Just do it. (let your tools think for themselves) - Robert Chandler

영상 링크: Just do it. (let your tools think for themselves) - Robert Chandler
채널명: AI Engineer

그냥 실행하라. (도구에게 스스로 생각할 시간을 주라) 핵심 요약

• 영상의 제목은 “그냥 실행하라. (도구에게 스스로 생각할 시간을 주라)”이며, Wordware의 공동창립자이자 CTO인 로버트 챈들러가 AI 에이전트와 도구 설계에 대한 인사이트를 공유함
• AI 에이전트의 핵심 약속은, 사용자를 대신해 실제 세계에서 자동화된 작업을 신뢰성 있게 수행한다는 것이나, 실제론 속도와 신뢰도, 효율성 면에서 많은 한계에 부딪힘
• 기존 MCP(Multi-Channel Platform) 에이전트는 API를 래핑만 하여 언어모델에 부적합하며, 대용량 JSON 응답 등으로 맥락 오염(context pollution)과 느린 처리 속도의 원인이 됨
• 여러 도구와의 시퀀스 또는 반복적 기능 호출, 멀티툴 페이징, 인증 복잡성 등으로 인해 LLM(대형언어모델) 에이전트의 추론 난이도 및 맥락 관리가 크게 어려워짐
• 실제 예시로, 슬랙(Slack) 메시지를 보내는 간단한 작업조차 기존 MCP 구조에선 5분이나 걸리고, 부정확한 결과를 초래한 사례를 소개함
• 해결방안으로 로버트는 “도구에 더 많은 에이전시(자율성)”를 부여하여, 단순 API 래퍼가 아닌 전문화된 팀처럼 설계할 것을 제안함
• 즉, 각 도구가 스스로 ‘생각’하여 고품질의 결과를 내놓는 구조로 전환하고, 자연어 API로 쉽게 활용할 수 있게 만듦
• Wordware의 새로운 MCP Toolbox 데모를 통해, 여러 역할의 도구를 모듈 단위로 묶고, 에이전트가 실질적 업무의 일부를 파워풀하게 위임할 수 있음을 구체적으로 시연함
• 노션(Notion), 트위터(Twitter) 등 외부 도구와의 통합, 경쟁사 분석 자동화 플로우 등 실제 활용 케이스를 보여주며, 반복 가능·정확도 높은 특화 결과물을 생성하는 방식을 강조함
• 최종적으로, 에이전트와 도구의 경계가 ‘팀 내 전문가 그룹’처럼 흐려지면서, 사용자는 최소한의 개입으로도 복잡한 자동화와 인사이트를 얻게 됨

세부 요약 - 주제별 정리

기존 AI 에이전트는 실제 자동화에서 느리고 신뢰도가 떨어진다는 점이 드러남

• AI 에이전트는 사용자를 대신해 실제 세계에서 행동을 취함으로써 모든 맥락을 이해하고 데이터를 원하는 곳으로 전달하는 것을 목표로 함
• 이상적으론 사용자가 원하는 작업 전체를 자동화할 수 있지만, 실제론 다루기 어렵고 실패가 잦음
• 속도가 느리고(예: 단순 Slack 메시지가 5분 소요), 비용이 높으며, 신뢰도가 떨어지는 경우가 많음
• MCP(Multi-Channel Platform)는 여러 작업과 도구를 연결하지만, 실사용에서 불편함과 한계를 드러냄

기존 MCP 도구 구조는 언어모델에 적합하지 않으며, 맥락 오염과 비효율을 낳음

• 대부분의 MCP 도구는 기존 프로그래밍을 위해 만들어진 API를 그대로 래핑한 단순 함수 형태
• 이러한 구조는 대용량의 JSON 데이터를 반환하게 되고, 이는 LLM 내부의 컨텍스트 윈도우를 오염시킴
• LLM이 여러 번에 걸쳐 다양한 도구를 시퀀스로 연결하면, 각 도구의 출력물이 더욱 복잡하고 불필요한 맥락을 누적
• 예를 들어, Slack 연동 MCP를 붙이면 한 번에 8개 도구, Notion을 붙이면 추가로 20개 이상의 도구가 한꺼번에 맥락에 개입함

반복적 페이지네이션(multi-tool pagination)과 인증 등 추가적인 복잡성이 문제를 가중시킴

• API 결과가 페이지 단위로 나누어질 경우, 결과를 원하는 만큼 얻을 때까지 반복적으로 호출해야 하고 이는 LLM의 추론 체인(Chain of Thought)을 더 복잡하게 만듦
• 인증 문제도 자주 발생: API키 발급, 챗봇 권한 생성 등 번거로운 절차가 필요
• 여러 툴이 동시에 연결되면, 각 툴마다 별도의 인증 상태와 맥락 관리가 요구되어 불편이 심화됨

간단한 작업조차 기존 구조에서는 비효율적이며, 예시를 통해 이를 강조함

• MCP와 Slack을 연동해 “Philip에게 메시지 보내기”를 시도했으나, 사용자가 아닌 일반 채널에 메시지가 가는 등 의도와 다른 결과 발생
• Slack 채널의 사용자 전체 목록과 채널 목록을 가져오고, 실제로는 일반 채널에 “Philip에게 MCP가 멋지다고 전해달라”는 방식으로 메시지를 남김
• 결과적으로 단순한 하루 업무가 과도한 시간과 복잡성을 요함

도구를 단순 래퍼가 아닌 ‘스스로 생각하는’ 전문가형 구성원으로 진화시켜야 함을 주장함

• 기존 방식은 도구가 “작고 단순한 스패너”만을 쥔 T-Rex나 잡다한 잔도구를 들고 있는 Inspector Gadget에 비유됨
• 앞으로의 도구 설계는 ‘어벤져스’ 팀처럼 각기 다른 전문성을 가진 캐릭터(예: 힘을 내는 헐크, 빠르고 정확한 호크아이, 범용적이고 유능한 아이언맨 등)들이 역할을 나누는 구조로 전환해야 함
• 이로써 에이전트와 도구의 경계가 흐려지고, 복잡한 작업을 도구에 적극 위임할 수 있게 됨

자연어 기반 단순 API와 재사용·신뢰성 높은 출력 구조가 핵심임

• 에이전트가 사용할 때, 각 도구가 자연어로 간편하게 호출될 수 있어야 하며, 결과물은 고품질·반복 가능·일관성 있는 형식으로 나와야 함
• 도구들이 상호기능적이며, 특정 업무마다 맞춤형 전문화된 출력을 낼 수 있도록 설계함
• 이러한 구조는 여러 에이전트가 같은 도구를 동시에 사용할 때에도 유용함

Wordware의 MCP Toolbox 데모를 통해 실질적인 해결책을 제시함

• Wordware의 MCP Toolbox를 활용해, 각 에이전트 또는 워크플로마다 관련 도구들을 자유롭게 추가·제거할 수 있는 구조를 시연
• 예시로 “경쟁사 분석(Competitor Analysis)”이라는 도구를 추가, 해당 도구는 트위터에서 경쟁사 관련 트윗을 스크래핑하고, 원하는 분석 포인트를 상세하게 설정할 수 있음
• 분석결과는 Notion 페이지에 자동으로 업로드되어, 잘 정돈된 요약정보가 링크와 함께 저장됨
• 다양한 도구(예: Twitter, Notion 등)를 하나의 툴박스에 추가하여 목적에 따라 스위칭 가능

경쟁사 분석 자동화 플로우의 실제 시연으로 구체적 성공 사례를 설명함

• 데모 플로우: “Anthropic AI에 대해 경쟁사 분석 생성”을 Wordware 도구로 구동하고, Claude(LLM 기반 챗봇)에 해당 툴을 연결
• 사용자 확인 후 실시간으로 분석이 이뤄지고, 결과 링크를 클립보드로 복사 가능
• 링크를 누르면 Notion 페이지에 키 트윗들을 기반으로 한 상세 분석이 자동 포맷으로 정리됨
• 반복 가능하며, 각 요청마다 동일한 포맷과 기준으로 안정적인 결과 제공

“에이전트-도구” 구분의 해체와 전문화된 워크플로 설계의 중요성을 강조함

• 한 에이전트가 도구를 적극 활용해 ‘전문가에게 업무 위임’하듯 행동하며, 복잡한 작업도 간단하고 신뢰성 있게 자동화 가능
• 기존 ‘에이전트 vs 도구’의 전통적 구분이 사라지고, 유동적으로 역할을 확장/축소할 수 있는 “전문가 팀” 구조 등장
• 사용자 관점에서, 단순히 외부 도구를 추가하는 것만으로도 고도화된 자동 워크플로 구축 가능

Wordware MCP Toolbox로 누구나 쉽게 에이전트 기반 자동화 워크플로를 설계할 수 있음을 마무리함

• 도구 조합과 플로우 설계를 원하는 대로 확장할 수 있어, 각 기업/팀의 필요에 맞춘 맞춤형 자동화가 쉬워짐
• 에이전트가 모든 도구를 넘나들면서 반복적이고, 구체적이며, 신뢰성 높은 업무를 대행하도록 진화함
• 앞으로 MCP와 도구 설계는 더욱 자연어 중심, 전문가 중심, 맞춤형 구조로 진화할 전망임