AI 에이전트 스택(Stack), 20개 에피소드 정리

글을 시작하며

튜링 포스트 코리아에서는 지난 해 9월부터 ‘AI 에이전트’ 시리즈를 시작해서 올해 7월까지 20개의 에피소드를 여러분과 공유했습니다.

이 시리즈가, 어느새 많은 분들께 ‘에이전틱 시스템(Agentic System)’이란 무엇인지, 어떻게 진화하고 있는지를 이해하는데 있어서 하나의 레퍼런스로 받아들여지고 있어서 감사하고 기쁩니다.

첫 번째 글을 공유할 때만 해도, 사실 이 분야가 이렇게 빨리 변화할 줄 당연히 몰랐고요, 저희가 얼마나 많은 내용을 다뤄야 할지도 물론 알 수가 없었죠. 하지만 매번 ‘에이전트 스택(Agent Stack)’이 모습을 갖춰 가는 모습을 따라가면서 저희도 흐름에 발을 맞춰 나갔습니다. 논문, 프로토콜, 도구들, 그리고 에이전트 생태계를 만들어가려고 노력하는 많은 빌더(Builder)들을 추적하면서, 저희의 여정도 이어져 왔습니다.

이 여정은, 말하자면, 열린 가능성(Open-endedness)과 창의적 발현(Creative Emergence)에서 시작해서, 실제 세계의 인프라로 연결되는 '에이전틱 워크플로우(Agentic Workflows)'의 형성 과정을 따라간 여행 같다는 느낌입니다. 이 여정에서, 저희는 에이전트가 무엇인지, 무엇을 기억하고, 어떻게 계획하고, 행동하고, 성찰(Reflect)하고, 협력(Cooperate)하고, 학습하는지에 대해서 질문을 반복했습니다.

이 에이전트 시리즈를 만들어가는 동안, MCP(Model Connection Point)와 A2A(Agent-to-Agent)의 부상(浮上)을 두 눈으로 확인하면서 추적했고, Co-Agency(공동 에이전시), HITL(Human-In-The-Loop), 성찰(Reflection), 보상 함수(Reward Functions), 그리고 점점 변화하는 사람의 역할에 대해서도 나름대로 깊이 들여다 보기도 했습니다.

이 모든 내용들이, 저희에게도, 그리고 여러분에게도, 앞으로 에이전트를 구축하거나 에이전트 생태계의 형성을 바라보는 관점에서 아주 유용한 지적인 자산이 되었으면 좋겠습니다.

물론, 이 시점에서 '마무리'라고 부를 수는 없을 겁니다. 에이전틱 워크플로우는 지금 이 순간에도 활발하게 변화하고 발전하고 있기 때문이죠. 하지만, 저희 튜링 포스트 코리아의 ‘AI 에이전트’ 시리즈는 여기서 잠시 쉼표를 찍고 가려고 합니다 - 마지막 장은 아직 멀었습니다, 곧 다시 에이전틱 시스템에 대한 이야기를 이어가게 될 겁니다.

다만, 지금 잠시 발걸음을 멈추고, 다른 주제들을 한 번 넓게 살펴볼 때라고 느낍니다. 여러분도 저희가 공유하는 주제에 흥미를 느끼실 수 있으면 좋겠네요.

그동안의 ‘AI 에이전트’ 시리즈가 걸어온 여정을 다시 떠올리고 정리하는 관점에서, 전체 에피소드의 목록을 아래에 정리해 봤습니다.

🦸🏻#1: 개방성 (Open-Endedness), 그리고 AI 에이전트

AI 에이전트와 에이전틱 워크플로우에 대한 새 시리즈의 첫 에피소드로, 개방성(Open-Endedness)을 ‘Creation’에 대한 진화론적 접근 방식으로서 소개하고 논의를 시작하는 글입니다.

🦸🏻#2: AI 에이전트 세계를 이해하는 '틀'과 '필수 어휘'

AI 에이전트를 둘러싼 수많은 정의, 그리고 그 다양한 정의들에 수반해서 따라오는 오해들을 이야기합니다.

🦸🏻#3: 에이전트, 그리고 에이전틱 워크플로우 - 예시로 감 잡아봅시다!

에이전트가 보여주는 ‘지능’에 대한 다채로운, 다각적인 예시들을 나눕니다.

🦸🏻#4: '집사'에서 '자비스'로, 그리고 다시 '집사'?

자비스(Jarvis)의 역사, 그리고 Physical Intelligence의 최근 모델인 π0에 대해 심층 분석을 해 봅니다.

🦸🏻#5: 에이전틱 시스템의 구성 요소 (Building Blocks)

AI 에이전트를 움직이는 근육과 골격은 무엇일까요? 여기에 대해서 개괄합니다.

🦸🏻#6: 에이전틱 시스템에서 ‘프로파일링’의 역할

Profiling이 에이전트의 캐릭터/성격, 인식, 의사 결정에 어떻게 영향을 미치는지 탐색합니다.

🦸🏻#7: 젠슨 황이 그리는, 'Agentic AI'에서 'Physical AI'로 가는 미래

젠슨 황이 세상의 미래를 창조하기 위해서 어떻게 백워드 플래닝을 했는지 알아보고, 앞으로 주목해야 할 AI 및 로봇 공학의 트렌드를 살펴봅니다.

🦸🏻#8: 변화하는 '지식'의 패러다임: 최신의 AI 에이전트들은 어떻게 적응하고 배우는가

현대적인 AI 에이전트 시스템에서, 어떻게 ‘고정된 규칙’ 기반의 구조가 ‘다이나믹한 추론’ 시스템으로 전환하게 되는지 탐색합니다.

🦸🏻#9: AI는 어떻게 '기억'을 할까? '에이전트' 구조에서 '메모리'의 역할

이 에피소드에서는, SOAR의 유산, 메모리의 유형, 생성형 워크플로우, LLM의 메모리 모드, 그리고 메모리 자체에 대한 AI의 영향을 탐구합니다.

🦸🏻#10: 최신의 AI 모델들은 진짜로 '추론'을 하는 걸까요?

'추론'이라는 것이 실제로 뭘 의미하는 건지, 그리고 AGI에 더 가까이 다가가기 위해서 우리가 고민해 봐야 할 사고 방식에 대해서 논의합니다.

🦸🏻#11: 에이전트는 어떻게 '계획'과 '추론'을 할 수 있을까?

최근 DeepSeek이 보여준 추론 분야의 돌파구, 그리고 정확성(Accuracy) 뿐 아니라 적응성(Adaptability)을 높여줄 수 있는 주요 계획 기법을 탐구합니다.

🦸🏻#12: 갑자기 많은 관심을 받고 있는 'MCP', 한 번 알아봅시다.

MCP(모델 컨텍스트 프로토콜)에 대해서 알아야 할 모든 것을 다룹니다.

🦸🏻#13: 에이전트가 '실수'로부터 배우는 법: 'Reflection (성찰)'의 역할

AI가 외부의 피드백 없이도 스스로 수정할 수 있도록 성찰(Reflection)하는 것이 어떻게 가능한지 탐구해서, 시스템을 더 신뢰할 수 있고 자율적으로 만드는 기법들을 알아봅니다.

🦸🏻#14: '행동 (Actions)': 에이전트가 작업 (Task)을 수행하는 방법

UI 기반 vs. API 기반의 상호 작용이 뭐가 비슷하고 뭐가 다른지 탐구하고, LLM의 함수 호출에 대해서 알아보고, 자율형 AI의 행동을 구동하는 선도적인 오픈 소스 프레임워크를 비교해 봅니다.

🦸🏻#15: 구글이 발표한 A2A는 뭔가? 왜 아직 큰 화제가 되지 않고 있을까?

구글의 Agent2Agent 프로토콜에 대해 알아야 할 모든 것을 논의합니다 - 구글이 만약 세계 최초의 에이전트 디렉토리를 구축한다면, A2A는 그 기반 언어가 되겠죠.

🦸🏻#16: '도구'로서의 인간? - 에이전틱 워크플로우에서 HITL의 진화

인간-AI의 공동 에이전시(Co-Agency)가 지능형 시스템의 미래를 어떻게 형성하는지 고찰해 봅니다.

🦸🏻#17: 인간 확장의 궁극적 형태, Co-Agency

매체(Medium)로서의 AI가 우리의 인식, 행동, 문화를 어떻게 형성하는가 탐구해 봅니다.

🦸🏻#18: '하나의 AI', 그 한계를 넘어: 멀티 에이전트 시스템이 여는 '협력'의 지능

MAS(멀티 에이전트 시스템)와 해당 분야의 최근 연구 개발에 대해 알아야 할 모든 것을 확인합니다.

🦸🏻#19: 에이전트의 '욕망'을 조율한다: AI의 보상함수, 가치함수 이야기

에이전트의 ‘라이프사이클’에서 ‘보상’과 ‘가치’라는 것이 어떤 역할을 하는지에 대해 탐구해 봅니다.

🦸🏻#20: 15가지 코딩 에이전트 전격 비교! 뭐가 제일 좋을까?

IDEs, CLI, 풀스택 에이전트 및 하이브리드 플랫폼 전반에 걸친 15가지 AI 코딩 도구를 실제로, 그리고 창의적인 관점으로 비교해 본 결과를 공유합니다.

읽어주셔서 감사합니다. 친구와 동료 분들에게도 뉴스레터 추천해 주세요!