핵심 용어사전

에이전트가 어떤 작업을 수행할 수 있는지 제어하는 다계층 보안 체계. 무단 실행을 방지합니다.

에이전트가 사용자 입력 → LLM 추론 → 도구 실행 → 결과 확인을 반복하는 핵심 실행 구조입니다.

에이전트가 외부 기능(파일 읽기, 웹 검색, 코드 실행 등)을 호출하는 메커니즘. 에이전트의 '손과 발'입니다.

대화가 끝나도 유지되는 장기 기억 저장소. 사용자 선호, 프로젝트 컨텍스트 등을 파일로 저장합니다.

에이전트의 실행 환경을 격리하여, 시스템 전체에 영향을 주지 못하도록 제한하는 보안 메커니즘입니다.

메인 에이전트가 복잡한 작업을 위임하기 위해 생성하는 하위 에이전트. 독립된 컨텍스트에서 작업합니다.

에이전트가 특정 도메인의 작업을 수행하기 위한 지식과 절차를 담은 재사용 가능한 지시문 패키지.

에이전트의 성격, 능력, 규칙을 정의하는 초기 지시문. 사용자에게는 보이지 않지만 모든 응답에 영향을 줍니다.

여러 에이전트가 서로 직접 소통하며 협업하는 구조. 각자의 전문 영역에서 작업하고 결과를 공유합니다.

에이전트가 로컬이 아닌 원격 서버에서 작업을 수행하는 구조. 브릿지를 통해 로컬과 원격을 연결합니다.

컨텍스트 윈도우를 시스템 프롬프트, 대화 기록, 도구 결과 등에 어떻게 배분할지 관리하는 전략입니다.

컨텍스트 윈도우가 가득 찰 때, 이전 대화를 요약하여 공간을 확보하는 기술입니다.

LLM이 한 번에 처리할 수 있는 텍스트의 최대 크기(토큰 수). 이 안에 대화 기록, 도구 결과, 시스템 프롬프트가 모두 들어가야 합니다.

멀티 에이전트 시스템에서 작업을 분배하고, 진행 상황을 추적하며, 결과를 종합하는 조율자 역할의 에이전트.

에이전트의 작업을 생성, 추적, 완료 처리하는 구조화된 작업 관리 시스템입니다.

LLM이 텍스트를 처리하는 최소 단위. 대략 영어 단어 1개 ≈ 1~1.5토큰, 한국어 1글자 ≈ 2~3토큰입니다.

에이전트들이 순차적으로 작업을 넘기는 패턴. A의 출력이 B의 입력이 되는 구조입니다.

소스 코드나 텍스트 파일의 특정 부분을 찾아서 교체하는 도구. 전체 파일을 다시 쓰지 않고 정밀한 수정이 가능합니다.

하나의 작업을 여러 에이전트에게 동시에 분배(팬아웃)하고, 결과를 모아(팬인) 종합하는 병렬 처리 패턴.

LLM에게 원하는 결과를 얻기 위해 입력(프롬프트)을 설계하고 최적화하는 기술입니다.

에이전트의 기능을 확장하는 모듈. 설치/제거가 자유롭고, 에이전트에 새로운 능력을 추가합니다.

에이전트의 특정 이벤트(도구 실행 전후, 응답 생성 후 등)에 사용자 정의 코드를 끼워넣는 확장 포인트입니다.

단순한 질의응답을 넘어, 목표를 달성할 때까지 스스로 도구를 사용하고 판단하는 자율적인 AI 시스템입니다.

외부 서비스(LLM API 등)에 접근하기 위한 인증 토큰. 절대 코드에 하드코딩하면 안 되는 민감 정보입니다.

터미널 명령어를 실행하는 도구. 가장 강력하지만 위험하기도 해서, 가장 엄격한 보안 검증을 거칩니다.

React 컴포넌트로 터미널 UI를 만들 수 있게 해주는 프레임워크. Claude Code의 터미널 인터페이스에 사용됩니다.

도구의 매개변수 구조를 정의하는 표준 형식. LLM이 어떤 값을 넣어야 하는지 이해하는 데 사용됩니다.

대규모 텍스트 데이터로 학습된 AI 모델. 에이전트의 '두뇌' 역할을 하며, 자연어를 이해하고 생성합니다.

AI 에이전트가 외부 데이터 소스와 도구에 접근하기 위한 개방형 표준 프로토콜. Anthropic이 제안했습니다.

모든 도구가 따라야 하는 공통 규약. 이름, 설명, 매개변수 스키마, 실행 함수를 포함합니다.