에이전틱 AI: 에이전트 엔지니어의 기술 스택

Habr 사용자인 저자는 에이전틱(agentic) 파이썬 엔지니어 채용 후보자 다수가 이 분야의 흔한 개념과 도구를 제대로 이해하지 못하고 있다는 점을 발견했다. 이를 돕기 위해 그는 실용적인 개요를 제공한다. 그는 에이전트를 프롬프트, 대규모 언어 모델(LLM, Large Language Model), 도구로 구성된 존재로 정의하되, 결정적으로 루프(loop)와 피드백이 있다는 점을 강조한다. 즉 모델이 매 단계마다 다음 행동을 스스로 결정하고, 행동을 취한 뒤 그 결과를 관찰한다는 점에서 미리 정해진 체인(chain)과는 다르다는 것이다. 그는 체인은 고정된 경로를 갖지만, 에이전트는 일련의 능력(capability)과 목표(goal)를 가지며 경로는 동적으로 형성된다고 설명한다. 이 루프는 API 스키마(JSON Schema)를 통한 도구 선언, 모델의 도구 호출 요청, 그리고 런타임이 이를 실행하고 결과를 컨텍스트에 반환하는 과정을 포함한다. 모델이 작업이 완료되었다고 판단하거나 반복 횟수 제한에 도달하는 등의 정지 조건(stop condition)도 중요하다고 그는 지적한다. PydanticAI는 타입 안전(type-safe)한 에이전트 구축 프레임워크로 소개된다. 출력 검증을 위해 Pydantic 모델을 사용하고, 타입 어노테이션과 docstring이 달린 도구를 활용하며, RunContext를 통한 의존성 주입(dependency injection)과 출력 검증기(output validator)를 지원한다. LangGraph는 상태를 유지하는(stateful) 워크플로를 위한 그래프 기반 접근법으로 제시되며, 사람의 승인 절차와 체크포인트를 허용한다. Hugging Face의 smolagents는 실행할 파이썬 코드를 직접 작성하는 코드 에이전트(code agent) 방식을 사용한다. CrewAI는 역할, 목표, 배경 설명(biography)을 가진 에이전트들을 하나의 크루(crew)로 조율하는 역할 기반 접근법을 제공한다. 이 글은 또한 Anthropic이 만든 개방형 표준으로 도구 연결을 위한 MCP(Model Context Protocol)를 언급하는데, 이는 흔히 'AI를 위한 USB-C'로 불리며 상호운용성(interoperability)을 가능하게 한다. 이 자료는 독자들이 면접을 잘 통과하도록 돕는 데 목적이 있으며, 동시에 이 분야가 매우 빠르게 변화하고 있다는 점도 짚고 넘어간다.