2024년 12월, Anthropic은 [

어떤 프레임워크가 자리 잡았음을 보여주는 가장 명확한 신호는 사람들이 그것을 찬양하는 것이 아니라, 다른 사람들이 그것을 대체하는 대신 그 위에 계속해서 무언가를 구축하는 것입니다. 이곳에서 바로 그런 일이 일어났습니다. 에이전트 디자인 패턴(agent design patterns)에 관한 2026년 arXiv 조사에 따르면, Anthropic의 2024년 12월 포스트는 "에이전트 패턴 문헌에서 가장 많이 인용된 분류 체계(taxonomy)"로 기술되어 있습니다. 또한 이 조사는 해당 체계를 폐기하는 대신, 두 가지 새로운 축(인지 기능(cognitive function) 및 실행 토폴로지(execution topology))을 따라 확장했습니다. 즉, 기존의 '5+1' 패턴을 무너뜨려야 할 허수아비가 아니라, 그 위에 구축할 기본 레이어(base layer)로 취급한 것입니다. 2026년에 발표된 여러 패턴 카탈로그(AgentPatterns.ai, BuildingEffectiveAgents.com, 여러 기업 엔지니어링 블로그)들은 여전히 Anthropic의 원래 카테고리를 중심으로 구성되어 있습니다. 에이전트 구축에 관한 Anthropic 자체 Academy 코스에서도 여전히 이 프레임워크를 시작점으로 가르치고 있습니다.

프로덕션 데이터는 "단순하게 시작하라"는 조언을 뒷받침한다

원문 포스트에서 가장 일관되게 반복되는 문구는 다음과 같습니다: 평가를 통과하는 가장 단순한 패턴을 사용하고, 경로를 하드코딩(hardcode)할 수 없지만 진행 상황은 검증할 수 있는 경우에만 완전한 에이전트 자율성(agentic autonomy)을 남겨두라는 것입니다. Anthropic의 2026년 에이전트 상태 보고서(State of AI Agents report)는 자율형 멀티 에이전트 시스템(autonomous multi-agent systems)에 대한 모든 과장된 홍보와는 달리, 예상치 못한 방식으로 그 조언을 지지하고 있습니다. 오늘날 프로덕션에서 가장 지배적인 패턴은 인간의 검토(human review)를 동반한 단일 도구 사용(single tool-use)입니다. 즉, 에이전트가 하나 이상의 도구를 호출하고 출력을 반환하면 사람이 이를 검토하는 방식입니다. 두 번째로 흔한 패턴(프로덕션 배포의 17~23%)은 마지막에 한 번의 인간 인계(human handoff)가 있는 샌드박스(sandbox) 내부에서 실행되는 다단계 워크플로(multi-step workflow)입니다. 두 방식 모두 Anthropic이 제시한 스펙트럼에서 복잡하게 뻗어 나가는 자율 에이전트 쪽이 아닌, 단순한 쪽 끝에 가깝습니다. 한편, 에이전트 파일럿 프로젝트의 88%는 프로덕션 단계로 넘어가지 못하며, 주요 장애물로 언급되는 것은 평가 격차(evaluation gaps), 거버넌스 마찰(governance friction), 그리고 모델 신뢰성(model reliability)입니다. 이는 원문 포스트가 복잡성이 초래할 것이라고 경고했던 바로 그 실패 모드(failure modes)들입니다.

시장은 모든 곳에서 자율 에이전트(autonomous agents)로 수렴하지 않았습니다. 대신 Anthropic이 권장했던 바로 그 절제(restraint)로 수렴했습니다.

2024년 12월 이후 추가된 요소들

분류 체계(taxonomy)가 대체된 것이 아니라, 오히려 그 내용이 채워졌다고 보는 것이 맞습니다. 검색(retrieval), 도구(tools), 메모리(memory)로 확장된 모델을 의미하는 원문 포스트의 "증강된 LLM (augmented LLM)" 개념은, 실제로 도구 부분을 어떻게 연결할지에 대해 의도적으로 추상적인 상태로 남겨두었습니다. MCP가 그 해답을 제시했습니다. MCP는 이제 에이전트가 확장되는 통합 생태계 전반에 걸쳐 도구(tools), 리소스(resources), 프롬프트(prompts)를 발견하고 호출하는 표준 방식이 되었습니다. Agent Skills는 이와 관련된 공백을 메워줍니다. 사용 사례마다 맞춤형 에이전트를 구축하는 대신, 도메인 전문 지식을 어떤 에이전트든 로드할 수 있는 휴대 가능한 파일(SKILL.md)로 패키징합니다. 이 두 가지 모두 기존의 5+1 패턴과 모순되지 않습니다. 오히려 프레임워크의 "도구" 및 "에이전트" 측면을 실제로 구축하기 더 쉽게 만들어주는 배관(plumbing) 역할을 합니다.

flowchart LR
    A["Augmented LLM (retrieval + tools + memory)"] --> B["MCP (standardized tool / resource access)"]
    A --> C["Agent Skills (portable domain expertise)"]
...

세월의 흔적이 드러나는 부분

존재하는 비판들은 "이 프레임워크가 틀렸다"는 식의 좁은 의미가 아니라, 그 범위(scope)에 관한 것입니다. Anthropic의 가설을 2026년 관점에서 검토한 결과, 이 프레임워크의 가이드라인이 무엇을 해야 할지 충분히 명시하지 못하는(under-specifies) 몇 가지 설정들이 지적되었습니다: 비용과 지연 시간(latency) 측면에서 결정론적 코드(deterministic code)가 워크플로우(workflows)와 에이전트(agents) 모두를 압도하는 고빈도·저복잡도 작업; 명확한 평가 기준이 없어 "통과할 때까지 평가한다"는 루프(loop)가 수렴할 대상이 없는 작업; 자율 루프(autonomous-loop) 패턴이 적대적 검증(adversarial verification)이나 외부 근거 설정(external grounding)에 대해 충분히 설명하지 못하는 고위험 단발성(one-shot) 결정; 그리고 병목 현상이 제어 흐름(control flow) 자체가 아닌 검색 병목(retrieval-bottlenecked) 작업 등이 그것입니다. 이와 별개로, 에이전트 용어에 관한 2026년의 한 논문은 "에이전트(agent)"라는 단어 자체가 업계 전반에서 너무 얇게 늘어나 사용되고 있다고 주장합니다. 이는 Anthropic의 특정 정의에 결함이 있다는 뜻이 아니라, 이 분류 체계(taxonomy)가 만들어진 이후 어휘가 얼마나 멀리 drift(표류)했는지를 보여주는 신호입니다. 이 중 그 어떤 것도 이 패턴들의 사용을 중단해야 한다는 논거는 아닙니다. 다만 이 패턴들이 보편적인 의사결정 절차(decision procedure)가 아니라, 시작을 위한 기초 어휘라는 점을 상기시켜 줄 뿐입니다.

작은 직접적인 사례

실습용 리포지토리(repo)를 구축하는 동안 이 문제의 실제 사례를 마주했습니다. Evaluator-Optimizer 스크립트의 초안은 생성된 광고 문구에서 "今すぐ"("지금 바로") 또는 "ぜひ"("꼭")와 같은 문자열을 검색하여 행동 유도(call-to-action)가 포함되어 있는지 확인했습니다. 이를 로컬 모델로 실행했을 때, 루프는 결코 수렴(converge)하지 않았습니다. 모델은 해당 단어를 정확히 사용하지 않고도 행동 유도를 계속해서 다른 방식으로 표현("体感しよう", "try it for yourself")했기 때문입니다. 결과적으로 매우 합리적인 초안이 개념이 아닌 단순 문자열을 테스트하는 검사 단계에서 계속 거부되었습니다. 키워드 매칭을 LLM의 판단으로 교체하자(원문 포스트의 Evaluator-Optimizer 섹션에서 논의된 "무엇을 LLM이 처리해야 하고 무엇을 단순한 검사로 처리할 수 있는지 결정하는" 트레이드오프와 동일한 방식) 다음 실행에서는 문제가 해결되었습니다. 이는 작은 버그였지만, 프레임워크가 첫 페이지부터 가르쳐 온 바로 그 교훈이었으며, 18개월 후 노트북 위에서 충실하게 재현되었습니다.

결론

이 여섯 가지 패턴을 수정 없이 적용해야 할 절대적인 진리가 아니라, 지속 가능한 어휘이자 일련의 시작용 기본 요소(primitives)로 취급하십시오. 가장 시간이 흘러도 변치 않은 조언은 원문 포스트에서 가장 덜 화려한 부분입니다. 즉, 가장 단순한 것부터 시도하고, 단 하나를 선택하기보다는 이러한 패턴들을 조합하며, 작업이 진정으로 하드코딩(hardcoded)될 수 없지만 그 진행 상황은 여전히 확인할 수 있을 때에만 실제 에이전트 루프(agentic loop)를 시도하라는 것입니다. 18개월과 한 번의 완전한 하이프 사이클(hype cycle)이 지난 지금도, 그것이 여전히 올바른 첫 번째 단계입니다.

출처

출처

• ai-architecture-pattern — 본 게시물에서 언급된 실습용 저장소
• Anthropic, "효과적인 에이전트 구축하기"
• AI 에이전트 디자인 패턴을 위한 2차원 프레임워크
• Anthropic의 효과적인 에이전트 프레임워크: 패턴 지도 — AgentPatterns.ai
• 2026년 AI 에이전트 현황: 5가지 엔터프라이즈 트렌드 — Arcade.dev
• 2026년 AI 에이전트 현황 보고서 — Anthropic
• "에이전트"라는 용어는 유용성을 넘어 희석되었으며 재정의가 필요하다
• 언제 AI 에이전트를 구축하지 말아야 하는가: Anthropic의 워크플로우 대 에이전트 플레이북