챗봇에서 업무 실행으로: 워크플로우와 에이전트를 구분하기
Anthropic이 공개한 워크플로우 패턴을 따라, 한 번의 답변에서 고정 절차와 자율 실행으로 넘어가는 경로를 실제 사례와 함께 살펴봅니다.
최재현 · 2026.10.02
자료 기준일: 2024-12-19. Anthropic 「Building effective agents」 공개일입니다. 함께 인용한 OpenAI 「A practical guide to building agents」는 문서에 발행일이 표시되지 않습니다. 2024~2025년 자료로 정리한 설계 해설이며, 최근 발표를 다루지 않습니다.
챗봇이 문서를 잘 요약했다고 해서 다음 단계가 곧 에이전트인 것은 아닙니다. 한 번의 모델 호출과 자율적으로 도구를 쓰는 에이전트 사이에는 여러 설계가 있습니다. Anthropic은 2024년 12월에 공개한 글에서 정해진 코드 경로로 모델과 도구를 연결하면 워크플로우, 모델이 다음 절차와 도구 사용을 직접 정하면 에이전트라고 구분합니다. 이 구분은 제품 이름보다 제어권을 봅니다. 개발자가 다음 단계를 정했는지, 모델이 환경의 결과를 보고 다음 행동을 정했는지가 기준입니다.
Anthropic이 먼저 권하는 것은 가장 단순한 해법입니다. 검색과 예시를 붙인 모델 호출 1회로 충분하다면 거기서 멈춥니다. 에이전트형 시스템은 대기 시간과 비용을 늘려 성능을 얻는 방식이므로, 복잡성이 실제 결과를 개선할 때만 추가하라고 설명합니다. 프레임워크도 같은 이유로 조심합니다. 도구 호출과 출력 파싱을 편하게 해 주지만, 프롬프트와 응답을 가려 디버깅을 어렵게 만들고 필요 없는 구성을 더하게 할 수 있습니다.
2026년 10월 3일 확인한 원문 첫머리에는 Anthropic이 직접 붙인 안내가 있습니다. 이 글에 나온 도구 환경은 2024년 12월 이후 많이 바뀌었고, 현재 방식은 Claude Managed Agents 구축기와 관련 문서를 보라는 내용입니다. 연결된 2026년 4월 8일 글은 장시간 에이전트 작업을 대신 실행하는 호스팅 서비스를 설명하면서, 모델이 좋아지면 실행 구조(하네스)에 넣어 둔 가정이 낡을 수 있어 세션·하네스·샌드박스를 분리했다고 밝힙니다. 워크플로와 에이전트를 나누는 기준은 2024년 글에서 가져왔고, 프레임워크와 도구 구현은 이후 달라졌을 수 있다는 점을 감안해 읽으면 됩니다.
Anthropic이 설명한 제어 방식의 차이. 그림의 처리 단계는 본문의 제조 문서 활용 예시입니다. 도식 크게 보기
고정 절차라면 워크플로우로 설계합니다
Anthropic은 실제 운영에서 반복해서 본 구성을 구체적으로 소개합니다. 순서가 분명한 일에는 프롬프트 체이닝을 씁니다. 문서 개요를 만든 뒤 기준에 맞는지 검사하고, 통과한 개요로 본문을 쓰는 방식입니다. 각 단계 사이에 프로그램 검사를 넣어 다음 단계로 보내도 되는지 확인할 수 있습니다.
입력 종류마다 처리법이 다르면 라우팅을 씁니다. 일반 문의, 환불, 기술 지원을 먼저 분류한 다음 서로 다른 프롬프트와 도구로 보냅니다. 단순한 요청은 작고 빠른 모델에, 어려운 요청은 더 강한 모델에 보내 비용과 품질을 조정하는 예도 듭니다.
동시에 처리해도 되는 일은 병렬화합니다. 하나의 작업을 독립된 부분으로 나누거나, 같은 작업을 여러 번 수행해 결과를 비교합니다. Anthropic은 사용자 답변과 안전성 검사를 별도 모델 호출로 처리하는 예를 제시합니다. 코드 취약점을 여러 관점에서 검토하는 방식도 여기에 들어갑니다.
하위 작업을 미리 정하기 어렵지만 중앙에서 합쳐야 한다면 오케스트레이터와 작업자 구성을 씁니다. 중앙 모델이 요청을 보고 작업을 나누고, 작업자 결과를 모아 답을 만듭니다. 여러 파일을 고치는 코딩 작업이나 여러 출처를 찾아야 하는 검색이 예입니다. 결과를 반복해서 고칠 가치가 있고 평가 기준이 분명하면 생성자와 평가자를 나눕니다. 번역 초안을 평가 모델이 비평하고 다시 고치는 식입니다.
이 패턴은 단계별 승급표가 아닙니다. 문서 번역에는 체이닝이 맞고, 문의 분류에는 라우팅이 맞습니다. 오케스트레이터를 썼다고 반드시 자율 에이전트가 되는 것도 아닙니다. 중요한 차이는 하위 작업을 코드가 미리 정했는지, 모델이 입력에 따라 정했는지입니다.
경로를 미리 정할 수 없을 때 에이전트를 검토합니다
Anthropic이 설명하는 에이전트는 도구를 쓰고 환경의 결과를 확인하는 반복 구조입니다. 모델은 작업을 계획하고, 검색 결과나 코드 실행 결과처럼 실제 환경에서 얻은 정보를 보고 다음 행동을 정합니다. 막히면 사람에게 질문할 수 있고, 정해진 최대 반복 횟수에 도달하면 멈추게 할 수 있습니다. 열린 문제를 여러 차례 처리해야 하므로 오류가 다음 판단에 누적될 위험도 큽니다. 그래서 샌드박스 테스트와 중단 조건이 필요합니다.
도구 설계도 프롬프트만큼 중요합니다. Anthropic의 SWE-bench 에이전트는 작업 중 루트 디렉터리를 벗어난 뒤 상대 경로를 잘못 쓰곤 했습니다. 연구팀은 프롬프트를 길게 고치는 대신 파일 도구가 절대 경로만 받도록 바꿨고, 이후 모델이 그 방식을 문제없이 사용했다고 적었습니다. 에이전트가 틀렸을 때 모델 탓만 하기보다, 도구의 이름·매개변수·오류 메시지가 잘못된 행동을 유도하는지 봐야 한다는 실제 사례입니다.
OpenAI의 가이드도 단순 챗봇이나 1회성 모델 호출과 에이전트를 구분합니다. 에이전트는 모델이 워크플로우 실행을 관리하고, 외부 시스템에서 정보를 읽거나 행동하는 도구를 현재 상태에 맞게 선택해야 합니다. 실패했을 때 스스로 멈추거나 사용자에게 제어권을 넘기는 능력도 포함합니다.
교육에서는 실행 전에 근거와 미지정을 남깁니다
제조 AX 문서·회의 실습은 교육용 문서 12건에서 외주업체 변경 절차를 찾게 합니다. 문서명과 항을 함께 적고, 자료에 없는 절차는 “문서에 없음”으로 표시합니다. 회의 녹취록에서는 담당과 기한이 없으면 “미지정”으로 남깁니다.
이 업무를 확장한다면 먼저 고정 경로를 만들 수 있습니다. 문서 검색, 근거 표시, 누락 검사, 담당자 검토 순서로 처리합니다. 문서마다 필요한 검색 경로가 달라 고정 절차로 해결되지 않을 때에만 모델이 추가 검색을 선택하게 합니다. 시스템 등록이나 메일 발송은 별도 도구로 분리하고, 승인 전에는 호출할 수 없게 해야 합니다. 고정 절차로 해결하기 어려운 변동성이 있다면 에이전트를 검토할 수 있습니다. 이때 그 변동성을 확인할 검증 수단도 함께 마련해야 합니다.