AI 에이전트 만들기 2026: 뜻·방법 3가지·MCP 배포까지 직접 돌려 봤어요

AI 에이전트는 목표를 주면 스스로 다음 할 일을 고르고, 도구를 써서 실행하고, 결과를 보고 다시 판단하는 AI 프로그램이에요. 챗봇이 답을 말한다면 에이전트는 일을 끝낸다는 게 차이예요. 만드는 길은 세 가지예요. 노코드 도구로 잇기, SDK 로 코드 짜기, 이미 쓰는 Claude Code·Cursor 에 MCP 로 도구 붙이기. 이 글은 셋을 공식 문서로 대조하고, 40줄짜리 에이전트 루프를 직접 돌려 보고, 에이전트에게 서버·앱 배포를 맡기는 연결까지 다뤄요.

글 서순명(웹 에이전시·SI 10년 PM, 솔리드그루 이사) · 퓨쳐인프라 — 국내 IDC 에서 서버·앱 호스팅과 AI 에이전트용 MCP 서버를 운영 · 작성·마지막 확인 2026-10-27(판 번호·가격·종료 일정은 바뀔 수 있어 원문 링크를 함께 달았어요) · 값 확인·실측 2026-10-27(Anthropic·OpenAI·Google·LangChain 공식 문서와 PyPI·npm 대조, 이 PC 실행) · 운영사 솔리드그루(사업자등록번호 875-44-00335, 서울 구로) · 문의 02-6933-6229 · support@futureinfra.ai

AI 에이전트란? 챗봇과 뭐가 달라요?

챗봇에게 "이번 주 회의록을 정리해서 팀에 보내 줘"라고 하면, 정리한 글을 화면에 보여 주고 끝나요. 보내는 건 사람 몫이에요. 에이전트는 회의록 파일을 찾고, 읽고, 요약하고, 메일 도구로 보낸 뒤 "보냈어요"라고 알려 줘요. 그 사이에 몇 번을 돌지는 에이전트가 정해요.

Anthropic 은 이 차이를 워크플로와 에이전트로 나눠 설명해요(Building effective agents, 2024-12-19). 워크플로는 사람이 미리 정한 순서대로 LLM 과 도구가 움직이고, 에이전트는 LLM 이 스스로 과정과 도구를 정해요. 같은 글에서 되는 방법 중 가장 간단한 것부터 쓰라고 권해요. 정해진 순서로 충분하면 워크플로가 더 싸고 예측하기 쉬워요.

실제 제품 이름은 섞여 쓰여요. FAQ 답변기를 "에이전트"라고 부르기도 해요. 이름보다 스스로 여러 단계를 돌며 도구를 쓰는가로 보면 구분이 쉬워요.

AI 에이전트는 어떻게 일해요?

속은 생각보다 단순해요. LLM 에게 목표와 "쓸 수 있는 도구 목록"을 같이 넘겨요. LLM 은 답을 쓰는 대신 "이 도구를 이 값으로 불러 줘"라고 돌려줄 수 있어요. 프로그램이 그 도구를 실제로 실행하고, 결과를 다시 LLM 에게 보여 줘요. 이걸 되풀이하다가 LLM 이 도구 없이 답만 쓰면 끝이에요.

Claude Agent SDK 문서는 이 한 바퀴를 턴이라고 불러요. "테스트 실패 고쳐 줘"라는 일은 테스트 실행 → 파일 읽기 → 고치고 다시 실행 → 답, 이렇게 4턴에 끝난 예를 들어요(Agent loop 문서). 여기에 두 가지가 붙으면 쓸 만한 에이전트가 돼요.

MCP 는 에이전트와 무슨 관계예요?

도구를 에이전트마다 따로 붙이면 일이 끝이 없어요. MCP는 도구를 한 가지 방식으로 내놓게 정한 규격이에요. 도구를 내놓는 쪽을 MCP 서버, 그 도구를 쓰는 AI 앱(Claude Code·Cursor 등)을 호스트라고 불러요. 최신 명세는 2026-07-28 판이고, 서버는 도구·리소스(자료)·프롬프트(틀) 세 가지를 내놓을 수 있어요(MCP 명세). MCP 가 속에서 어떻게 오가는지는 MCP 가 뭐예요?에서 따로 풀었어요.

AI 에이전트 만드는 법 3가지 — 나는 어느 쪽?

먼저 내 상황부터 고르세요. 무엇을 쓰든 LLM 사용료는 따로 들어요(6장).

① 노코드 — n8n·Dify

n8n은 블록을 선으로 잇는 자동화 도구예요. AI Agent 블록에 채팅 모델과 도구 블록을 붙이면 에이전트가 돼요. 공식 문서는 도구 블록을 최소 1개 붙여야 한다고 적어요(AI Agent 노드). MCP 서버의 도구를 가져다 쓰는 MCP Client Tool 블록도 있어요(MCP Client Tool). 직접 깔면 무료이고, n8n 클라우드는 월 24유로(월결제 Starter)부터예요(n8n 요금). 설치부터 웹훅까지는 n8n 사용법에 직접 해 본 기록이 있어요.

Dify는 화면에서 챗봇·문서 검색(RAG)·에이전트를 조립하고 API 로 내보내는 도구예요. 클라우드 무료 요금제(Sandbox)는 메시지 크레딧 200개·앱 5개, 유료 Professional 은 연 590달러부터이고, 직접 까는 Community 판은 무료예요(Dify 요금).

② 코드 — 에이전트 SDK 4종

루프·도구 호출·기록 관리를 미리 짜 둔 부품이에요. 아래 판 번호는 오늘 PyPI·npm 에서 직접 조회한 값이에요. 어느 게 낫다고 줄 세우기보다, 쓰는 모델과 언어로 고르는 게 맞아요.

출처 Claude Agent SDK · OpenAI Agents SDK · LangGraph · Google ADK. Claude Agent SDK 는 Anthropic 상용 약관을 따르고, 사전 승인 없이 내 제품에 claude.ai 로그인을 붙이는 건 허용되지 않아요(API 키 방식).

③ 기존 에이전트에 도구 붙이기 — Claude Code·Cursor + MCP

AI 코딩 도구를 이미 쓰고 있다면 오늘 바로 시작할 수 있는 길이에요. Claude Code 와 Cursor 는 이미 루프와 파일·명령 도구를 가진 에이전트예요. 여기에 MCP 서버를 붙이면 그 서비스를 다루는 손이 늘어나요.

# Claude Code — 원격 MCP 서버 붙이기(공식 문법)
claude mcp add --transport http <이름> <주소>

# 로그인이 필요한 서버면 Claude Code 안에서
/mcp

범위(--scope)는 이 프로젝트만(local, 기본), 팀과 나눠 쓰기(project, .mcp.json), 내 모든 프로젝트(user) 중에 골라요. SSE 방식은 더 이상 권하지 않는(deprecated) 방식이라 HTTP 를 쓰라고 안내해요(Claude Code MCP 문서). Cursor 는 .cursor/mcp.json(프로젝트) 또는 ~/.cursor/mcp.json(전체)에 주소를 적어요(Cursor MCP 문서). 클로드·제미나이·ChatGPT 등 9곳 설정 화면은 MCP 연동 방법 총정리에 모아 뒀어요. Claude Code 자체가 처음이면 클로드 코드 사용법부터 보세요.

직접 해 보기 ① — 40줄짜리 에이전트 루프를 돌려 봤어요

SDK 가 속에서 하는 일을 눈으로 보려고, LLM 을 부르지 않는 가짜 에이전트를 파이썬으로 짰어요. fake_model 자리에 진짜로는 LLM 이 들어가요. 도구도 가짜 클라우드예요. 그래서 돈이 들지 않고, 누가 돌려도 결과가 같아요.

일부러 함정을 하나 넣었어요. 앱은 8080 번 포트로 뜨는데, 배포 설정은 3000 번을 기다려요. 실제 배포에서 자주 만나는 실수예요. 에이전트가 오류 메시지를 보고 스스로 고치는지가 볼거리예요.

# agent_loop_demo.py — LLM 없이 '도구 고르기 → 실행 → 결과 보기'만 흉내 낸 에이전트 루프
import json

world = {"app": None, "port": 3000, "polls": 0}          # 가짜 클라우드 상태
def create_app(a): world["app"] = a["slug"]; return {"ok": True, "url": f"https://{a['slug']}.example.app"}
def deploy(a): world["polls"] = 0; return {"ok": True, "status": "deploying"}
def status(a):
    world["polls"] += 1
    if world["port"] != 8080: return {"ok": False, "status": "crashed", "log": "app listens on 8080, expected 3000"}
    return {"ok": True, "status": "running" if world["polls"] > 1 else "starting"}
def set_port(a): world["port"] = a["port"]; return {"ok": True}
def delete_app(a): return {"ok": False, "status": "pending_approval"}   # 지우기는 사람 승인
TOOLS = {f.__name__: f for f in (create_app, deploy, status, set_port, delete_app)}

def fake_model(history):                                   # 진짜 에이전트는 여기서 LLM 이 고른다
    last = history[-1].get("result", {})                    # 방금 받은 도구 결과
    prev = history[-2].get("tool") if len(history) > 1 else None   # 방금 쓴 도구
    if "지워" in history[-1].get("text", ""): return {"tool": "delete_app", "args": {"slug": "my-shop"}}
    if last.get("status") == "pending_approval": return {"answer": "삭제는 사람 승인 대기 — 콘솔에서 눌러 주세요"}
    if world["app"] is None: return {"tool": "create_app", "args": {"slug": "my-shop"}}
    if last.get("status") == "crashed": return {"tool": "set_port", "args": {"port": 8080}}
    if prev in ("create_app", "set_port"): return {"tool": "deploy", "args": {}}
    if last.get("status") in ("deploying", "starting"): return {"tool": "status", "args": {}}
    if last.get("status") == "running": return {"answer": "배포 끝: https://my-shop.example.app"}
    return {"tool": "status", "args": {}}

def run(history, turn=0):
    for turn in range(turn + 1, turn + 11):                # 한 번에 최대 10턴(무한 루프 방지)
        step = fake_model(history)
        sent = len(json.dumps(history, ensure_ascii=False))  # 이번 턴에 모델에 보낸 대화 길이(글자)
        if "answer" in step: print(f"{turn:>2} | 끝 | {step['answer']} | 보낸 글자 {sent}"); return turn
        result = TOOLS[step["tool"]](step["args"])
        history += [{"role": "agent", "tool": step["tool"], "args": step["args"]}, {"role": "tool", "result": result}]
        print(f"{turn:>2} | {step['tool']:<10} | {json.dumps(result, ensure_ascii=False)} | 보낸 글자 {sent}")

history = [{"role": "user", "text": "가게 소개 페이지를 올려 줘"}]
t = run(history)
history.append({"role": "user", "text": "확인했으니 지워 줘"})
run(history, t)

따라 해 보려면 위 코드를 agent_loop_demo.py 로 저장하고 python agent_loop_demo.py 를 실행하세요. 파이썬 3.8 이상이면 되고 따로 설치할 패키지는 없어요. 아래와 똑같이 나오면 정상이에요.

실행 결과예요(2026-10-27, Windows 11 · Python 3.12.8, 5번 실행해 모두 같은 출력).

 1 | create_app | {"ok": true, "url": "https://my-shop.example.app"} | 보낸 글자 45
 2 | deploy     | {"ok": true, "status": "deploying"} | 보낸 글자 195
 3 | status     | {"ok": false, "status": "crashed", "log": "app listens on 8080, expected 3000"} | 보낸 글자 309
 4 | set_port   | {"ok": true} | 보낸 글자 467
 5 | deploy     | {"ok": true, "status": "deploying"} | 보낸 글자 572
 6 | status     | {"ok": true, "status": "starting"} | 보낸 글자 686
 7 | status     | {"ok": true, "status": "running"} | 보낸 글자 799
 8 | 끝 | 배포 끝: https://my-shop.example.app | 보낸 글자 911
 9 | delete_app | {"ok": false, "status": "pending_approval"} | 보낸 글자 951
10 | 끝 | 삭제는 사람 승인 대기 — 콘솔에서 눌러 주세요 | 보낸 글자 1094

읽는 법은 이래요.

• 3턴 — 상태를 확인하니 crashed. 로그에 "8080 으로 떠 있는데 3000 을 기다렸다"가 찍혔어요.
• 4~5턴 — 에이전트가 그 로그를 보고 포트를 8080 으로 바꾸고 다시 배포했어요. 사람이 끼어들지 않았어요.
• 6~7턴 — starting 이라 한 번 더 기다린 뒤 running 을 보고 끝냈어요.
• 9~10턴 — "지워 줘"에는 pending_approval(승인 대기)이 돌아와서, 지우지 않고 사람에게 넘겼어요.

10턴 동안 보낸 글자를 모두 더하면 6,029자 — 마지막 턴 하나(1,094자)의 5.5배예요.

표로 보기

턴	부른 도구	결과	보낸 글자
1	create_app	ok	45
2	deploy	deploying	195
3	status	crashed(포트 불일치)	309
4	set_port	ok	467
5	deploy	deploying	572
6	status	starting	686
7	status	running	799
8	(답)	배포 끝	911
9	delete_app	pending_approval	951
10	(답)	승인 대기 안내	1,094

그래프가 이 글의 비용 이야기의 핵심이에요. 에이전트는 매 턴마다 처음부터 지금까지의 대화를 통째로 다시 보내요. 턴이 늘수록 한 번에 보내는 양이 커지고, 합계는 더 빨리 커져요. 다섯 번 실행해도 결과는 같았고, 한 번 도는 데 0.02초도 안 걸렸어요(LLM 이 없으니까요).

직접 해 보기 ② — 에이전트에게 서버·앱 배포를 맡기려면

위 시연의 가짜 도구(create_app·deploy·status) 자리에 진짜 클라우드를 꽂으면, 에이전트가 실제로 배포해요. 퓨쳐인프라는 이 도구들을 MCP 서버로 내놓고 있어요. 연결은 공개 문서(llms.txt · MCP 연동 문서)에 적힌 그대로예요.

# Claude Code — 브라우저 로그인 방식(키 복사 없음)
claude mcp add --transport http futureinfra https://futureinfra.ai/v1/mcp

# Claude Code에서
/mcp

브라우저가 못 뜨는 서버·자동화 환경은 콘솔에서 발급한 키를 헤더로 넣어요. 키는 비밀번호와 같아서 채팅창에 붙여 넣지 말고, 터미널에 직접 넣으세요.

claude mcp add --transport http --scope user futureinfra https://futureinfra.ai/v1/mcp --header "Authorization: Bearer 발급받은_키"

Claude 데스크톱 앱이나 claude.ai 는 설정 → 커넥터 → 사용자 지정 커넥터 추가에서 주소 https://futureinfra.ai/v1/mcp 를 넣고 브라우저로 로그인해요. 계정이 없으면 그 로그인 화면에서 가입할 수 있어요.

로그인 없이 부르면 무엇이 돌아오나요?

돈이 드는 생성은 하지 않고, 인증 없이 도구 목록(tools/list)을 달라고 해 봤어요. 거절당하는 게 정상이에요. 볼 것은 어떻게 거절하는지예요.

$ curl -X POST https://futureinfra.ai/v1/mcp -H "Content-Type: application/json" \
    -d '{"jsonrpc":"2.0","id":2,"method":"tools/list"}'

HTTP/1.1 401 Unauthorized
Www-Authenticate: Bearer resource_metadata="https://futureinfra.ai/.well-known/oauth-protected-resource/v1/mcp"
Link: </llms.txt>; rel="alternate"; type="text/plain"; title="LLM-readable documentation"

{"error":"not_authenticated"}

401(로그인 필요)을 돌려주면서 어디서 로그인하면 되는지 주소도 알려 줘요. Claude Code 같은 MCP 앱은 이 주소를 따라가 브라우저 로그인 창을 열어요. Link 줄은 AI 가 읽을 안내서(llms.txt) 위치예요. 이 PC(서울)에서 5번 불러 가운데 값은 0.026초였어요.

어떤 도구를 쓸 수 있나요?

도구 목록은 로그인해야 받을 수 있어서, 공개 안내서(llms-full.txt)의 도구 목록을 묶음별로 셌어요. 서버 등록부에서 자동으로 만든 목록이라 실제 도구와 같다고 적혀 있어요.

나머지 7묶음 = 프로젝트 7·대화방 5·국내 서비스 연동 4·프록시 3·검색 3·AI 모델 2·금고 1. 사람 승인 도구 10개 포함.

표로 보기

묶음	도구 수	사람 승인
cloud(가상서버)	67	4
domain(도메인·DNS)	27	3
brain(AI 기억)	24	0
scrape(스크래핑)	20	0
apps(앱 배포)	19	1
git	13	1
billing(잔액·요금)	10	0
appmarket	8	0
gen(이미지·영상)	8	0
account·governance	14	0
projects	7	1
chat	5	0
integrations	4	0
proxy	3	0
search	3	0
llm	2	0
secrets	1	0
합계	235	10

"앱 올려 줘"라고 하면 에이전트는 무엇을 부르나요?

시연 루프와 같은 순서예요. 도구 이름과 설명은 공개 안내서에 적힌 것만 옮겼어요.

안내서에는 사람이 그대로 붙여 넣는 말도 있어요. 예를 들면 이래요.

퓨처인프라로 [가게 소개 홈페이지]를 만들어서 인터넷에 올려 줘. 필요한 건 알아서 골라 만들고,
다 되면 접속 주소와 한 달 예상 요금을 쉬운 말로 알려 줘.

요금표 기준으로 홈페이지 하나는 앱 1개, 월 5,500원(주소·HTTPS 포함)이에요. 매일 정해진 시각에 도는 자동화처럼 계속 켜 둘 일은 가상서버 Nano 월 9,000원(분당 0.21원)부터예요. 가입하면 카드 등록 없이 2,000원 크레딧을 받아 서버·앱·AI 어디에나 쓸 수 있어요(요금, 2026-10-27 확인).

에이전트를 돌리면 비용은 얼마나 들어요?

돈은 두 곳에서 나가요. ① 생각하는 값(LLM 사용료)과 ② 일하는 곳 값(에이전트가 돌거나 만든 서버·앱 요금)이에요. ①은 토큰(글자 조각) 단위로 세요. 같은 글도 모델·언어마다 토큰 수가 달라요.

출처 Claude 가격 문서(2026-10-27, OpenRouter 모델 목록과 대조). 도구를 하나라도 넘기면 도구 사용 안내문 286토큰이 매 요청에 더 붙어요(Opus 5.5·Sonnet 5.5 기준).

시연에서 봤듯 에이전트는 턴마다 대화 전체를 다시 보내요. 그래서 "턴 수 × 그때까지 쌓인 대화"가 입력 토큰이 돼요. 계산 예시를 하나 들어 볼게요. 도구 설명·지시문·기록을 합쳐 한 턴에 평균 2만 토큰을 보내고, 10턴 동안 턴마다 500토큰씩 답한다고 가정하면 입력 20만·출력 5천 토큰이에요.

같은 일도 모델에 따라 40배 차이 나요. 실제 값은 작업마다 달라요. 우리가 Claude Code 로 버그 1건을 고쳐 보니 API 사용료가 61원 나왔어요(실측 기록). 줄이는 방법은 공식 문서에 나와요.

• 캐시 — 매 턴 똑같이 보내는 앞부분(지시문·도구 설명)은 캐시로 읽혀 단가가 20분의 1로 내려가요(Sonnet 5.5 $2 → $0.10). Claude Agent SDK 는 이걸 자동으로 해요.
• 한도 — max_turns(최대 턴)·max_budget_usd(예산)를 걸면 넘을 때 멈춰요. 문서는 운영용 에이전트에 예산을 기본으로 걸라고 권해요.
• 쪼개기 — 서브에이전트는 결과 요약만 돌려줘서 메인 대화가 덜 불어나요. 도구도 꼭 필요한 것만 넘기세요.

마음대로 지우거나 돈을 쓰면 어떡해요?

에이전트는 시킨 일을 하려고 내 권한 안에서 움직여요. 그래서 권한을 좁게, 한도를 낮게, 되돌릴 수 없는 일은 사람에게가 기본이에요. MCP 명세도 도구를 부르기 전에 사용자 동의를 받으라고 적어요(MCP 명세 보안 원칙).

SDK 로 직접 만들 때도 같은 장치가 있어요. Claude Agent SDK 는 도구별로 자동 허용·차단·매번 묻기를 정하고, 도구가 실행되기 직전에 끼어드는 훅(PreToolUse)으로 위험한 명령을 막을 수 있어요(Agent loop 문서). 남이 만든 MCP 서버를 붙일 때는 믿을 수 있는 곳인지 먼저 보세요. 명세는 도구 설명조차 믿을 만한 서버에서 온 게 아니면 그대로 믿지 말라고 해요.

되돌리기는 미리 준비해야 해요. 서버는 바꾸기 전에 스냅샷(그 시점 사진)을 찍어 두면 돌아갈 수 있어요. 다만 퓨쳐인프라에서는 스냅샷으로 되돌리는 일 자체도 지금 디스크를 버리는 일이라 사람 승인을 거쳐요.

이럴 땐 이렇게

바이브코딩으로 앱을 만들고 올리는 전체 흐름은 바이브코딩이란?에서 이어서 볼 수 있어요.

자주 묻는 질문

AI 에이전트와 LLM 은 뭐가 달라요?

LLM 은 글을 받아 글을 만드는 두뇌예요. 에이전트는 그 두뇌에 도구와 되풀이(루프)를 붙여 실제로 일을 끝내게 만든 프로그램이에요. 같은 LLM 도 도구가 없으면 답만 하고, 도구와 루프가 있으면 에이전트가 돼요.

ChatGPT·클로드 앱도 AI 에이전트인가요?

앱 안에서 검색·코드 실행 같은 도구를 쓰며 여러 단계를 스스로 돈다면 그 순간은 에이전트처럼 일해요. 답 한 번으로 끝나면 챗봇이에요. 이름보다 구조로 보면 돼요.

에이전틱 AI 와 AI 에이전트는 같은 말인가요?

보통 비슷하게 써요. '에이전틱(agentic)'은 스스로 계획하고 도구를 쓰는 성질을 말하고, 'AI 에이전트'는 그 성질을 가진 프로그램을 가리킬 때가 많아요.

코딩을 몰라도, 무료로 만들 수 있나요?

도구는 무료로 시작할 수 있어요. n8n 과 Dify 는 직접 깔면 무료이고, Dify 클라우드 무료 요금제는 메시지 크레딧 200개를 줘요. 다만 직접 깔면 켜 둘 컴퓨터가 필요하고, 내 모델 키를 쓰면 LLM 사용료가 따로 나가요.

MCP 서버를 직접 만들려면 무엇부터 하나요?

공식 SDK 가 있어요(파이썬 pip install mcp 2.3.0, 타입스크립트 @modelcontextprotocol/sdk 1.32.2, 2026-10-27 조회). 도구 하나짜리 서버를 만들어 Claude Code 에 claude mcp add 로 붙여 보는 게 시작이에요. 입문 안내는 MCP 공식 사이트에 있어요.

에이전트 여러 개를 팀처럼 나누면 더 좋아요?

큰 일을 나눌 때는 도움이 돼요. 서브에이전트는 결과 요약만 돌려줘서 메인 대화가 덜 커져요. 하지만 Anthropic 은 작은 구조부터 시작하라고 권해요. 하나로 안 될 때 나누세요.

에이전트가 돈을 너무 쓰면 어떻게 막아요?

세 겹으로 막아요. SDK 의 최대 턴·예산 한도, API 키의 월 상한, 선불 잔액이에요. 퓨쳐인프라 키는 월 상한을 걸 수 있고 잔액보다 더 쓰지 않아요.

어떤 LLM 을 써야 하나요?

일의 난이도로 고르세요. 쉬운 분류·요약은 값싼 모델로 충분할 때가 많고, 여러 단계를 스스로 판단해야 하는 일은 큰 모델이 덜 헤매요. 같은 일을 두세 모델로 돌려 성공률과 비용을 비교해 보는 게 확실해요.

이 글의 숫자는 어디서 왔나요?