커스텀 AI 에이전트(Custom AI agents)는 자체 애플리케이션 내부에서 동작하며, 자체 데이터 및 도구와 통신하고, 자체 보안 경계를 준수하며, 자체 브랜드와 감사 추적(audit trail)을 보유하는 에이전트입니다. 이들을 범용(general-purpose) 계층과 구분 짓는 것은 능력이 아니라 적합성(fit)입니다. 각 에이전트는 이를 유지 관리할 엔지니어에 의해 단 하나의 작업을 위해 구축됩니다. 이를 엔드 투 엔드(end to end)로 구축하는 방법을 제시하는 공개된 관행은 아직 없습니다. 관련 구성 요소들(함수 호출(function-calling) API, Model Context Protocol (MCP), 함께 사용할 코드 에이전트 등)은 도처에 널려 있지만, 이들을 체인처럼 연결하는 관행은 팟캐스트, 블로그, 유출된 시스템 프롬프트 속에만 존재합니다. 본 논문은 이러한 관행을 하나의 방법론인 'Agents All the Way Down'으로 정리합니다. 이는 한 번 충족되면 유지되는 두 가지 전제 조건과, 에이전트의 수명 동안 반복되는 세 가지 관행으로 구성됩니다. 전제 조건은 다음과 같습니다. (P1) 기저층(Substrate): 소프트웨어 구성 요소로서의 LLM을 도구(tools), 시스템(system), 그리고 프롬프트 캐싱(prompt-caching) 하의 메시지(messages)로 프레임화하는 것; (P2) 빌딩 블록(Building blocks): 함수 호출(function calling), MCP, CLI 오케스트레이션(orchestration), liteshell 패턴, 에이전트 루프(agent loop), 기술(skills), 캐릭터(characters), 훅(hooks), 그리고 스캐폴딩(scaffolding). 관행은 다음과 같습니다. (P3) 범용 에이전트로 프로토타입 제작; (P4) 결과를 수확(harvest)하고, 접고(fold), CLI로 출시하는 터틀(Turtle) 패턴; (P5) 에이전트-테스트-에이전트(agent-tests-agent): 범용 에이전트가 행동 시나리오를 통해 에이전트를 구동하는 방식으로, 이는 전통적인 테스트를 대체하는 것이 아니라 보완하는 것입니다. 작업 루프는 P3에서 P4, P5를 거쳐 다시 돌아오는 구조이며, 여기서 하나의 당연한 결론이 도출됩니다. 즉, 멀티 에이전트 오케스트레이션(multi-agent orchestration)은 단지 CLI 구성(composition)일 뿐이라는 점입니다. 이 방법론은 구조적으로 프레임워크에 의존하지 않습니다(framework-free). 이는 AI 페어 프로그래머(AI pair-programmer)와 함께 한 명의 개발자가 약 10일 만에 구축하여 프로덕션에서 사용 중인 오픈 소스 LAMB 플랫폼용 커스텀 에이전트인 AAC로부터 추출되었습니다. 우리는 이를 특정 언어나 프레임워크에 종속되지 않는, 전이 가능한 관행으로서 제시합니다.