사내 문서를 찾아 답하는 AI는 RAG일까요, AI 에이전트일까요?RAG와 AI 에이전트는 모두 모델이 외부 정보를 사용한다는 점 때문에 자주 같은 기술처럼 설명됩니다. 하지만 중심 목적이 다릅니다. RAG는 질문에 필요한 근거를 검색해 답변 생성을 보강하고, 에이전트는 목표를 위해 다음 행동과 도구를 선택합니다.둘 중 하나만 선택해야 하는 것도 아닙니다. 에이전트가 RAG 검색을 하나의 Tool로 사용하면 문서를 근거로 판단하고 그 결과를 실제 업무 행동으로 이어갈 수 있습니다. 이번 글에서는 두 구조의 차이와 결합 방법을 명확하게 구분해보겠습니다.1. RAG와 AI 에이전트, 한 문장으로 구분하기RAG는 답을 만들기 전에 관련 정보를 찾아 모델의 컨텍스트에 넣는 패턴입니다. AI 에이전트는 목표를 달..

AI가 검색 버튼을 누르고, 폼을 채우고, 다음 화면까지 확인할 수 있을까요?일반적인 챗봇은 웹 사용 방법을 설명할 수 있지만 실제 브라우저를 조작하지는 않습니다. 반면 Browser Agent는 브라우저를 도구로 사용해 페이지를 관찰하고, 목표에 맞는 요소를 찾아 클릭·입력·스크롤한 뒤 결과를 다시 확인합니다.사람의 웹 사용과 닮았지만 완전히 같지는 않습니다. 화면 구조가 바뀌거나 팝업이 나타나면 실패할 수 있고, 웹페이지에 숨은 악성 지시를 데이터가 아닌 명령으로 오해할 수도 있습니다. 이번 글에서는 Browser Agent의 작동 원리와 안전한 사용 범위를 초보자 눈높이에서 정리합니다.1. Browser Agent란 무엇일까Browser Agent는 웹페이지를 관찰하고 브라우저 행동을 선택해 목표를..

“지난주 회의 자료를 찾아 할 일 목록으로 정리해줘.”이 요청을 처리하려면 AI 에이전트가 대화창 밖의 문서를 읽고, 필요한 내용을 추려, 정해진 공간에 결과를 기록할 수 있어야 합니다. Google Drive는 원본 문서 저장소가 되고, Notion은 정리된 지식과 업무 항목을 쌓는 공간이 될 수 있습니다.하지만 연결 버튼을 누르는 것만으로 끝나지는 않습니다. 어떤 파일을 읽을지, 어디에 쓸지, 쓰기 전 승인을 받을지를 먼저 정해야 합니다. 이번 글에서는 특정 제품 화면에 종속되지 않는 공통 연결 구조와 안전한 설정 순서를 살펴보겠습니다.1. 연결한다는 것은 AI에게 통로와 권한을 주는 일이다AI 에이전트가 Google Drive나 Notion을 사용하려면 Host와 서비스 사이에 연결 계층이 필요합니..

MCP Server와 MCP Client, 누가 요청하고 누가 일을 할까요?MCP를 처음 접하면 Host, Client, Server라는 이름부터 어렵게 느껴집니다. 특히 Client와 Host를 같은 것으로 생각하거나, Server를 인터넷에 있는 거대한 컴퓨터로만 이해하기 쉽습니다.세 역할은 하나의 작업을 나누어 맡습니다. Host는 전체 경험과 정책을 관리하고, Client는 MCP 통신을 담당하며, Server는 도구와 데이터를 제공합니다. 이번 글에서는 세 역할이 어디에 있고 요청이 어떻게 오가는지 쉽게 정리하겠습니다.1. Host·Client·Server, 먼저 한 장으로 보기사용자가 만나는 AI 애플리케이션이 Host입니다. Host 안의 Client가 MCP 형식으로 요청을 보내고, 연결된..

AI에게 Google Drive, GitHub, 데이터베이스를 연결할 때마다 새로 개발해야 할까요?AI 에이전트가 실제 일을 하려면 외부의 데이터와 도구가 필요합니다. 하지만 AI 애플리케이션마다 연결 방식이 다르고, 각 서비스마다 별도의 코드를 작성한다면 연동 수가 늘어날수록 개발과 유지보수가 복잡해집니다.이 문제를 공통된 연결 규칙으로 풀려는 공개 표준이 MCP, Model Context Protocol입니다. 이번 글에서는 MCP가 무엇인지, 기존 API와 어떤 관계인지, 그리고 편리한 연결 뒤에 어떤 권한과 보안 설계가 필요한지 쉽게 살펴보겠습니다.1. AI 도구 연결에는 N×M 문제가 생긴다AI 애플리케이션이 하나이고 연결할 서비스도 하나라면 직접 연동으로 충분합니다. 하지만 여러 AI 앱이 여..

AI 에이전트는 처음부터 완벽한 계획을 세우고 그대로 실행할까요?현실의 업무에는 예상하지 못한 상황이 자주 생깁니다. 파일이 없을 수도 있고, 검색 결과가 부족할 수도 있으며, 도구가 오류를 반환할 수도 있습니다. 그래서 실용적인 AI 에이전트는 긴 계획을 한 번에 확정하기보다, 목표를 이해한 뒤 한 단계씩 행동하고 결과를 확인하면서 다음 행동을 정합니다.이번 글에서는 이 반복 구조를 Plan → Act → Observe → Update 흐름으로 나누어 살펴보고, 언제 멈추고 언제 사용자에게 물어봐야 하는지도 함께 알아보겠습니다.1. 한 번의 답변과 에이전트의 작업은 다르다한 번의 모델 호출은 입력을 받고 결과를 반환하면 끝납니다. 반면 여러 단계가 필요한 업무에서는 첫 번째 행동의 결과가 다음 행동을 ..

AI가 날씨를 확인하고 일정을 등록하는 순간, 실제로 무슨 일이 일어날까요?AI 모델은 문장을 만들 수 있지만, 그 자체로 우리 회사의 캘린더나 데이터베이스를 마음대로 조작하지는 못합니다. 모델이 사용할 수 있는 도구를 알려주고, 필요한 입력값을 구조화해 실행을 요청한 뒤, 애플리케이션이 그 요청을 검증하고 실행해야 합니다.이 연결 방식이 바로 Tool Calling입니다. 이번 글에서는 모델의 판단이 어떻게 실제 검색·조회·등록 같은 행동으로 이어지는지, 그리고 왜 승인과 검증이 반드시 필요한지 단계별로 살펴보겠습니다.1. 답변만 만드는 AI에는 한계가 있다일반적인 대화형 AI는 질문을 이해하고 자연스러운 답변을 만드는 데 강합니다. 하지만 최신 날씨, 사내 문서, 고객 데이터처럼 모델 밖에 있는 정보..

AI 에이전트는 무엇으로 움직일까요?지난 글에서는 AI 에이전트가 질문에 답하는 데서 끝나지 않고, 목표를 이해한 뒤 도구를 사용해 실제 작업을 수행하는 시스템이라고 설명했습니다.그렇다면 에이전트 안에서는 무엇이 판단하고, 무엇이 행동하며, 작업에 필요한 정보는 어디에 보관될까요?이번 글에서는 AI 에이전트의 핵심 구조인 Model, Tool, Context, Memory를 각각 두뇌, 손, 작업대, 기록장에 비유해 쉽게 알아보겠습니다.1. AI 에이전트는 하나의 AI가 아니다AI 에이전트를 하나의 거대한 인공지능으로 생각하기 쉽지만, 실제로는 여러 역할이 연결된 시스템에 가깝습니다.모델은 현재 상황을 해석하고, 도구는 외부에서 행동하며, 컨텍스트와 메모리는 판단에 필요한 정보를 제공합니다. 여기에 지침..

먼저 기억할 한 문장ChatGPT는 사용자가 만나는 AI 제품이고, AI 에이전트는 목표를 이루기 위해 판단과 도구 사용을 반복하는 작동 방식입니다. 따라서 둘은 완전히 반대되는 개념이 아니며, ChatGPT도 기능과 설정에 따라 에이전트처럼 동작할 수 있습니다. 대화형 AI 질문 → 답변 설명하고, 요약하고, 아이디어를 제안합니다.AIAGENT에이전트형 AI 목표 → 판단 → 실행 도구를 선택하고, 작업한 뒤, 결과를 확인합니다.대화에서 끝나는가, 외부 도구를 이용해 다음 행동까지 이어지는가가 핵심입니다.1. 왜 갑자기 AI 에이전트가 주목받을까 생성형 AI가 처음 대중화됐을 때 가장 인상적인 기능은 자연스러운 대화였습니다. 질문을 입력하면 설명을 만들고, 긴 문서를 요약하며, 코드나 이메일 초안도 ..

지금까지 만든 웹사이트가 localhost:3000에서 잘 실행된다면 이제 다음 단계는 다른 사람도 접속할 수 있도록 인터넷에 공개하는 것입니다.이번 글에서는 코딩을 처음 접하는 사람도 따라갈 수 있도록 GitHub에 올린 Next.js 프로젝트를 Vercel에 연결해 실제 주소로 배포하는 과정을 처음부터 정리합니다. 배포 전에 무엇을 확인해야 하는지, 환경변수는 어디에 넣는지, 배포가 실패했을 때 어디부터 확인해야 하는지도 함께 살펴보겠습니다.1. 배포란 무엇이고 왜 필요한가?개발 중에는 보통 내 컴퓨터에서 프로젝트를 실행합니다. 브라우저 주소창에 http://localhost:3000을 입력해서 화면을 확인했다면 아직 서비스가 내 컴퓨터 안에서만 돌아가고 있는 상태입니다.배포(Deploy)는 이렇게 ..