영상 링크: Everything You Thought About Building AI Agents is Wrong
채널명: Cole Medin
AI 에이전트 구축에 대해 알고 있던 모든 것이 틀렸다 핵심 요약
- 최근 AI 에이전트 관련 화두는 대부분 코딩 어시스턴트에 집중되어 있으며, Langchain, N8N, Pantic AI와 같은 프레임워크 기반 에이전트 구축이 주목받지 못하고 있음
- 기존에는 프레임워크를 선택하고, 도구(Tool) 정의, RAG(Retrieval-Augmented Generation) 구성, 에이전트 루프(상태 및 메모리 관리) 설정이 일반적이었음
- 대다수 에이전트 구축이 여전히 프레임워크를 기반으로 하나, Claude Agent SDK나 CodeEX SDK 등 배터리 포함(ready-made) SDK를 활용해 더 쉽게 구축하는 사례가 증가 중임
- 배터리 포함 SDK를 사용할 경우 프롬프트, 도구, 대화 기록 관리 등 핵심 기능이 내장돼 코드 및 인프라 구성의 복잡성이 현저히 줄어듦
- Claude Agent SDK 활용 사례로 ‘세컨드 브레인(Second Brain)’ 구축 예시 제시, 일일 반영 및 메모리 관리 등 고급 기능 구현도 용이함
- SDK 방식은 구현이 매우 쉽고 쓸만하지만, 속도 · 비용 · 유연성 한계 존재(속도가 느리고, 토큰 소모 및 비용 부담, 비결정성)
- 다수 사용자, 초고속 응답, 세밀한 관리가 필요한 프로덕션 환경에서는 여전히 프레임워크 활용이 더 적합하며, 비용·토큰 효율성이 뛰어남
- 최신 프레임워크에서도 ‘스킬(skills)’과 MCP 서버 등 현대적 에이전트 기능을 직접 추가할 수 있는 방안을 소개함
- SDK 방식 또는 프레임워크 선택은 ‘누가 사용할 것인가’와 ‘속도·스케일 요구사항’ 등 핵심 질문 2개로 결정 가능
- RAG(추론 기반 검색)는 소규모 지식엔 파일 검색, 대규모 지식엔 여전히 핵심이며, 그래프 RAG·agentic RAG 등 새로운 기법이 등장; 대표적 코딩 에이전트도 내부적으로 hybrid RAG 전략을 병행함
세부 요약 - 주제별 정리
최근 AI 에이전트 시장에서 코딩 어시스턴트가 중심이 되었음을 강조함
- 현재 YouTube, LinkedIn 등 미디어에서 AI 코딩 어시스턴트 외의 주제(예: Langchain, N8N, Pantic AI 기반 구축)는 드물게 다뤄지고 있음
- 영상 제작자 본인 또한 최근에는 코딩 어시스턴트 활용법에 집중함을 언급
- 많은 코딩 어시스턴트가 자체 SDK를 제공하기 시작해, 이를 기반으로 사용자 정의 에이전트 구축이 용이해짐
- “프레임워크는 더 이상 필요 없다”는 분위기가 확산되고 있음을 지적
프레임워크 기반 ‘전통적’ 에이전트 구축 방식을 상세히 설명함
- 2024~2025년 기준으로 대부분의 에이전트는 아래 순서로 구축됨
- 본인이나 조직에 익숙한 프레임워크(Langchain, N8N, Pantic AI 등) 선택
- 에이전트가 사용할 도구(예: 파일 탐색, 인박스 접근 등) 직접 정의
- 대다수 에이전트가 RAG(추론 기반 검색)를 필수적으로 포함
- 문서 청킹(chunking), 임베딩(embedding), 검색(retrieval) 전략 구체적으로 설계
- 에이전트 루프(상태 및 메모리 관리): 대화 저장, 세션 관리 등 모든 관리 직접 구성
- 예시로 PostgreSQL 데이터베이스로 메모리/문서 청크 관리(예시: Neon 사용)
- 프레임워크 기반 구축에는 상당한 ‘glue code’와 복잡한 인프라 설계 필요
배터리 포함 SDK 사용 시 장점과 구체적 예시(Claude Agent SDK)를 소개함
- Claude Agent SDK, CodeEX SDK 등은 프롬프트, 도구, 대화 이력 관리, 스킬, MCP 서버 등 필수 기능을 이미 내장
- 자체 데이터베이스에 대화 기록 저장 불필요, 코드 양도 획기적으로 감소
- 분기·권한 설정, 시스템 프롬프트 구성 및 외부 도구(Sub-agent, MCP Server, Skills) 쉽게 통합 가능
- TypeScript 한 파일 내에서 전체 에이전트 논리를 구현하는 예시 코드 제시
- SDK 기반 구축은 코드량이 더 적으면서, 기존(구현 직접) 방식보다 더 많은 기능 내장 가능
SDK 기반 구축의 최고 사례로 세컨드 브레인 시스템을 소개함
- Claude Agent SDK를 활용하여 본인만의 세컨드 브레인(Second Brain, 참고: OpenClaw 영감) 시스템을 완성함
- 모든 외부 통합 및 개인화 업무(메모리 적층, 일일 반성 기능 등)를 자동화
- Claude Code 활용, 일상적 기록부터 프로젝트 관리, 자기주도적 학습까지 폭넓게 지원
- Dynamis 커뮤니티에서 Claude Agent SDK 기반 세컨드 브레인 구축 워크샵 진행(일정 및 세부 내용도 안내)
SDK의 편리함에도 불구하고 근본적 한계가 있다는 점을 세 가지로 정리함
- 첫째, SDK는 내장 기능이 많아 reasoning overhead로 인해 속도가 크게 느림(최대 응답까지 10초 이상 소요 가능)
- 둘째, 기능이 복잡하게 내장되어 토큰 소모 심각 → 운영비 및 API 비용 폭증
- 셋째, 프레임워크에 비해 결정성이 낮고 직접적인 세밀한 시스템 제어(예: 메시지 이력 저장) 한계 있음
프로덕션 환경(대규모, 다중 사용자, 고속 응답)에서는 프레임워크 방식이 여전히 권장됨
- 프레임워크(Pantic AI, Langraph 등)는 sub-second 응답, 최적 비용, 최대 유연성, 세부 관찰·관리(옵저버빌리티) 제공
- 과금/토큰 정책: 배터리 포함 SDK는 개인 사용만 구독 연동 가능, 프로덕션(여러 명 사용)에서는 API키 직접 결제 필요(비용 폭증 위험)
- 대규모 프로덕션에는 프레임워크 기반 DevOps가 최선임을 경험적으로 강조
최신 프레임워크에서도 ‘스킬’, MCP 서버 기능을 직접 통합할 수 있음을 실제코드로 시연함
- 기존에 부족했던 ‘스킬’ 등 최신 기능, 직접 프레임워크에 추가하는 방법 시연
- skill.md 파일 구조, 동적 시스템 프롬프트(사용가능 스킬 동적 로딩), API 연동 등 구체적 구현 방법 설명
- 단순 CLI에서 “뉴욕 날씨를 알려줘” 등 요청 시, 수 초 내 응답; SDK 방식 대비 속도 압도적 우위
- AI 코딩 어시스턴트의 활용으로 자체 프레임워크 에이전트 구축도 쉬워짐
SDK와 프레임워크 선택 기준을 두 가지 단순 질문으로 정리함
- “이 에이전트를 누구(몇 명)가 사용할 것인가?”
- “속도/스케일에 대한 요구 수준이 어느 정도인가?”
- 1명(혹은 소규모), 일부 딜레이 허용 시: SDK 적극 추천(Claude Agent SDK, CodeEX SDK 등)
- 다수, 빠른 속도, 확장성이 중요할 경우: 반드시 프레임워크(예: Pantic AI, Langraph 등) 활용
- 테스트 목적으론 SDK, 서비스 고도화/확장 시 프레임워크로 전환하는 전략도 제시
2024~2025년 기준 RAG의 변화 및 최신 현황 설명
- 2024년까지 거의 모든 에이전트가 RAG(벤터 DB, 임베딩 기반 시맨틱 검색) 활용이 상수였음
- 2025년 들어 file search(일반 grep 등)에 더 많이 의존하는 경향이 증가, 대표 코딩 에이전트들도 벡터 데이터베이스 대신 file search로 전환
- Llama Index 등의 연구에서 small corpus 상황에선 file search 성능이 RAG/시맨틱 검색보다 더 뛰어남을 입증
- 대형 지식 기반에서는 여전히 시맨틱 RAG가 더 정확하고 비용 효율적임
- Agentic RAG(하나의 에이전트/프레임워크에서 RAG, file search, keyword search 모두 활용), Graph RAG(대규모 코드베이스 간 연결) 등 새로운 전략 부상
- 대부분 AI 코딩 에이전트/세컨드 브레인은 file search + RAG 혼합 전략 채택; 직접 RAG 파이프라인 구성도 여전히 빈번
최종 결론: 각 쓰임새와 스케일에 맞는 도구·전략 선택의 중요성을 강조함
- 간단한 테스트·개인용엔 SDK, 실제 서비스·프로덕션엔 프레임워크가 적합
- 현대적 AI 에이전트 구축에 있어 기술적 진화(스킬, MCP 등), RAG 패러다임 변화, 지식베이스 규모별 접근 전략의 유연한 선택이 중요
- 영상 내용은 각 방법론의 실전적 결정을 내릴 수 있는 명확한 기준을 제공함