09. 에이전트: 손과 발이 생긴 AI

ChatGPT 한테 "내 데스크탑에 있는 문서.docx 를 열어서 첫 단락만 알려줘" 라고 부탁해보세요. 비슷한 답이 와요. "죄송하지만 저는 사용자의 파일에 접근할 수 없어요." 그런데 같은 부탁을 Claude Code 라는 도구한테 하면 — 진짜로 그 파일을 열어서 첫 단락을 보여줘요. 같은 종류의 AI(LLM) 가 안에 들어 있는데, 어떻게 행동이 이렇게 다를까요?

답은 의외로 단순해요. 하나는 손발이 없고, 하나는 손발이 있어요.

순수한 LLM 은 뇌만 있어요

지금까지 우리가 본 ChatGPT 는 — 정확히 말하면 LLM 그 자체 예요. 글을 받아서 글을 만드는 거대한 흉내쟁이. 1화부터 8화까지 다룬 모든 내용은 이 뇌의 동작 방식에 관한 거예요. 그런데 이 뇌는 — 정말로 정교한 두뇌이지만 — 완전히 무력해요.

[순수 LLM]

   여러분 → LLM → 글

   할 수 있는 것: 글 만들기
   할 수 없는 것: 파일 열기, 명령어 실행, 웹 검색, 어제 일 기억하기

뇌만 있고 몸이 없어요. 생각은 잘하지만, 실제로 세상에 손을 대는 건 못 해요.

에이전트 = 뇌 + 몸

에이전트(agent, 도구를 쓸 수 있도록 LLM 에 몸을 붙인 것) 는 이 뇌에 몸을 붙인 거예요. 이 몸을 하네스(harness, 원래 말의 마구. 여기선 LLM 을 감싸서 외부 세계와 연결해주는 실행 환경) 라고 불러요.

flowchart LR User(["여러분"]) subgraph harness ["하네스 (몸)"] direction LR LLM["LLM (뇌)"] Order["주문서"] Exec["실제 실행자<br/>(파일·명령·웹·DB)"] Result["결과"] LLM --> Order --> Exec --> Result Result -. 다시 LLM 입력으로 .-> LLM end User --> LLM

하네스가 하는 일은 다섯 가지쯤 있어요. 도구 호출의 통로 역할, 반복 루프 돌리기, 진행 상황 기억하기, 위험한 명령 막기, 사용자 승인 받기. 한꺼번에 들으면 복잡해 보이지만 — 핵심은 단순해요. LLM 은 여전히 글만 만들어요. 다만 그 글의 일부가 "주문서" 형태일 때, 하네스가 그걸 읽고 실제로 실행해주는 거예요.

주문서 한 장의 이야기

LLM 이 도구를 어떻게 쓰는지 한 시퀀스로 보면 이래요.

1. 사용자 → "데스크탑의 문서.docx 첫 단락 알려줘"

2. LLM → "주문서: 파일 읽기 (경로: ~/Desktop/문서.docx)"
   ↑ 이건 직접 실행이 아니라, 글로 쓴 주문이에요.

3. 하네스 → 주문을 읽고 실제로 파일 열어서 내용 가져옴
   결과: "안녕하세요. 이 문서는 ..."

4. 하네스 → 결과를 LLM 의 다음 입력으로 끼워 넣음

5. LLM → 결과를 보고 한 번 더 생각해서 사용자에게 답:
   "첫 단락은 이렇습니다: 안녕하세요. 이 문서는 ..."

여기서 가장 중요한 한 가지. 2번 단계에서 LLM 이 만든 건 결국 글이에요. 파일을 직접 여는 코드가 LLM 안에 있는 게 아니라, 그냥 "이 형식으로 글을 쓰면 하네스가 알아서 실행해줄 거야" 라는 약속이 있는 거예요. 어쩐지 — 우리가 식당에서 종이 주문서를 작성하면 주방장이 그걸 보고 요리하는 흐름과 똑같아요. LLM 은 영원히 손님 자리에서 주문서만 써요. 직접 주방에 들어가는 건 하네스라는 종업원이에요.

깜짝 놀랄 만한 한 가지

가장 헷갈리기 쉬운 사실. 여러분이 ChatGPT, Claude Code, Gemini 같은 다른 AI 도구를 쓸 때, 그 안의 LLM 은 종종 비슷해요. 다른 건 — 그 LLM 을 감싼 하네스예요. 같은 뇌가 들어 있어도, 어떤 몸을 입혀주느냐에 따라 완전히 다른 능력을 가진 존재처럼 보여요.

ChatGPT(웹 페이지 버전) 는 글을 주고받는 가벼운 몸을 입었어요. Claude Code 는 코드 작성에 특화된 몸을 입었고요(파일 시스템 접근, 명령 실행, 웹 검색 등). 같은 종류의 LLM 이 안에 들어 있어도, 행동이 완전히 다른 존재처럼 보이는 게 그 때문이에요. 그래서 같은 회사가 만든 모델이라도 어떤 도구로 쓰느냐에 따라 — 글쓰기 친구가 되기도 하고, 코딩 동료가 되기도 하고, 데이터 분석가가 되기도 해요.

손이 생기면 책임이 생겨요

뇌만 있던 시절의 LLM 은 사실 위험할 일이 별로 없었어요. 글이 어색하거나 틀리거나 — 그뿐이었어요. 그런데 손이 붙은 순간 — 진짜로 파일을 지울 수 있게 됐어요. 진짜로 메일을 보낼 수 있게 됐고요. 진짜로 결제를 할 수도 있게 됐어요.

그래서 좋은 하네스는 단순히 "도구 잘 호출해주는" 것에 그치지 않고 — "이 주문서는 위험하니 사용자에게 한 번 더 물어보자" 라는 안전 장치를 깔아둬요. Claude Code 가 파일을 지우려고 할 때 "정말 지울까요?" 라고 한 번 묻는 게 그 흔적이에요. 손이 생긴다는 건 책임이 함께 생긴다는 거예요. 그리고 그 책임을 어떻게 분담할 것인지 — 어디까지 자동화하고, 어디서 사람이 한 번 더 확인할 것인지 — 가 에이전트 설계의 가장 어려운 부분이에요.

비유에는 한계가 있어요

"비서·인턴" 비유로 시작했지만, 사실 이 비서는 사람보다 훨씬 빠르게 일해요. 우리가 한 번 부탁하면 — 1초 안에 수십 번의 주문서를 작성하고, 수십 개의 파일을 읽고, 결과를 종합해서 답을 내요. 그 속도 때문에 사람 비서로는 상상하기 어려운 일을 해내요. 다만 — 사람 비서와 달리 잘못된 판단이 일어났을 때 그걸 자기가 알아채진 못해요. 환각(6화) 이 손에 도구가 붙어 일어나면, 단순히 "잘못된 글" 이 아니라 "잘못된 행동" 이 돼요. 그래서 손이 큰 비서일수록, 외부의 눈으로 한 번씩 점검하는 장치가 필요해요. 사람이 직접 보거나, 점검 전용 AI 를 옆에 붙이는 식인데 — 어느 쪽이든 핵심은 "자기가 한 일을 자기가 검증하지 않는다" 예요.

더 깊이 들어가려면: 실제 에이전트인 Claude Code 가 어떻게 설정되는지 — CLAUDE.md · Hooks · Skills 라는 세 축 — 는 claude-code-3-axes 부록에서, OpenAI 의 비슷한 에이전트인 Codex 의 설정 방식(AGENTS.md · 승인 모드 · MCP) 은 codex-usage 부록에서 자세히 다뤄요.

한 줄 요약

에이전트는 LLM 이라는 똑똑한 뇌에 도구를 쓸 수 있는 몸을 붙인 것이고, 그 몸의 정체는 LLM 의 글을 받아 실제 행동으로 옮겨주는 하네스라는 실행 환경이에요. 같은 LLM 이라도 어떤 몸을 입었느냐에 따라 완전히 다른 존재처럼 보여요.

다음 화

여기까지 우리는 AI 가 무엇을 할 수 있는지 봐왔어요. 마지막으로 — 무엇을 못 하는지를 정직하게 정리해야 해요. AI 가 자신만만한 톤으로 답한다고 해도, 그 답을 끝까지 책임지는 건 결국 사람의 몫이에요.

10화 — AI 가 못하는 것들