각 요소란 무엇인가
AI 모델
여기서 AI 모델은 학습된 수학적 구성 요소입니다. 모델은 입력을 받아 예측, 생성된 텍스트 또는 요청된 도구 호출과 같은 출력을 생성합니다. 모델 자체만으로는 채팅 화면을 제공하거나, 애플리케이션 상태를 유지하거나, 외부 작업을 실행하지 않습니다. 이러한 기능은 모델 주변의 시스템이 담당합니다.
AI 챗봇
여기서 AI 챗봇은 주요 인터페이스가 대화인 애플리케이션입니다. 메시지를 받아 대화형 응답을 반환합니다. 백엔드는 하나의 모델 호출, 고정된 워크플로, 에이전트 또는 이들의 조합일 수 있습니다. “챗봇”이라는 말은 사용자가 제품과 상호작용하는 방식을 나타내는 것이지, 백엔드가 얼마나 자율적인지를 나타내는 것이 아닙니다.
AI 하네스
여기서 AI 하네스는 모델을 애플리케이션 안에서 사용할 수 있게 만드는 소프트웨어와 설정입니다. 프롬프트를 구성하고, 관련 컨텍스트를 불러오고, 도구를 노출하고, 도구 요청을 실행하고, 상태를 보존하고, 출력을 스트리밍하고, 권한을 적용하고, 실행을 중지해야 하는 시점을 결정할 수 있습니다.
이 용어의 의미는 아직 정착되는 중입니다. 일부 개발자는 “하네스”를 모델과 도구 사이의 루프를 구체적으로 가리키는 말로 사용합니다. 다른 개발자는 주변 애플리케이션 인프라 대부분을 포함하는 의미로 사용합니다. 어느 경우든 하네스는 학습된 모델의 외부에 있습니다.
AI 에이전트
여기서 AI 에이전트는 모델이 행동을 선택하고, 결과를 관찰하며, 다음에 무엇을 할지 선택하게 함으로써 목표를 추구하는 시스템입니다. 하네스는 이 과정을 실행하고 제약합니다. 에이전트는 도구를 사용하는 경우가 많으며, 사용자가 모든 단계를 일일이 지시하지 않아도 여러 단계에 걸쳐 작업할 수 있습니다.
보편적으로 합의된 자율성 기준은 없습니다. 실용적으로 유용한 판단 기준은 제어 흐름입니다. 모델이 중간 결과에 따라 다음 단계를 조정할 수 있다면 해당 시스템은 에이전트적(agentic)입니다. 코드가 전체 경로를 미리 고정한다면, 여러 모델 호출을 수행하더라도 워크플로라고 설명하는 편이 더 적절합니다.
실제 구분
각 용어는 서로 다른 질문에 답합니다.
- 모델: 입력을 출력으로 변환하는 학습된 구성 요소는 무엇인가?
- 챗봇: 사람이 시스템과 대화를 나누는 곳은 어디인가?
- 하네스: 모델 주변에서 컨텍스트를 제공하고, 작업을 실행하며, 제어를 적용하는 소프트웨어는 무엇인가?
- 에이전트: 목표를 추구하면서 일련의 행동을 선택하는 시스템은 무엇인가?
| Term | Kind of thing | Main responsibility | Can it affect an external system by itself? |
|---|---|---|---|
| Model | Learned component | Produce an output from an input | No. It can request or describe an action, but software must execute it. |
| Chatbot | Application and interface | Conduct a conversation | It depends on its backend. A simple chatbot only responds; an agentic chatbot can act. |
| Harness | Software control and execution layer | Prepare model calls, run allowed tools, manage state, and enforce rules | It performs configured operations, but does not supply the model’s judgment or goal by itself. |
| Agent | Goal-directed system | Select and perform steps based on observations | Yes, within the tools, permissions, and approval rules its harness provides. |
이 범주들은 서로 중첩될 수 있습니다. 챗봇은 하네스를 사용해 모델을 호출할 수 있습니다. 모델이 목표를 향한 도구 루프를 지시할 수 있다면, 같은 제품 안에 에이전트도 포함됩니다. 반대로 에이전트는 챗봇 없이 API 요청, 일정 또는 이벤트를 통해 실행될 수도 있습니다.
하나의 요청, 네 가지 역할
다음과 같이 입력한다고 가정해 보겠습니다. “배송을 금요일로 변경하고 변경 사항을 확인해 줘.”
이 챗봇은 메시지를 받고 응답을 보여 줍니다. 모델은 요청을 해석하고 주문을 조회해야 한다고 판단할 수 있습니다. 하네스는 모델 입력을 구성하고, 주문 조회 도구를 제공하며, 요청된 호출을 검증하고, 이를 실행한 다음 결과를 반환합니다.
금요일에 배송이 불가능하다면 에이전트가 조정할 수 있습니다. 다른 날짜를 확인하고, 선택해 달라고 요청하고, 답변을 기다리고, 승인 후 배송을 변경한 다음, 새 날짜를 확인할 수 있습니다. 모델은 관찰 결과를 바탕으로 이러한 다음 단계를 선택합니다. 실제로 배송 시스템을 호출하고 권한 규칙을 적용하는 것은 하네스입니다.
에이전트적이지 않은 챗봇도 이 요청을 처리할 수 있습니다. 하드코딩된 대화 양식을 따르거나, 사용자가 직접 날짜를 변경하는 방법을 설명하기만 할 수도 있습니다. 대화 기능만으로는 에이전시 여부를 판단할 수 없습니다.
각 구분이 중요한 경우
모델이 중요한 경우
생성된 출력의 품질과 형태를 비교할 때는 모델에 주목하세요. 어떤 입력을 받는지, 지시를 얼마나 안정적으로 따르는지, 평가에서 어떻게 동작하는지 등을 살펴볼 수 있습니다. 모델을 변경하면 제품의 인터페이스나 실행 설계를 바꾸지 않고도 의사결정을 개선하거나 변경할 수 있습니다.
챗봇이 중요한 경우
문제가 대화 사용성에 관한 것이라면 챗봇에 주목하세요. 메시지 기록, 발화 순서, 명확화, 어조, 접근성, 사람에게 인계하는 기능은 챗봇의 관심사입니다. 백엔드가 뛰어나더라도 상호작용이 혼란스럽다면 챗봇으로서는 좋지 않을 수 있습니다.
하네스가 중요한 경우
문제가 안정성, 컨텍스트, 도구, 상태, 보안 또는 관측 가능성과 관련 있다면 하네스에 주목하세요. 단순히 모델에게 그렇게 하라고 지시하는 것만으로 모델이 자체 권한을 적용할 수는 없습니다. 하네스는 사용 가능한 작업을 제한하고, 호출을 검증하고, 승인을 요구하고, 결과를 기록하며, 안전하지 않거나 폭주하는 실행을 중지해야 합니다.
같은 모델도 두 하네스 아래에서 매우 다르게 동작할 수 있습니다. 보게 되는 컨텍스트, 제공받는 도구, 행동 후 받는 피드백이 서로 다르기 때문입니다.
에이전트가 중요한 경우
한 번의 응답을 생성하는 것이 아니라 경로를 선택하고 수정해야 하는 작업이라면 에이전트에 주목하세요. 중간 결과가 다음 단계를 결정하는 개방형 작업에는 에이전시가 유용합니다. 하지만 실패할 수 있는 방식도 늘어납니다. 초기의 잘못된 행동이 이후의 상황을 바꿀 수 있으므로 도구 제한, 검증 및 사람의 승인이 중요합니다.
사람들이 흔히 혼동하는 것
챗봇은 모델과 동일하지 않다
챗봇은 제품의 인터페이스와 애플리케이션 동작입니다. 모델은 그 뒤에 있는 구성 요소 중 하나입니다. 하나의 챗봇이 여러 모델 사이에서 요청을 라우팅할 수 있고, 하나의 모델이 서로 무관한 여러 제품을 구동할 수 있습니다.
채팅 창이 있다고 해서 에이전트가 있다는 뜻은 아니다
하나의 모델 응답도 채팅 말풍선으로 표시될 수 있습니다. 반대로 에이전트는 대화 없이 백그라운드에서 실행될 수 있습니다. 채팅은 인터페이스를 설명하고, 에이전시는 시스템이 작업을 추구하는 방식을 설명합니다.
도구에 접근할 수 있다는 사실만으로는 에이전트 여부를 결정할 수 없다
고정된 프로그램은 모든 요청 뒤에 항상 같은 도구를 호출할 수 있습니다. 이는 자동화이지만, 모델이 그 과정을 지시하는 것은 아닙니다. 더 강한 판단 기준은 모델의 출력이 다음에 어떤 행동이 일어날지를 결정하는지, 그리고 관찰 결과가 계획을 바꿀 수 있는지입니다.
하네스는 모델 내부의 지능이 아니다
하네스에는 상당한 로직이 포함될 수 있지만, 그렇다고 학습된 모델의 일부가 되는 것은 아닙니다. 하네스는 모델이 보고 수행할 수 있는 일을 결정하고, 요청을 실행하며, 결정론적 제어를 적용합니다. 이 경계를 명확히 유지하면 실패를 더 쉽게 진단할 수 있습니다. 잘못된 결정은 모델의 문제일 수 있지만, 잘못된 도구 결과나 누락된 승인 확인은 시스템의 문제입니다.
“에이전트적 챗봇”은 모순이 아니다
제품은 두 가지 모두일 수 있습니다. 대화가 인터페이스이므로 챗봇이고, 백엔드가 사용자의 목표를 향해 여러 단계를 선택하고 실행할 수 있으므로 에이전트적입니다.
각 요소가 연결되는 방식
일반적인 구성은 다음과 같습니다.
user → chatbot surface → harness → model
↕
tools and data모델이 도구 결과를 사용해 목표를 향한 추가 행동을 선택할 때, 모델과 하네스 및 사용 가능한 도구가 함께 에이전트를 구성합니다. 챗봇은 그 위에 놓이는 선택적 인터페이스로 남습니다.
AI 모델AI 모델, AI 챗봇, AI 하네스 및 AI 에이전트에 대한 자세한 내용은 각 구성 요소 페이지를 참조하세요. 모델이 행동을 제안하는 것과 하네스가 이를 실행하는 것의 경계를 알아보려면 LLM에서 도구 사용이란 무엇인가요?로 계속 진행하세요.