MISSION FILE 01 · AI 시스템을 보는 지도

DEXA / AI AGENT LAB

LEARNING ORGANIZATION
WEEK 01 / 06

AI Agent · 1주차

/

MISSION FILE 01 · ACCESS LEVEL: CORE

우리가 쓰고 있는 AI를 해체해보기

LLM, Agent, Tool, Harness, Skill, Sub-agent, API, MCP의 정의를 외우는 것이 아니다.

우리가 이미 사용하는 AI (GPT, 클로드)가 각각이 어떤 역할을 하는지, 하나의 구조로 이해하는 것이 이번 주의 목표다.

DEXA / AI AGENT LAB

MISSION FILE 01
INTRO

AI Agent · 1주차

/

MISSION FILE 01 · INTRO

AI (GPT, 클로드)한테 일을 시켰다. 그런데 누가 뭘 한 걸까?

우리는 이미 AI (GPT, 클로드)에 이런 식으로 일을 시킨다. "이 폴더 안에 있는 파일을 보고 문제를 찾아서 수정해줘." 겉으로 보면 단순하다.

01

나

02

AI (GPT, 클로드)

03

결과

그런데 이 안에서는 실제로 무엇이 일어날까?

1

코덱스, 클로드가 AI의 두뇌일까?

2

파일을 읽은 것은 누구고 수정한 것은 누구일까?

3

왜 비슷하게 대화하는 AI 제품들도 할 수 있는 일이 다를까?

오늘은 AI (GPT, 클로드) 하나를 뜯어보면서 필요한 부품을 하나씩 발견해본다.

DEXA / AI AGENT LAB

MISSION FILE 01-A
LLM

AI Agent · 1주차

/

MISSION FILE 01-A

LLM · 두뇌

가장 먼저 필요한 것은 생각하는 부분이다. LLM은 AI의 두뇌 모델이다.

01

입력

02

LLM

03

해석·추론·생성

04

출력

MODEL · fable / sonnet어떤 두뇌를 쓸 것인가

모델마다 능력, 속도, 비용, 특성이 다르다. 고성능 모델일수록 더 깊이 생각한다.

EFFORT · low / max얼마나 많이 생각하게 할 것인가

얼마나 많이 검토하고 "노력"하게 할 것인가.

똑게 · 멍부 비유

1

model:fable/gpt-sol + effort:low = 똑게. 깊게 추론하되 많이 생각하지 않는다.

2

model:sonnet/gpt-luna + effort:max = 멍부. 얕게 추론하지만 최대한 많이 생각하려고 애쓴다.

3

기획/리뷰 등 똑똑하게 아이디어를 내고 검토가 필요한 일에는 똑게를 쓰고, 구현/수정 등 오래걸리는 작업을 충실히 해야할때에는 멍게를 쓰는 것이 좋다.

좋은 두뇌를 쓰는 것과 좋은 시스템을 만드는 것은 다른 문제다.

DEXA / AI AGENT LAB

MISSION FILE 01-B
TOOL

AI Agent · 1주차

/

MISSION FILE 01-B

Tool · 손발

LLM이 "이 작업을 하려면 파일을 읽어야겠다"고 판단했다고 해보자. 생각했다고 파일이 저절로 열리지는 않는다.

Tool은 실제 환경에서 행동을 수행하는 기능이다.

파일 읽기·쓰기

웹 검색

터미널 명령 실행

데이터베이스 조회

API 호출

01

LLM

"이 파일을 읽어야겠다"

02

Tool

실제 파일 읽기

03

LLM

결과를 다시 판단

LLM = 생각, Tool = 행동

DEXA / AI AGENT LAB

MISSION FILE 01-C
HARNESS

AI Agent · 1주차

/

MISSION FILE 01-C

Harness · 업무환경

두뇌와 손발이 생겼다. 그렇다고 Tool만 많이 붙이면 좋은 AI가 되는 것은 아니다.
신입사원에게 컴퓨터와 프로그램을 지급했다고 바로 일을 잘하는 것은 아닌 것처럼.

1

이 업무에는 이 프로그램을 사용한다.

2

이 작업은 이런 규칙을 따른다.

3

이건 하면 안 된다.

4

이 단계에서는 승인을 받는다.

5

이 자료를 참고한다.

6

문제가 생기면 여기서 멈춘다.

Harness = LLM이 실제로 일하도록 만들어놓은 작업 환경

Instructions

Tools

Skills

Rules

Context

Approval

같은 두뇌를 사용하더라도 어떤 Harness를 씌우느냐에 따라 전혀 다른 일을 하는 AI가 될 수 있다.

DEXA / AI AGENT LAB

MISSION FILE 01-D
AGENT

AI Agent · 1주차

/

MISSION FILE 01-D

Agent · 판단하고 행동하는 시스템

이제 부품이 모였다. 생각할 두뇌, 실제 행동을 할 Tool, 어떤 환경과 규칙 안에서 행동할지 정하는 Harness. 이 모든 것이 모여서 행동하는 것이 곧 Agent이다.
ChatGPT, AI (GPT, 클로드), Claude, Cowork 모두 두뇌에 하네스가 씌워진 Agent이다.

01

요청

02

판단

03

행동

04

결과 확인

05

다음 판단

06

필요하면 다시 행동

"이 프로젝트 오류를 찾아서 수정해줘"라면

프로젝트 구조 확인해야 겠다.(LLM) → 관련 파일 읽기(tool) → 오류 확인 및 원인 추론(LLM) → 코드 수정(tool) → 테스트 실행(tool) → 결과 확인(LLM) → (실패하면 다시 수정)

LLM은 두뇌다. Agent는 그 두뇌를 가지고 환경 안에서 실제로 일을 한다.

DEXA / AI AGENT LAB

MISSION FILE 01-E
SKILL

AI Agent · 1주차

/

MISSION FILE 01-E

Skill · 업무 매뉴얼

skill은 agent에게 주는 업무 프로세스 메뉴얼이다. 신입 직원에게 광고 분석하는 업무를 시킨다고 생각해보자.
어떤 흐름으로 이 일을 해야하는지를 기록해놓는다.

[광고 분석 Skill]

1

광고 소재를 확인한다.

2

핵심 메시지를 추출한다.

3

예상 타깃을 분석한다.

4

표현 방식과 구조를 분류한다.

5

필요하면 Tool로 추가 자료를 확인한다.

6

정해진 형식으로 결과를 작성한다.

TOOLPhotoshop을 사용할 수 있다

SKILL제품 이미지를 검수할 때 이 순서로 확인한다

"나는 이 일을 실제로 어떤 순서와 기준으로 하고 있지?" 나의 스킬을 프로세스로 정리해서 에이전트가 실행하게 만들어주는 것이 스킬이다.

DEXA / AI AGENT LAB

MISSION FILE 01-F
SUB-AGENT

AI Agent · 1주차

/

MISSION FILE 01-F

Sub-agent · 역할 분담

"경쟁사의 신제품 발표를 조사하고, 시장 반응을 찾아보고, 기존 제품과 비교해서 보고서를 만들어줘." 한 Agent가 전부 처리할 수도 있지만 역할별로 나눌 수도 있다.

Research Sub-agent

Analysis Sub-agent

Review Sub-agent

Sub-agent = 특정 역할을 맡겨 일을 위임하는 Agent. 회사에서 전문 역할을 가진 사람에게 일부 업무를 맡기는 것과 비슷하다.

이번 과정에서 꼭 Sub-agent를 만들 필요는 없다. 한 Agent에게 전부 시키는 것만이 방법은 아니라는 것을 알아두면 된다.

DEXA / AI AGENT LAB

MISSION FILE 01-G
API

AI Agent · 1주차

/

MISSION FILE 01-G

API · 프로그램용 주문 창구

"Monday 보드에서 이번 주 변경 건을 가져와서 분석해줘." LLM이 Monday가 무엇인지 안다고 실제 우리 보드 데이터를 읽을 수 있는 것은 아니다.

사람자판기 앞에서 메뉴를 보고 버튼을 누른다

프로그램정해진 창구로 요청한다

01

내 프로그램

02

API

03

외부 서비스

04

결과

서비스가 API를 제공한다는 것은 "프로그램이 우리 서비스에 요청하려면 이 규칙으로 주문하세요"라는 공식 창구를 제공하는 것과 비슷하다.

Agent에게 새로운 외부 서비스라는 손발을 붙이려면 API가 중요한 경우가 많다.

DEXA / AI AGENT LAB

MISSION FILE 01-H
MCP

AI Agent · 1주차

/

MISSION FILE 01-H

MCP · 공통 화폐

API를 연결하기 시작하면 서비스마다 요청 방법, 인증 방식, 제공 기능이 다르다는 문제가 보인다.

한국 자판기 → 원화

미국 자판기 → 달러

일본 자판기 → 엔화

유럽 자판기 → 유로

MCP는 AI 입장에서 여러 도구를 사용할 때 공통 코인과 공통 사용 규칙을 마련해놓는 것처럼 생각하면 된다.

01

Agent

02

공통된 연결 방식

03

MCP Server

04

여러 외부 도구

MCP와 API는 서로 경쟁해서 하나를 고르는 개념이 아니다. MCP Server 내부에서 실제 외부 서비스와 통신할 때 API를 사용할 수도 있다.
"아, 내가 AI (GPT, 클로드)에 MCP를 연결했던 게 이런 의미였구나" 정도만 이해한다.

DEXA / AI AGENT LAB

SYSTEM MAP
WEEK 01 / 06

AI Agent · 1주차

/

SYSTEM MAP

처음의 AI (GPT, 클로드) 다시 보기

AGENT

행동 주체

LLM

두뇌

Harness

환경

Skill

매뉴얼

Tool

손발

Sub-agent

분업

Tool → API · MCP → 외부 서비스. 이 그림은 엄밀한 소프트웨어 아키텍처가 아니라 오늘 배운 개념을 연결하기 위한 개념 지도다.

DEXA / AI AGENT LAB

DEBRIEF
WHY IT MATTERS

AI Agent · 1주차

/

MISSION FILE 01 · WHY

그래서 이걸 왜 알아야 할까?

우리는 LLM을 만드는 사람이 아니다. GPT나 Claude 같은 모델을 직접 훈련하려는 것도 아니다. 우리가 앞으로 할 일은 오히려 이쪽에 가깝다.

1

이미 존재하는 두뇌를 가져온다.

2

어떤 일을 맡길지 정한다.

3

어떤 Tool을 사용할 수 있게 할지 정한다.

4

우리가 알고 있는 업무 방식을 Skill로 알려준다.

5

필요한 외부 서비스는 API나 MCP 등을 통해 연결한다.

6

필요하다면 역할을 나누고 실행 규칙과 환경을 설계한다.

AI를 잘 쓴다는 것은 좋은 프롬프트 한 줄을 쓰는 것만의 문제가 아니다. 어디에서 LLM의 판단이 필요하고, 어디에서 Tool이 행동해야 하며, 어떤 업무 방식을 고정하고, 무엇과 연결해야 하는지를 설계하는 문제다.

DEXA / AI AGENT LAB

DEBRIEF
SIGNAL CHECK

AI Agent · 1주차

/

DEBRIEF

오늘은 여기까지만

오늘 이 모든 것을 만들 줄 알 필요는 없다. 정확한 기술 명세를 외울 필요도 없다.

LLM

두뇌

Tool

실제 행동

Harness

일하는 환경

Agent

판단하고 행동하는 전체 시스템

Skill

반복해서 쓰는 업무 방식

Sub-agent

역할을 나눠 맡기는 방법

API

프로그램용 외부 서비스 주문 창구

MCP

AI가 도구를 공통된 방식으로 연결하는 규격

목표는 머릿속에 하나의 지도를 만드는 것이다.

DEXA / AI AGENT LAB

MISSION ASSIGNED
WEEK 02 / 06

AI Agent · 1주차

/

MISSION ASSIGNED · NEXT

다음 주 · 그럼 내 업무는 어떻게 뜯어볼까?

다음 주에는 개념을 더 외우는 대신 실제 만들고 싶은 업무 하나를 가져온다.
예: 광고 소재를 가져와서 분석하고 콘텐츠 초안을 만든 다음 Sheet에 저장하고 싶다.

1

어디까지가 정해진 규칙인가?

2

어디에서 LLM의 판단이 필요한가?

3

어디에서 Tool이 필요한가?

4

어떤 외부 서비스와 연결해야 하는가?

5

반복되는 업무 방식은 Skill로 만들 수 있는가?

1주차는 AI 시스템을 해체해서 부품을 알아본다. 2주차는 내 업무를 해체해서 그 부품을 어디에 넣을지 생각해본다. 그다음부터 각자 실제로 만들어본다. BUILD YOUR OWN AGENT.