AI 용어 사전

특정 작업을 자동으로 수행하도록 설계된 소프트웨어 프로그램으로, 소셜 미디어에서는 게시물 작성이나 댓글 반응을 자동화하는 데 주로 사용된다. AI 기술의 발전으로 인간과 유사한 대화가 가능해지면서 플랫폼 내 스팸이나 여론 조작의 도구로 악용되기도 한다.

사용자와의 대화를 통해 특정 작업을 수행하거나 정보를 제공하는 소프트웨어입니다. 이 아티클에서는 드라이브스루 주문을 자동으로 접수하고 고객에게 추가 메뉴를 제안하는 역할을 수행합니다.

Weights & Biases 플랫폼에 직접 통합된 AI 에이전트이다. 사용자의 프로젝트와 실험 데이터에 대한 전체 컨텍스트를 이해하고 있어 별도의 설정 없이 실험 자동화, 리포트 생성, 데이터 분석 등의 복잡한 작업을 수행한다.

사망한 사람의 디지털 데이터를 기반으로 생성된 챗봇이나 아바타를 뜻한다. 사용자와 실시간 대화를 나누며 고인의 말투나 지식을 흉내 내도록 설계되며, 기술적으로는 LLM과 음성 합성 기술이 결합된 형태를 띤다.

Dreamer 플랫폼에서 사용자의 개인적 맥락과 선호도를 학습하는 핵심 에이전트 페르소나이다. 사용자를 대신해 다른 전문 에이전트들을 호출하고 조율하며, 전체 시스템의 트래픽 컨트롤러이자 개인 비서 역할을 수행한다.

여러 AI 모델이나 도구, 컴퓨팅 노드 간의 협업을 관리하고 실행 순서를 제어하는 시스템 계층이다. 사용자의 요청을 분석하여 적절한 도구를 호출하거나 작업을 분산 처리하는 역할을 수행한다. 복잡한 에이전트 시스템의 안정성과 확장성을 결정하는 핵심 요소이다.

여러 개의 전문화된 하위 에이전트들의 작업을 관리하고 조정하여 복잡한 목표를 달성하는 상위 에이전트이다. 각 에이전트에게 작업을 할당하고 결과를 취합하는 역할을 수행한다.

AI 시스템이 자율적으로 해결할 수 없는 오류나 임계치 초과 상황이 발생했을 때 인간 작업자에게 전달하는 데이터 묶음이다. 다단계 실패의 맥락을 포함하여 인간이 재실행 여부를 효율적으로 결정할 수 있게 돕는다.

단순한 키워드 검색을 넘어 사용자의 취향과 맥락을 이해하고 제품이나 경험을 선제적으로 제안하는 고도화된 AI 도구이다. 개인화된 추천 시스템의 진화된 형태로, 능동적인 상호작용이 핵심이다.

메인 에이전트의 지시를 받아 특정 작업을 수행하는 하위 에이전트가 생성하는 추가적인 계산 비용이나 토큰 소모를 뜻한다. 서브에이전트가 도출한 결과가 상위 에이전트의 다음 단계에 활용되지 않을 경우 효율성을 저해하는 주요 원인이 된다.

AI가 단순히 질문에 답하는 것을 넘어 사용자의 의도를 파악하고 자율적으로 도구를 사용하거나 다단계 업무를 수행하는 사용자 경험이다. 마이크로소프트 365 코파일럿 웨이브 3는 사용자가 직접 에이전트를 구축하고 업무 흐름에 통합하는 기능을 강화했다.

에이전트형 리더는 사람 대신 문서를 자동으로 조회하고 내용을 추출해 결정을 내리는 소프트웨어 에이전트를 말한다. 에이전트는 HTTP 직접 요청·HTML 크롤링·MCP 같은 인터페이스를 통해 문서를 수집하고, 텍스트 슬라이스를 입력으로 받아 의사결정이나 통합 작업에 활용한다. 문서 구조와 메타데이터가 에이전트의 문맥 해석 과정에 직접적인 영향을 미치므로 문서

단순한 웹 페이지 표시를 넘어 사용자의 의도를 파악하고 자율적으로 정보를 검색, 요약, 실행하는 기능을 갖춘 웹 브라우저이다. 사용자가 복잡한 작업을 지시하면 브라우저 내 AI 에이전트가 여러 단계를 거쳐 결과를 도출한다.

단순한 질의응답을 넘어 AI가 스스로 목표를 설정하고 도구를 사용하며 다단계 작업을 자율적으로 수행하는 방식이다. 사용자의 개입을 최소화하면서 복잡한 문제를 해결하는 능력을 의미하며, 차세대 AI 모델의 핵심 발전 방향으로 꼽힌다.

클라우드 서버를 거치지 않고 스마트폰이나 노트북 등 기기 내부에서 직접 실행되는 AI 에이전트이다. 개인정보 보호와 낮은 지연 시간이 특징이며, 화면 스크린샷을 실시간으로 분석하여 앱을 직접 조작하는 등의 복잡한 작업을 수행한다.

단순한 명령 수행을 넘어 AI 에이전트가 자율적으로 목표를 이해하고 도구를 사용하여 복잡한 워크플로를 처리하는 앱입니다. 사용자의 개입을 최소화하면서 실시간 데이터 기반의 의사결정과 자동화된 작업을 수행하여 업무 효율성을 극대화합니다.

강력한 성능의 모델(Advisor)과 비용 효율적인 모델(Executor)을 조합하는 설계 패턴이다. 대부분의 작업은 저비용 모델이 수행하고, 전략적 판단이나 문제 해결이 필요한 시점에만 고성능 모델의 조언을 받아 비용과 성능의 균형을 맞춘다.

그래픽 사용자 인터페이스(GUI) 없이 백그라운드에서 실행되는 자동화 프로그램이다. 이 게임에서는 실제 플레이어가 없을 때 대전 상대를 제공하기 위한 폴백 메커니즘으로 활용되어 게임의 연속성을 보장한다.

AI가 자신의 출력을 스스로 검토하고 수정하는 기법이다. 비평가 노드를 통해 결과물의 품질을 평가하고 개선하여 정확도를 높이는 데 사용된다.

복잡한 대규모 작업을 여러 개의 하위 작업으로 나누어 병렬로 실행되는 여러 에이전트에게 위임하는 기능이다. 각 에이전트는 독립된 가상 머신(VM)에서 작동하며, 전체 작업 시간을 단축하고 효율성을 극대화하는 아키텍처를 제공한다.

여러 도메인별 에이전트를 조율하고 복합적인 작업을 수행하도록 돕는 아키텍처. 의도 분류와 질의 분해를 통해 사용자 질문을 처리한다.

특정 목표를 달성하기 위해 AI 모델이 자율적으로 판단하고 도구를 사용하도록 설계된 시스템 구조이다. 계획, 실행, 상태 관리 등의 요소가 결합되어 하나의 독립적인 작업 단위를 형성한다.

사용자를 대신하여 브라우저 창을 직접 제어하고 복잡한 작업을 수행하는 자율형 AI 기능이다. 단순한 질의응답을 넘어 웹 서비스 간의 상호작용을 자동화하여 생산성을 높이는 핵심 기술로 평가받는다.

AI 에이전트가 목표 달성을 위해 도구를 사용하고 추론하며 사용자와 주고받는 고수준의 복잡한 상호작용이다. 단순한 텍스트 생성을 넘어 문제 해결을 위한 일련의 계획과 실행 과정이 포함된 대화 흐름을 의미한다.

AI 에이전트가 개발 환경에서 직접 코드를 수정하고 풀 리퀘스트를 생성하거나 라이브 프리뷰를 실행할 수 있도록 지원하는 실행 환경이다. 개발자의 수동 작업을 줄이고 AI 기반의 자동화된 워크플로우를 구축하는 데 필수적이다.

사용자의 단순 질문에 답하는 수준을 넘어, 스스로 계획을 세우고 외부 도구를 사용하며 복잡한 작업을 수행하는 자율형 AI 작동 방식이다. 스케줄링, 데이터 통합 검색 등 실질적인 업무 대행이 가능하다.

AI 에이전트의 동작 방식, 사용 가능한 도구, 권한 및 제약 사항을 정의하는 설정 모음이다. 특정 프로젝트 환경에 맞춰 에이전트의 페르소나와 실행 환경을 최적화하는 데 사용된다.

LLM이 단순한 답변을 넘어 도구 사용, 코드 실행, 결과 확인 등을 스스로 수행하며 목표를 달성하는 상호작용 과정이다. 본문에서는 테스트 결과에 따라 코드를 수정하고 다시 검증하는 자율적인 루프를 의미한다.

AI 에이전트가 특정 작업을 수행하기 위해 유지하는 일련의 상호작용 단위이다. 이 세션 동안 축적된 데이터와 주석은 다음 작업의 정확도를 높이는 중요한 컨텍스트 정보원이 된다.

LLM이 도구 사용, 추론, 실행 과정을 자율적으로 수행할 수 있도록 구성된 기술 계층이다. 모델, 검색 도구, 오케스트레이션 프레임워크 등이 포함되며 복잡한 작업을 자동화하는 데 필수적이다.

AI 에이전트가 주어진 목표를 달성하기 위해 스스로 계획을 세우고 코드를 작성하거나 도구를 사용하는 과정이다. 본문에서는 PRD와 이슈가 정의된 후 실제 구현을 담당하는 단계로 언급된다.

AI가 단순히 텍스트를 생성하는 것을 넘어, 도구를 사용하거나 복잡한 워크플로를 스스로 계획하고 실행하여 특정 목표를 완수하는 작업. 모델의 추론 능력과 효율성이 필수적이다.

AI가 특정 목표를 달성하기 위해 도구를 사용하고 계획을 수립하여 자율적으로 수행하는 작업. 모델의 추론 능력과 도구 활용 능력을 평가하는 핵심 지표로 사용된다.

LLM이 단순히 사용자의 질문에 답하는 것을 넘어, 특정 목표를 달성하기 위해 스스로 다음 행동(예: 추가 질문 던지기)을 결정하고 실행하는 자율적 워크플로 설계 방식이다.

AI 에이전트의 역할, 행동 지침, 사용할 도구 등을 정의한 설정 파일이다. 이 글에서는 CLAUDE.md와 같은 파일을 통해 프로젝트별로 일관된 에이전트 동작을 유도하는 용도로 사용된다.

AI가 단순한 도구를 넘어 워크플로 전체를 이해하고 도구 사용, 계획 수립, 실행을 자율적으로 수행할 수 있는 통합 작업 공간이다. 문맥이 유지되고 여러 도구가 체인처럼 연결되어 사용자가 단절 없이 목표를 달성할 수 있도록 지원하는 구조를 말한다.

LLM이 단순히 텍스트를 생성하는 것을 넘어, 도구를 사용하고 환경과 상호작용하며 목표를 달성하는 설정. 여기서는 체스 보드와 소통하며 게임을 진행하는 상황을 의미한다.

에이전트가 수집된 정보를 바탕으로 특정 행동을 실행할지, 아니면 아무런 조치도 취하지 않고 침묵할지를 판단하는 핵심 로직이다. 상시 가동형 시스템에서는 불필요한 알림이나 행동을 억제하는 능력이 시스템의 신뢰도를 좌우한다.

시스템이 주기적으로 특정 작업을 수행하거나 상태를 점검하기 위해 실행되는 반복 프로세스이다. 본문에서는 에이전트가 30분마다 스스로 시스템 상태를 확인하고 다음 행동을 결정하도록 만드는 트리거 장치로 활용됐다.

AI 에이전트가 작업을 수행하고 배포되는 실행 환경이다. 기업 워크플로 내에서 에이전트의 동작을 제어하고 관리하는 핵심 인프라 역할을 한다.

AI가 주어진 목표를 달성하기 위해 스스로 계획을 세우고 도구를 선택하여 실행하는 구조이다. 이 프로젝트에서는 서브레딧 데이터를 수집하고 분석하여 사용자에게 최적의 게시 전략을 제안하는 역할을 수행한다.

하네스 소스 코드를 탐색하고 실행 추적과 점수를 분석하여 더 나은 코드 구조를 스스로 제안하는 자율형 모듈이다. 최적화 루프 내에서 반복적인 실험과 수정을 자동화한다.

LLM이 도구 사용, 계획 수립, 자율적 실행 등을 수행할 수 있도록 지원하는 프레임워크나 환경을 의미한다. 모델이 단순히 텍스트를 생성하는 것을 넘어 복잡한 워크플로우를 처리하는 에이전트로 작동하게 만드는 핵심 구조이다.

AI 에이전트가 수행한 작업의 과정과 결과가 목표에 부합하는지 자율적으로 판단하고 평가하는 시스템이다. 강화학습 과정에서 정교한 보상 신호를 제공하여 에이전트의 논리적 오류를 줄이고 학습의 정확도를 높이는 역할을 한다.

대규모 언어 모델이 복잡한 작업을 수행하기 위해 수백 개의 하위 에이전트를 병렬로 관리하고 오케스트레이션하는 시스템이다. 모델이 스스로 작업을 분할하고 실행하여 대규모 코드베이스 마이그레이션과 같은 복잡한 태스크를 자동화한다.

소프트웨어 개발과 운영의 통합을 담당하는 특화된 AI 에이전트로, 주로 인프라 설정, 빌드, 배포 자동화 및 클라우드 환경 관리를 수행한다. 이 영상에서는 Google Cloud Run 배포를 담당한다.

사용자의 컴퓨터 운영체제 수준에서 파일 생성, 수정, 실행 등 로컬 작업을 직접 수행할 수 있는 AI 에이전트이다. 단순 텍스트 응답을 넘어 실제 파일 시스템과 상호작용하며 복잡한 워크플로를 자동화하는 데 핵심적인 역할을 수행하여 생산성을 극대화한다.

단일 응답으로 끝나지 않고 복잡한 목표를 달성하기 위해 여러 단계의 추론과 행동을 계획하고 실행하는 AI 시스템이다. 각 단계에서 도구 사용 여부를 결정하고 중간 결과를 바탕으로 다음 행동을 수정한다.

Segmenter Agent는 원고를 논리적 주제 단위로 분할해 각 세그먼트에 맞춘 검증 예산을 할당하는 구성 요소이다. 입력 원고 → 의미 기반 세그먼트 생성 → 각 세그먼트 난이도 평가 → 복잡도에 따라 compute 예산을 동적으로 배분하는 흐름을 따른다. 이 방식은 이론·증명처럼 고난도 구간에 더 많은 추론 토큰을 집중시켜 검증 효율을 높인다.

사용자가 명시적으로 명령하지 않아도 배경에서 지속적으로 작동하며 필요한 정보를 수집하거나 작업을 수행하는 AI 에이전트이다. 인간의 개입을 최소화하면서 업무 흐름을 보조하는 미래형 에이전트 모델이다.

LLM이 자율적으로 도구를 사용하고 계획을 세워 복잡한 작업을 수행할 수 있도록 감싸는 외부 제어 구조 또는 프레임워크입니다. 루프 실행, 상태 관리, 도구 호출 인터페이스 등을 제공하여 모델이 에이전트로서 동작하게 돕습니다.

AI 에이전트를 단순한 챗봇이 아닌 워크플로, 메모리, 도구 사용을 관리하는 하나의 운영체제처럼 구조화한 시스템이다. 반복적인 작업을 스킬로 정의하고 이를 자동화하여 복잡한 비즈니스 로직을 수행할 수 있게 한다.

발생한 오류와 최근의 코드 변경점(Git Diff)을 대조하여 실제 인과관계가 있는지 분석하는 LLM 기반 에이전트이다. 단순한 통계적 이상 탐지를 넘어 변경된 파일의 성격(런타임 vs 문서)을 구분함으로써 자동 수정 프로세스의 정확도를 높인다.

최종 사용자나 클라이언트에게 제공되는 실제 서비스용 AI 에이전트이다. 빌더 에이전트에 의해 지속적으로 개선되고 유지보수되는 대상이며, 특정 도메인의 작업이나 도구 사용을 수행하는 최종 결과물이다.

사용자 인터페이스(UI) 없이 백그라운드에서 실행되는 AI 에이전트이다. 스크립트나 다른 프로그램에 의해 프로그래밍 방식으로 호출되어 특정 작업을 수행하며, 자동화된 파이프라인 구축에 필수적인 요소이다.

저장된 데이터를 분석하여 상위 수준의 통찰력을 도출하기 위해 호출하는 API 지점이다. 수집된 개별 이벤트를 종합하여 패턴을 인식하거나 미래 전략을 추론하는 '자기 성찰(Reflection)' 기능을 수행한다.

AI가 단순 답변을 넘어 외부 플랫폼과 연동하여 식당 예약과 같은 특정 과업을 자율적으로 수행하는 흐름이다. 사용자의 의도를 파악한 뒤 파트너사 API를 호출하여 실제 액션까지 완료하는 능력을 의미한다.

LLM이 목표 달성을 위해 도구 사용, 추론, 실행 과정을 거치는 일련의 시스템 구조이다. 각 단계의 입력값이 정확해야 최종 결과의 신뢰성을 보장할 수 있다.

여러 AI 에이전트나 도구들의 실행 순서를 결정하고 조율하는 상위 시스템이다. 수많은 후보(파일, ID, 레코드 등) 중 정확한 대상을 선택하여 하위 에이전트에게 전달하는 신뢰성이 시스템 전체 성능을 결정한다.

텍스트뿐만 아니라 이미지, 비디오 등 다양한 형태의 데이터를 활용하여 정보를 탐색하고 문제를 해결하는 AI 에이전트 기술이다. 단순한 검색을 넘어 시각적 단서를 바탕으로 다음 검색 단계나 도구 사용을 스스로 결정하는 능력이 핵심이다.