AI 에이전트(AI agents)에 대한 이야기는 많이 나오지만, 대부분의 설명은 추상적인 수준에 머물러 있습니다. 여기 에이전트를 실제로 작동하게 만드는 요소들에 대한 짧고 실용적인 분석과 간단한 예시를 소개합니다.

채팅(Chat) vs. 에이전트(Agent)

• 채팅 모델 (Chat model) → 질문 → 답변 (당신이 작업을 수행함)
• 에이전트 (Agent) → 목표 → 결과 (에이전트가 당신을 위해 계획하고 실행함)

채팅:   당신이 질문 ──> 모델이 답변 ──> 당신이 행동
에이전트: 당신이 목표 설정 ──> 에이전트가 계획 → 실행 → 확인 ──> 결과 전달

에이전트 루프 (The Agent Loop)

플랫폼에 관계없이 모든 에이전트는 동일한 루프를 실행합니다:

   ┌─────────┐
   │ 관찰 (OBSERVE) │  컨텍스트(context), 현재 상태 읽기
   └────┬────┘
...

에이전트 = LLM (두뇌) + 루프 (Loop) + 도구 (Tools) + 컨텍스트 (Context) 입니다. "하네스 (harness)" (Claude Code, Cowork, Codex 등)는 단지 이 루프를 실행하는 애플리케이션일 뿐입니다.

계층별 스택 (The Stack, in Layers)

┌────────────────────────────┐
│ 5. 기술 (Skills)   → 재사용 가능한 SOPs │
├────────────────────────────┤
...

• 컨텍스트 파일 (agents.md / Claude.md) — 당신의 역할, 비즈니스, 도구 및 선호도가 담긴 지속적인 "시스템 프롬프트 (system prompt)"입니다. 매 세션마다 로드됩니다.
• 메모리 (memory.md) — 에이전트가 교정될 때마다 업데이트됩니다. 시간이 지남에 따라 축적됩니다.
• 도구 (Tools, MCP) — 모델 컨텍스트 프로토콜 (Model Context Protocol)은 도구마다 개별적인 통합 작업을 할 필요 없이 에이전트를 Gmail, Notion, Calendar, Stripe 등과 연결합니다.
• 기술 (Skills) — 반복 가능한 프로세스를 한 번 문서화하여 다시 설명할 필요가 없도록 만든 마크다운 (markdown) 파일입니다. 체이닝(chaining)하거나 스케줄링할 수 있습니다.

프롬프트 엔지니어링 (Prompt engineering) → 컨텍스트 엔지니어링 (Context engineering). 풍부한 컨텍스트는 단 두 단어의 프롬프트를 훌륭한 결과로 바꿔놓습니다.

간단한 예시

2. memory.md — 시간이 지남에 따라 선호도(예: "더 짧은 제목")를 학습합니다.
3. MCP를 통해 Notion + Docs + 소셜 미디어를 연결합니다.
4. 단 하나의 프롬프트: "이번 주 노트를 가져와서, 이슈 초안을 작성하고, 관련 스레드를 써줘."

매번 동일한 구조를 가집니다: 컨텍스트 + 메모리 + 도구를 한 번 설정 → 단순한 프롬프트 → 일관된 결과.

시작 체크리스트 (Starter Checklist)

• 간단한 하네스 (harness)를 선택하고 프로젝트 폴더를 생성하세요
• agents.md 작성 (역할, 비즈니스, 도구, 선호도)
• 시작용 memory.md 추가
• MCP를 통해 2~3개의 가치 높은 도구 연결
• 실제 작업을 실행하고 루프 (loop)가 작동하는 것을 관찰하세요
• 반복 가능한 작업을 기술 (skill)로 전환하세요
• 반복되는 기술을 스케줄링하세요
• 다른 역할/프로젝트에 대해 반복하세요

이것은 더 영리한 프롬프트를 만드는 것에 관한 것이 아닙니다. 향후 모든 요청이 단순하게 유지될 수 있도록 컨텍스트 (context)를 한 번에 미리 로드 (front-loading)하는 것에 관한 것입니다.