어 자체가 업계 전체에서 너무 희석되었다고 논한다. 이는 Anthropic 정의 자체의 결함이라기보다, 분류 체계가 만들어진 이후 어휘가 얼마나 표류했는지를 보여주는 신호다. 이들 모두 "이제 이 패턴을 사용해서는 안 된다"라는 주장은 아니다. 이것들은 출발점이 되는 어휘이지, 만능 의사결정 절차가 아니라는 리마인더(Reminder)다.

실체험으로서의 작은 사례

핸즈온(Hands-on) 리포지토리를 만드는 과정에서, 바로 이것의 라이브 버전을 마주했다. Evaluator-Optimizer 스크립트의 초기 버전은 생성된 광고 카피에 행동 유도(CTA, Call to Action)가 포함되어 있는지를, "지금 바로"나 "꼭" 같은 단어가 그대로 포함되어 있는지로 판정하고 있었다. 로컬 모델에 대해 실행하면 루프는 전혀 수렴하지 않았다. 모델은 "체험해 보세요"와 같이 해당 단어들을 전혀 사용하지 않고 CTA를 다른 표현으로 계속 나타냈기 때문에, 내용상으로는 충분히 타당한 초안이 실제로는 개념이 아닌 문자열을 테스트하는 체크에 의해 반복적으로 불합격 처리되고 있었던 것이다. 키워드 매칭을 LLM에 의한 판정으로 교체함으로써(원문 기사가 Evaluator-Optimizer 항목에서 논하고 있는 "정말로 LLM이 필요한 것과 단순한 체크로 끝낼 수 있는 것을 식별하는" 트레이드오프 그 자체), 다음 실행에서 즉시 해결되었다. 작은 버그였지만, 이는 바로 이 프레임워크가 첫 페이지부터 계속 가르쳐온 교훈 그 자체가 1년 반 뒤의 노트북 위에서 충실히 재현되었다는 이야기다.

결론

이 6가지 패턴은 수정 없이 그대로 적용해야 할 교리로써가 아니라, 내구성이 있는 어휘이자 출발점이 되는 부품으로서 다루는 것이 좋다. 원문 기사 중에서 가장 수수하지만 가장 퇴색되지 않은 조언은, "우선 가장 단순한 것을 시도하라", "이 패턴들을 하나만 선택하는 것이 아니라 조합하라", "정말로 경로를 하드코딩할 수 없으면서도 진척도를 검증할 수 있는 작업에 대해서만 진정한 에이전틱 루프(Agentic Loop)를 시도하라"는 것이다. 1년 반과 하나의 하이프 사이클(Hype Cycle)을 거친 지금도, 그것이 올바른 첫 수라는 점에는 변함이 없다.

참고 문헌

참고 문헌

• ai-architecture-pattern — 본 기사에서 참조하는 핸즈온 리포지토리
• Anthropic, "Building Effective Agents"
• A Two-Dimensional Framework for AI Agent Design Patterns
• Anthropic's Effective Agents Framework: A Pattern Map — AgentPatterns.ai
• State of AI Agents 2026: 5 Enterprise Trends — Arcade.dev
• The 2026 State of AI Agents Report — Anthropic
• The Term "Agent" Has Been Diluted Beyond Utility and Requires Redefinition
• When Not to Build AI Agents: Anthropic's Workflow-vs-Agent Playbook

토론