Agentic AI: Theories .. 소개 1장
Agentic AI: Theories and Practices
Agentic AI: Theories and Practices 소개
1장 목차
1 The Genesis and Evolution of AI Agents1Ken Huang
1.1 Defining AI Agent
1.2 The Historical Trajectory of AI Agents
1.3 Taxonomy of AI Agents8 1.3.1 Reactive Agents
1.3.2 Deliberative Agents
1.3.3 Hybrid Agents
1.3.4 Learning Agents
1.3.5 Cognitive Agents
1.3.6 Collaborative Agents
1.3.7 Competitive or Adversarial Agents
1.3.8 Vertical Agent or Domain-Specific Agents
1.4 Technological Drivers of the AI Agent Renaissance
1.5 Example Projects on AI Agent
1.6 Summary
1.7 Questions
References
요약
1. The Genesis and Evolution of AI Agents
1.1 Defining AI Agent
AI 에이전트는 환경을 인식(Perception)하고, 내부 지식·규칙·데이터 분석에 기반한 의사결정(Reasoning)을 내리며, 목표 달성을 위해 행동(Action)을 수행하는 자율적인 소프트웨어 또는 하드웨어 시스템입니다.
단순 자동화 시스템과 달리 상황 변화에 적응할 수 있으며, 목표 지향성과 학습 능력을 갖출 수 있습니다.
물리적 로봇부터 클라우드 기반 소프트웨어, LLM 기반 대화형 어시스턴트까지 범위가 넓습니다.
핵심 속성에는 자율성(Autonomy), 반응성(Reactivity), 사회성(Social Ability), 지속성(Persistence)이 있습니다.
이 정의는 이후 기술적 발전, 산업 적용, 윤리적 논의의 공통 토대가 됩니다.
1.2 The Historical Trajectory of AI Agents
AI 에이전트의 기원은 1950~60년대의 기호주의(Symbolic AI)와 규칙 기반 전문가 시스템에 있습니다.
1980~90년대에는 상태 기계(FSM)와 BDI(Belief–Desire–Intention) 모델이 등장하며 계획·추론 중심의 구조가 발전했습니다.
2000년대에는 인터넷·API의 확산과 함께 웹 크롤러, 거래 봇, 네트워크 관리 에이전트가 상용화되었습니다.
2010년대에는 딥러닝·강화학습 기술이 접목되어 인식과 행동의 정밀도가 높아졌습니다.
2020년대 이후 LLM 기반 자연어 처리 능력과 멀티모달 처리 능력이 결합되며 범용성과 자율성이 비약적으로 확장되었습니다.
1.3 Taxonomy of AI Agents
1.3.1 Reactive Agents
환경 변화에 즉각 반응하며, 내부 상태 저장 없이 센서 입력→행동으로 직결됩니다.
속도가 빠르고 구조가 단순하지만 장기 계획과 학습에는 제한이 있습니다.
예: 로봇 장애물 회피 시스템, 단순 게임 NPC.
1.3.2 Deliberative Agents
내부 환경 모델을 기반으로 계획·추론을 수행합니다.
BDI 모델이 대표적이며, 복잡한 문제 해결에 강점이 있으나 반응 속도는 느릴 수 있습니다.
1.3.3 Hybrid Agents
Reactive와 Deliberative 방식을 결합하여 즉각성+계획성을 동시에 확보합니다.
자율주행차, 군집 드론 등 실시간성과 장기 전략이 모두 필요한 환경에 적합합니다.
1.3.4 Learning Agents
환경 피드백을 통해 스스로 성능을 향상시킵니다.
강화학습, 지도·비지도 학습 기법이 활용됩니다.
1.3.5 Cognitive Agents
인간 인지 과정을 모사해 추론, 기억, 계획, 학습을 통합적으로 수행합니다.
지식 집약적 작업과 휴먼–에이전트 협업에 강점이 있습니다.
1.3.6 Collaborative Agents
다른 에이전트 또는 인간과 협력하는 것을 전제로 설계됩니다.
정보 공유, 역할 분담, 공동 목표 달성이 특징입니다.
1.3.7 Competitive or Adversarial Agents
경쟁·대립 환경에서 최적 전략을 추구합니다.
게임, 금융 트레이딩, 사이버 보안 공격·방어 시뮬레이션 등에 활용됩니다.
1.3.8 Vertical Agent or Domain-Specific Agents
특정 산업·업무에 특화된 에이전트입니다.
예: 의료 진단, 보험 청구, 법률 문서 분석 등.
1.4 Technological Drivers of the AI Agent Renaissance
최근 AI 에이전트 부흥의 배경에는 다중 기술 발전이 있습니다.
LLM·NLP 혁신: 자연어 이해·생성이 가능해져 복잡한 지시 수행 가능
클라우드 컴퓨팅: 대규모 연산·데이터 처리 지원
IoT·센서 네트워크: 실시간 환경 데이터 수집 가능
멀티모달 AI: 텍스트·이미지·음성·영상 통합 처리
오픈소스 생태계: 개발 접근성과 확산 속도 향상
API·플러그인 생태계: 기능 확장·외부 시스템 통합 용이
1.5 Example Projects on AI Agent
Auto-GPT: 목표 설정 후 자율적으로 작업 계획·실행
LangChain: LLM 연결·체인 구성·외부 데이터 연동 지원
OpenAI Plugin 시스템: LLM과 외부 서비스·API 연결
Google DeepMind AlphaZero: 강화학습 기반 범용 게임 에이전트
Amazon Alexa, Google Assistant: 대화형 가상 비서
이 프로젝트들은 AI 에이전트의 기능적 스펙트럼과 산업 적용 가능성을 보여줍니다.
1.6 Summary
1장은 AI 에이전트의 정의, 발전 역사, 유형 분류, 기술 동인, 대표 사례를 체계적으로 제시합니다.
AI 에이전트는 단순한 자동화 툴을 넘어 자율적, 적응적, 목표 지향적 행위자로 자리 잡았음을 강조합니다.
이러한 발전은 산업·사회 구조 전반에 변화를 예고하며, 이후 장에서 다룰 경제, 비즈니스, 기술 설계 논의의 기반이 됩니다.
