에이전트는 도구가 아닌 파트너다: 프롬프트에서 루프로

프롬프트는 더 이상 제품이 아니다. 지난 3년간 대부분의 경우 AI에서 가치를 얻는다는 것은 프롬프트를 정확히 작성하는 것을 의미했다. 예시를 연결하고, temperature를 조절하고, 모델이 출처를 지어내지 않기를 기도했다. 인터페이스는 채팅 창이었고, 계약은 질문 → 답변이었다. 그 계약은 지금 물러나고 있으며, 그것을 대체하는 것은 더 나은 프롬프트가 아니다. 루프다.

Anthropic은 에이전트를 루프 안에서 환경으로부터의 피드백에 기반해 도구를 사용하는 LLM으로 정의한다. OpenAI의 Agents SDK는 실행의 중심에 루프를 둔다. Microsoft는 AI가 도구에서 파트너로 진화하고 있다고 설명한다. MindStudio는 우리의 시대를 "포스트 프롬프팅 시대"라고 부른다. 이들은 마케팅용 재명명이 아니다. 모델이 답변하는 존재에서 사용자가 입력을 멈춘 뒤에도 계속 작업하는 시스템으로의 실제 아키텍처 전환을 설명한다.

이 전환에는 이름이 있다. 우리는 이를 파트너라고 부른다. 한국어로는 가상 직원. 파트너는 더 날카로운 검색 엔진도, 더 빠른 자동 완성도 아니다. 상태와 기억, 주도성, 그리고 지속적인 결과에 대한 책임을 지닌 존재다. 질문은 더 이상 "어떤 프롬프트가 가장 좋은 답을 주는가?"가 아니라 "어떤 루프가 신뢰하고 발전시킬 수 있는 결과를 만드는가?"다.

구 계약: AI as 도구

도구 계약 하에서 인간은 모든 맥락을 조립한다. 프롬프트를 작성하고, 파일을 업로드하고, 제약 조건을 설명하면 모델이 텍스트 블록을 반환한다. 답변이 틀리면 프롬프트를 다시 쓰고, 맥락이 불완전하면 더 많은 맥락을 붙인다. 모델은 기본적으로 상태를 유지하지 않는다. 각 턴은 새로운 트랜잭션이다. 가치는 압축에서 나온다. 잘 정리된 질문에 대한 좋은 답변.

이 계약은 프롬프트 엔지니어링이라는 전체 학문을 만들었고, 숨겨진 비용도 함께 만들었다. 2026년 CIODive 보고서에 따른 지식 노동자들은 AI로부터 유용한 산출물을 1시간 얻을 때마다 AI 산출물을 사용 가능한 형태로 만드는 데 약 1시간을 소비한다. 도구 계약은 이 비용을 감춘다. 인간은 턴을 넘어 추론할 수 없는 시스템의 뒤치다꺼리를 하느라 바쁘기 때문이다.

도구 계약이 사라지는 것은 아니다. 검색, 요약, 코딩 지원은 여전히 훌륭한 프롬프트의 혜택을 본다. 하지만 그것이 더 이상 한계가 아니다. 작업이 몇 차례의 턴, 여러 도구, 실시간 피드백을 요구하게 되면 프롬프트는 병목이 된다. 답변을 요구하는 것이 아니라, 단일 텍스트 상자 안에서 프로세스를 스크립팅하려는 것이다.

신 계약: AI as 파트너

파트너 계약은 다른 전제에서 출발한다. 인간이 의도와 맥락, 경계를 제공하고, 에이전트가 나머지를 수행한다. 환경을 인지하고, 행동 순서를 계획하고, 도구를 통해 행동하고, 결과를 관찰하고, 루프를 반복한다. 무슨 일이 일어났는지 기억한다. 실패하면 재시도한다. 경계에 부딪히면 에스컬레이션한다.

이것이 공급업체들이 점점 에이전트를 팀원으로 묘사하는 이유다. Anthropic에 따른 2026년 5월 기준 병합된 코드의 80% 이상이 Claude가 작성한다. PwC의 2025년 AI 에이전트 설문조사에서 조기 도입 기업은 생산성이 66% 향상되었다고 보고했다. Salesforce의 2025 State of Service Report에 따른 2025년 에이전트는 **서비스 케이스의 30%**를 처리했으며, 2027년에는 **50%**에 이를 것으로 예측되고, 정형 케이스 처리 시간은 20% 단축되었다.

이 숫자들이 에이전트가 완벽하다는 뜻은 아니다. 산출물의 성격이 변했다는 뜻이다. 파트너는 텍스트만 반환하는 것이 아니라 세상의 상태 변화를 반환한다. 티켓이 종결되고, 테스트가 통과하고, 보고서가 제출되고, 메시지가 게시된다. 인간의 역할은 운영자에서 검토자로, 실행자에서 위임자로 변화한다.

프롬프트에서 루프로

전형적인 에이전트 루프는 인지 → 계획 → 행동 → 관찰이다. Microsoft는 자율 에이전트를 위한 7단계 인지-행동 사이클을 설명한다. MIT Sloan의 "Agentic AI, Explained"는 에이전트가 스스로 인지하고, 추론하고, 행동한다고 강조한다. MindStudio의 포스트 프롬프팅 논제는 물음을 기다리는 대신 작업을 시작하는 능동적 에이전트에게 미래가 있다고 주장한다.

루프를 프롬프트 체인과 구분하는 것은 피드백이다. 프롬프트 체인에서 인간이 피드백 메커니즘이다. 루프에서는 환경이 그 역할을 한다. 에이전트는 파일을 읽고, 테스트를 실행하고, 오류를 보고, 수정을 시도한다. 데이터베이스를 확인하고, 누락된 레코드를 발견하고, 생성한다. 각 사이클은 인간이 목표를 다시 설명하지 않아도 의도와 결과 사이의 거리를 좁힌다.

루프는 또한 에이전트가 사용하는 정보를 바꾼다. 도구 계약 아래에서 프롬프트는 전체 입력이다. 파트너 계약 아래에서는 그것이 파일, API, 데이터베이스, 이전 실행, 팀 메시지, 실시간 이벤트 등 많은 신호 중 하나일 뿐이다. 에이전트는 환경의 함수이며, 프롬프트는 목적 함수다.

이것이 "더 이상 프롬프트를 작성하는 것이 아니라 루프를 작성한다"는 말의 진정한 의미다. 기술은 수사학에서 아키텍처로 옮겨간다. 당신은 질의가 아닌 제어 시스템을 설계하고 있다.

왜 산출물이 바뀌는가

도구는 답변을 제공한다. 파트너는 산출물(Artifact)을 제공한다. 이 차이는 중요하다. 답변은 덧없고 산출물은 지속적이기 때문이다.

답변은 채팅 창에 산다. 산출물은 작업 공간에 산다. 문서, 코드 변경, 테스트 스위트, 디자인 파일, 구조화된 보고서. 검토하고, 버전 관리하고, 공유하고, 개선할 수 있다. 다음 사람, 다음 에이전트가 제로부터 시작하지 않도록 맥락을 전달한다.

산출물은 또한 신뢰의 경계다. 에이전트가 파일을 변경하면 diff를 볼 수 있다. 보고서를 작성하면 출처를 확인할 수 있다. Slack에 게시하면 팀이 이의를 제기할 수 있다. 산출물은 에이전시를 가독하게 만든다. 산출물이 없다면 루프는 그저 더 긴 채팅에 불과하다.

이것이 현재 대부분의 생산성 논의가 놓치는 지점이다. 에이전트의 이익은 더 빠르게 타이핑하는 데서 오는 것이 아니라 비동기 완료에서 온다. 에이전트는 인간이 자거나 회의를 하거나 다른 일에 집중하는 동안 작업한다. 인간이 돌아왔을 때 산출물이 기다리고 있다. 이는 산출물이 검사 가능하고 실행 가능할 때에만 성립한다.

MCPlato의 접근법: 루프 포장하기

MCPlato는 파트너라는 전제를 중심으로 구축되었다. 기본 단위는 채팅 메시지가 아니라 지속적인 산출물을 만드는 루프다.

Wand는 포장된 루프다. Wand는 단계, 단계별 프롬프트, 게이트 체크, 도구 화이트리스트, 실행 시점 뷰를 정의하는 재사용 가능하고 버전 관리 가능한 워크플로다. 파일을 읽고, API를 호출하고, 명확화를 요청하고, 최종 산출물을 작성하면서 작업을 이산적인 단계로 나누고 게이트를 통과할 때만 전진한다. Wand는 "프롬프트 대신 루프를 어떻게 작성하는가?"에 대한 아키텍처적 답변이다.

파트너 / Sprite는 워크스페이스 수준의 오케스트레이터다. Wand가 포장된 프로세스라면, Sprite는 더 큰 작업을 분해하고 사용자를 대신해 워커 세션을 파견하는 매니저다. 인간이 정의한 목표를 향해 협업하는 에이전트 팀이다. 목표를 설정하고, 체크포인트를 승인하고, 산출물을 검토한다.

Skill / Distill Skill은 반복적으로 발생하는 워크플로를 재사용 가능한 지침으로 포착한다. Sprite가 한 번 문제를 해결하면 MCPlato는 그 실행을 Skill로 증류하여 같은 패턴이 프롬프트를 다시 발명하지 않고도 다시 실행되도록 한다.

로컬 우선 + 권한 프레임워크는 파트너를 혼자 두고 실행할 만큼 신뢰할 수 있게 만든다. 민감한 데이터는 기본적으로 사용자의 기기에 머물고, 세분화된 권한 모드는 루프가 볼 수 있고 할 수 있는 것을 제한한다.

모델 라우팅 + 비용 제어는 비싼 추론을 정말 필요한 단계에만 예약한다. 단순 추출 단계는 저렴하고 빠른 모델에서 실행되고, 복잡한 계획 단계는 더 큰 모델로 에스컬레이션된다. 지능은 난이도에 맞춰 배분된다.

IM Bridge + 지속적인 산출물은 루프를 팀이 이미 사용하는 도구로 확장한다. Slack, Discord, Telegram, Feishu, WeChat, WeCom, QQ가 비동기 위임 인터페이스가 된다. 에이전트는 진행 상황을 보고하고 구조화되고 버전 관리 가능한 문서 패키지인 Artifact를 전달한다. 채팅 텍스트의 벽이 아니다.

손으로 그린 듯한 추상 플랫 일러스트레이션. 루프 화살이 정적인 명령을 현대적인 작업 공간의 살아있는 파트너 형상으로 변환하고 있다

도구 vs 파트너

아래 표는 아키텍처적 차이를 요약한다. 전환은 모델 크기나 인터페이스 다듬기에 관한 것이 아니다. 누가 상태를 유지하고, 누가 행동을 시작하고, 무엇이 남는지에 관한 것이다.

마지막 행이 가장 받아들이기 어렵다. 대부분의 사람은 프롬프트를 잘 하면서 AI를 잘 하게 되었다. 다음 역량은 혼자 두어도 작동하는 시스템을 설계하는 것이다.

리스크와 거버넌스

거버넌스 없는 파트너는 직원이 아니라 부채다. 2026년 IBM의 AI 통제 격차 연구는 냉정하다. CIO와 CTO의 77%는 AI 도입이 거버넌스를 앞서간다고 답했고, 89%는 조직이 에이전틱 AI에 완전히 준비되지 않았다고 말했으며, 기업은 평균 연간 54건의 에이전트 관련 사고를 보고한다. 에이전트를 생산적으로 만드는 동일한 자율성이 그들을 위험하게 만든다.

Microsoft Security의 2026년 6월 업데이트에 따른 2025년 한 해 동안 Model Context Protocol 관련 CVE는 99건이었다. 공격 표면은 더 이상 모델 가중치가 아니다. 에이전트가 호출할 수 있는 도구, 그가 지닌 권한, 그리고 접근할 수 있는 데이터다.

이것이 파트너 은유가 단순한 염원이 아니라 거버넌스 요구사항인 이유다. 진짜 직원에는 역할, 범위, 관리자, 감사 추적이 있다. 에이전트 파트너도 같은 것이 필요하다. 명시적 권한 경계, 되돌릴 수 없는 작업에 대한 필수 체크포인트, 관찰 가능한 런타임 상태, 버전 관리 가능한 산출물.

플랫한 손그림 스타일의 에디토리얼 일러스트레이션. 에이전트 파트너와 인간이 지속적인 문서 산출물을 함께 검토하고 있다

결론: 프롬프트가 아닌 루프를 설계하라

업계는 새로운 계약으로 수렴하고 있다. 에이전트는 더 이상 질문에 답하는 도구가 아니라 작업을 완료하는 파트너다. 숫자는 고르지 않지만 증거는 쌓이고 있다.

구축자에게 이는 실용적인 함의다. 완벽한 프롬프트를 쓰려 하지 말라. 루프를 설계하기 시작하라. 에이전트가 무엇을 인지하고, 어떻게 계획하고, 어떤 도구를 사용할 수 있고, 어떤 게이트 체크가 안전을 지키며, 어디서 사람을 위해 멈춰야 하고, 어떤 산출물을 만드는지. AI 엔지니어링의 기술은 신뢰할 수 있는 자율성의 기술이 되어가고 있다.

MCPlato의 베팅은 이러한 자율성이 포장되고, 관찰 가능하며, 로컬 우선인 루프로 가장 잘 표현된다는 것이다. 재사용 가능한 프로세스인 Wand, 오케스트레이터인 Sprite, 증류된 전문지식인 Skill, 지속적인 산출물인 Artifact. 미래는 더 나은 챗봇이 아니다. 아침에 검토할 무언가를 남기고 나타나는 가상 직원이다.

자주 묻는 질문

AI 도구와 AI 파트너의 차이는 무엇인가? 도구는 프롬프트에 답하고 기다린다. 파트너는 지속적인 루프를 실행하고, 상태와 기억을 유지하며, 스스로 도구를 사용하고, 지속적인 산출물을 제공한다.

왜 "루프"가 프롬프트보다 중요한가? 프롬프트는 일회성이다. 루프는 에이전트가 정보를 수집하고, 피드백을 추론하고, 실패를 재시도하고, 인간이 자리를 비운 동안 계속 작업하게 한다.

MCPlato가 말하는 Wand는 무엇인가? Wand는 패키지화된 재사용 가능한 루프다. 프롬프트, 게이트 체크, 도구 화이트리스트, 실행 시점 뷰를 갖춘 다단계 워크플로다.

MCPlato는 파트너 에이전트를 어떻게 신뢰할 수 있게 만드는가? 로컬 우선 실행, 세분화된 권한, 명시적 게이트 체크, 모델 라우팅, 지속적인 체크포인트, 그리고 고위험 작업에 대한 인간의 최종 승인을 통해.

에이전트가 직원을 대체하는가? 현재 증거는 대규모 대체가 아닌 증강을 가리킨다. 역할은 에이전트 산출물을 관리하고 검증하고 개선하는 방향으로 변화한다.

에이전트를 파트너로 보는 주요 리스크는 무엇인가? 거버넌스 없는 자율성은 사고, 권한 남용, 보안 노출로 이어진다. 거버넌스는 처음부터 루프에 설계되어야 한다.

프롬프트 대신 에이전트를 위해 설계하는 것은 어떻게 시작하는가? 루프를 정의하라: 인지, 계획, 행동, 관찰, 체크포인트, 산출물. 프롬프트는 더 큰 제어 시스템 안의 하나의 제약 조건이 된다.

참고 문헌

1. Anthropic. "Building Effective Agents." 2024년 12월. https://www.anthropic.com/research/building-effective-agents
2. OpenAI. "Running agents." OpenAI Agents SDK, 2025. https://developers.openai.com/api/docs/guides/agents/running-agents
3. Microsoft. "What's next in AI: 7 trends to watch in 2026." 2025년 12월. https://news.microsoft.com/source/features/ai/whats-next-in-ai-7-trends-to-watch-in-2026/
4. Microsoft. "What are autonomous AI agents?" Microsoft Copilot 101, 2025/2026. https://www.microsoft.com/en-us/microsoft-copilot/copilot-101/autonomous-ai-agents
5. MindStudio. "The Post-Prompting Era: Proactive AI Agents." 2026년 4월. https://www.mindstudio.ai/blog/post-prompting-era-proactive-ai-agents
6. MIT Sloan. "Agentic AI, Explained." 2026년 2월. https://mitsloan.mit.edu/ideas-made-to-matter/agentic-ai-explained
7. Anthropic. "Recursive Self-Improvement." 2026년 5월. https://www.anthropic.com/institute/recursive-self-improvement
8. PwC. "AI Agent Survey." 2025년 5월. https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-agent-survey.html
9. Salesforce. "2025 State of Service Report." 2025년 11월. https://www.salesforce.com/news/stories/state-of-service-report-announcement-2025/
10. IBM. "New IBM study finds CIOs and CTOs face growing AI control gap as enterprise deployment scales." 2026년 6월. https://newsroom.ibm.com/2026-06-08-new-ibm-study-finds-cios-and-ctos-face-growing-ai-control-gap-as-enterprise-deployment-scales
11. Microsoft Security. "Updating taxonomy and failure modes for agentic AI systems: a year of red teaming taught us." 2026년 6월. https://www.microsoft.com/en-us/security/blog/2026/06/04/updating-taxonomy-failure-modes-agentic-ai-systems-year-red-teaming-taught-us/
12. CIODive. "Workers spend more time managing AI." 2026. https://www.ciodive.com/news/workers-spend-more-time-managing-ai/822554/