What's New — 개념편

클래식에서 메이커가 직접 그려야 했던 것

클래식 Copilot Studio에서는 메이커가 아래 세 가지를 모두 손으로 그려야 했습니다.

• Topics — “사용자가 X라고 말하면 → 노드 A → 노드 B”로 이어지는 트리거-응답 트리
• Prompts — 특정 입력 → 특정 출력의 단발성 AI 호출
• 분기·조건·변수 — 모든 경우의 수를 노드로 일일이 연결

결정적 약점 — 모든 경로를 사람이 미리 상상해야 한다

시나리오가 조금만 복잡해져도 분기가 폭발하고, 예상 밖의 말이 들어오면 흐름이 끊깁니다.

코어 재건축 — 무엇을 바꿨나

Anthropic이 ‘Effective harnesses for long-running agents’에서 정리한 두 가지 실패 모드는, 클래식 봇이 무너지던 모습과 정확히 같습니다.

그 결과 얻은 능력

• 지시 준수 강화 — 긴 대화에서도 원래 지침을 놓치지 않음
• 장기·다단계(long-horizon) 작업 — 중간에 무너지지 않고 끝까지
• 재귀적 실행 — 복잡한 문제를 스스로 단계로 쪼개 반복
• 대용량 콘텐츠 + 리치 파일 생성 — 컨테이너에서 Word·PPT·Excel·PDF 산출
• 빌드 경험 단순화 — 구성 탭 9개 → 4개, 추론과 도구 호출을 실시간으로 관찰

가장 중요한 정의

LLM 혼자서는 다음 토큰을 예측하는 것밖에 못 합니다. 파일을 읽거나, API를 호출하거나, 실패를 복구하지 못합니다.

Anthropic은 에이전트를 이렇게 정의합니다 — “에이전트 = LLM이 루프 안에서 자율적으로 도구를 사용하는 것.” 이 루프를 돌려 주는 런타임이 바로 하네스(harness)입니다.

업계는 이미 이 길로 수렴했다

2025년을 거치며 가장 검증된 에이전트들은 예외 없이 CLI 기반 코딩 하네스 형태로 모였습니다. 우연이 아닙니다.

왜 하필 ‘코딩’ 하네스인가?

코딩은 에이전트 능력이 가장 먼저, 가장 혹독하게 검증된 분야이기 때문입니다. 코드를 다루려면 반드시 다음 네 가지를 해내야 합니다.

• 여러 파일을 읽고 맥락을 종합한다
• 어떤 도구(컴파일·테스트·검색)를 쓸지 정확히 고른다
• 여러 단계로 추론한다
• 실패하면(테스트가 깨지면) 원인을 보고 복구한다

황금률 — 과설계하지 마라

Anthropic은 이렇게 말합니다. “하네스의 모든 구성요소는 ‘모델이 혼자 못 하는 것’에 대한 가정을 담고 있다. 그 가정은 틀릴 수도 있고, 모델이 좋아지면서 낡을 수도 있다. 가장 단순한 해법에서 출발하고, 필요할 때만 복잡도를 더하라.”

실제로 Anthropic은 이전 모델용으로 만든 정교한 보조 장치를 다음 모델에서 덜어 냈습니다. 모델이 스스로 계획을 더 잘 세우게 되자, 하네스가 오히려 가벼워진 것입니다.

루프 한 바퀴

의도 해석 → 도구/스킬 선택 → 슬롯 필링(입력값 채우기) → 실행 → 관찰 → 판단(완료?) → (필요하면) 반복

스킬·툴·서브에이전트·메모리는 독립 기능처럼 보이지만, 전부 이 루프 안에서만 의미를 가집니다.

신뢰성에 집중하는 진짜 이유 — 두 가지 실패 상황

예시 — 송장 승인, 이전과 지금

스킬 — 필요할 때만 꺼내 쓰는 markdown 지침

스킬은 “X를 어떻게 하는지”를 markdown으로 한 번 적어 두고, 필요할 때만 불러 쓰는 재사용 지침입니다. 단순한 편의 기능이 아니라 Anthropic이 말하는 “just-in-time 컨텍스트”의 엔터프라이즈 구현이고, GitHub Copilot·Claude 스킬까지 그대로 가져올 수 있는 업계 호환 자산입니다.

왜 ‘필요할 때만’ 로드할까? — 컨텍스트 엔지니어링

• 컨텍스트는 유한한 자원(attention budget) — 컨텍스트가 길어질수록 모델의 주의가 얇게 퍼집니다.
• Context rot(컨텍스트 부패) — 토큰 수가 늘수록 모델이 정보를 정확히 떠올리는 능력이 떨어집니다. 큰 컨텍스트 창이 답이 아닙니다.
• 목표는 “원하는 결과를 낼 가장 작은 고신호 토큰 집합”을 찾는 것입니다.
• Just-in-time 검색 — 파일 경로·쿼리·링크 같은 가벼운 식별자만 들고 있다가, 실행 중에 필요한 것만 불러옵니다.

클래식 구성요소는 어디로 갔나

툴 설계 3원칙 (Anthropic)

툴의 두 축 — 커넥터와 MCP

서브에이전트 — 본질은 ‘컨텍스트 격리’

메인 에이전트가 큰 계획을 잡고, 전문 서브에이전트가 깨끗한 컨텍스트에서 집중 작업합니다. 서브에이전트는 수만 토큰을 써 가며 깊이 파고들지만, 메인에게는 압축된 요약(보통 1,000~2,000 토큰)만 돌려줍니다. 메인은 종합과 판단에만 집중하는 관심사의 분리입니다.

New Copilot Studio는 클래식의 child agent를 버리고 “스킬 + 연결된 에이전트”로 재구성했습니다.

메모리의 3대 기법 (Anthropic)

에이전트 + 워크플로우 — 왜 둘을 나누는가

이것은 Anthropic의 “가장 단순한 해법에서 출발하라”와 정확히 일치합니다. 예측 가능한 단계는 결정론으로 싸게, 판단이 필요한 부분만 에이전트로.

워크플로우 디자이너 핵심

에이전트와 워크플로우는 서로를 부를 수 있습니다

• 워크플로우 → 에이전트: agent node로 판단이 필요한 단계를 위임
• 에이전트 → 워크플로우: “에이전트가 이 플로우를 호출할 때” 트리거를 가진 워크플로우를 에이전트의 도구로 등록
• “Power Automate랑 뭐가 다른가요?” — 워크플로우는 결정론적 자동화에 에이전트 능력(agent node·인텔리전트 액션·버전 관리)을 섞은 것입니다. 기존 agent flow도 계속 동작하고 변환도 가능합니다.

클래식 → New 매핑표

핵심 변화는 “Topics·Prompts·Child agents”가 “스킬·워크플로우·연결된 에이전트”로 재편됐다는 것입니다.

Part 1 한 장 정리