AI 에이전트 엔지니어링(한빛미디어) | 서평

기술 서적에 대한 서평을 남기기 위해 평소 개인 공부 목적으로 볼 때보다 다소 더 꼼꼼하게 읽었다. 특히 소프트웨어 엔지니어로서 공식 문서를 많이 보고, 이미 익숙한 기술에 대한 기술 서적과 방법론 등에 대한 서적들을 보다가, 오랜만에 베이스가 없는 AI 분야의 기술 서적을 읽으니 주니어로 돌아간 듯한 기분이 들었다.

본격적인 서평으로 들어가며,

‘에이전트’라는 모호한 경계를 명확히 하다

‘에이전트’라는 용어가 널리 쓰일수록, 아이러니하게도 그 개념의 경계는 점점 불분명하고 모호해지는 느낌을 받았다. 챗봇도 에이전트라 불리고, 단순 자동화 스크립트도 에이전트라 포장되는 시대에, 정작 에이전트의 본질이 무엇인지를 명쾌하게 정리한 자료는 찾기 어려웠다.

하지만 이 책, 『AI 에이전트 엔지니어링』을 읽으며 그 의미를 명확하게 바로잡을 수 있었다. 이 책의 가장 큰 장점은 특정 프레임워크에 의존적이지 않고, AI 에이전트를 설계하는 방식과 본질적인 개념 그 자체를 중점적으로 다룬다는 것이다. LangChain이나 AutoGen 같은 특정 도구의 사용법을 나열하는 데 그치지 않고, 에이전트 시스템이 왜 그런 구조를 가져야 하는지, 어떤 원칙 위에서 설계해야 하는지를 깊이 있게 설명한다.

비결정성이라는 숙제

“자율성이 부여된 시스템은 필연적으로 비결정성이라는 숙제를 안게 된다”

책의 머릿말에 등장하는 옮긴이의 이 말에 깊이 공감했다. 과거 주니어 개발자였던 시절보다 정보의 양은 방대해져 지식을 습득하기는 훨씬 쉬워졌지만, 정작 AI를 다루며 공부해 보니 에이전트의 행동과 추론, 그리고 필연적으로 발생하는 오류를 어떤 기준으로 다뤄야 할지에 대해서는 오히려 더 막막했던 것이 사실이다.

전통적인 소프트웨어 개발에서는 입력이 같으면 출력도 같다는 결정론적 전제 위에서 설계가 이루어진다. 그러나 LLM 기반 에이전트는 같은 프롬프트에도 다른 결과를 내놓고, 환각(hallucination)이 발생하며, 추론 체인이 예상과 전혀 다른 방향으로 흘러갈 수 있다. 이 책은 그 불확실한 ‘비결정성’을 관리 가능한 영역으로 끌어오는 방법을 체계적으로 제시해 준다.

실제 프로젝트에 적용해 본 경험

실제로 학습 목적으로 진행 중인 개인 프로젝트에 이 책의 내용을 어느 정도 적용해 볼 수 있었다. 설계 단계에서 막연했던 접근 방식을 확고히 할 수 있었던 점이 가장 컸는데, 예전 같으면 API Quota 소진과 같은 이슈를 단순한 재시도 로직으로 처리하고 넘어갔겠지만, 이 책을 참고한 이후에는 이를 **우아한 실패(Graceful Degradation)**로 남길 수 있도록 처리하는 사고방식이 자연스럽게 떠올랐다.

단순히 “에러가 나면 다시 시도한다”가 아니라, 에이전트가 실패했을 때 어떤 수준의 응답까지는 보장할 것인지, 사용자에게 어떤 피드백을 줄 것인지, 그리고 그 실패 자체를 시스템의 학습에 어떻게 반영할 것인지를 고민하게 된 것이다.

엔지니어링 관점의 트레이드오프

실제 실무에서는 성능과 정확도, 비용과 확장성, 신뢰성과 기한 등 서로 상반되는 가치를 고려해야 하는 경우가 많다. AI 에이전트 시스템에서도 마찬가지로, 더 정교한 추론을 위해 토큰 소비를 늘릴 것인지, 응답 속도를 위해 추론 단계를 줄일 것인지와 같은 선택의 기로에 놓이게 된다.

이 책은 이런 트레이드오프 상황에서 어떤 구조에서 어떤 선택이 더 적합한지를 구체적인 사례와 함께 제시해 준다. 단순한 이론이 아니라, 실제 엔지니어링 판단에 도움이 되는 실질적인 가이드라인이라는 점에서 높이 평가하고 싶다.

마치며

단순히 개인 프로젝트 레벨에서도 설계의 방향이 잡히는 느낌을 명확히 받았다. 실무에서 AI 에이전트 기반 애플리케이션을 구축하려는 모든 엔지니어들에게 이 책을 추천한다. 단순한 구현 방법을 넘어, 에이전트 시스템을 지탱하는 견고한 사고방식을 얻을 수 있을 것이다.

AI 에이전트라는 분야가 빠르게 변화하고 있는 만큼, 특정 도구나 프레임워크의 사용법보다는 이 책이 다루는 것처럼 본질적인 설계 원칙과 엔지니어링 사고방식을 먼저 갖추는 것이 훨씬 오래 남는 투자가 될 것이라 생각한다.