AI Agent 완벽 가이드 1: 정의와 Workflow 구분

AI Agent를 설계할 때 가장 먼저 구분해야 하는 것은 Workflow와 Agent다. 둘 다 LLM을 쓰지만, 실행 흐름을 누가 결정하는지가 다르다. Workflow는 사람이 정한 경로를 따르고, Agent는 실행 중에 다음 행동을 선택한다.

이 글은 AI Agent의 기본 정의와 구성 요소, 그리고 Workflow와 Agent의 차이를 정리한다.

AI Agent란 무엇인가?

Lilian Weng의 정리를 빌리면, AI Agent는 대략 다음 네 요소의 조합으로 볼 수 있다.

Agent = LLM + Memory + Planning + Tools

LLM (두뇌)

추론과 의사결정의 핵심 엔진이다. 자연어를 이해하고, 계획을 세우고, 도구 사용 여부를 결정한다.

Memory (기억)

단기 기억은 현재 대화와 작업 맥락을 유지하고, 장기 기억은 과거 경험이나 외부 지식을 다시 참조하게 만든다.

Planning (계획)

복잡한 목표를 실행 가능한 단계로 나누고, 필요하면 중간 결과를 보고 계획을 수정한다.

Tools (도구)

검색, API, DB, 코드 실행기처럼 모델 밖의 세계에 접근하는 수단이다. 도구가 붙는 순간 LLM은 답변 생성기를 넘어 작업 실행기로 확장된다.

Workflow vs Agent: 핵심 구분

Anthropic의 “Building Effective Agents”에서는 Workflow와 Agent를 명확히 구분한다.

구분	Workflow	Agent
실행 흐름	코드로 미리 정의	LLM이 실행 중 선택
재현성	같은 입력이면 대체로 같은 경로	같은 입력이라도 다른 경로 가능
장점	예측 가능, 디버깅 쉬움, 비용 관리 쉬움	열린 문제, 도구 선택, 재시도에 강함
리스크	유연성이 낮음	비용과 latency가 가변적
예시	문서 번역 파이프라인, 이메일 분류	코드 디버깅 에이전트, 리서치 에이전트

---

추가 정리

핵심 요약

Workflow는 사람이 정한 경로를 LLM이 따라가는 구조이고, Agent는 실행 중에 다음 행동을 스스로 선택하는 구조다. 두 개념을 섞어 쓰면 설계 복잡도가 불필요하게 올라간다.

보충 해설

실무에서는 먼저 Workflow로 충분한지 판단해야 한다. 입력 유형이 명확하고 단계가 고정되어 있으면 Workflow가 더 안전하고 저렴하다. Agent가 필요한 경우는 도구 선택, 경로 선택, 재시도 판단이 실행 중에 달라지는 문제다.