[Agentic AI] AI Agent 패턴, MCP 그리고 LLM 프레임워크

LLM이 더 똑똑해 지게 RAG가 나오고, 이어서 내게 필요한 실제 일을 할 수 있는 AI Agent가 나온 다음 이제는 좀 더 복한한 문제를 처리할 수 있는 Agentic AI가 회자되고 있다. 

 

AI Agent 는 

추론하고 도구를 사용하여 답을 생성한다. 여기에 ReAct (Resoning 추론 + Act 실행) 패턴 또는 PlanningAct 패턴등이 사용된다.
- Plan : 작업을 어떻게 수행할지 결정, 문제를 단계로 분해

- Act : 실행하기. 도구호출, API 요청, 행동 실행 - Tool Calling, MCP를 통한 도구의 확장이 가능하다

- Observer : 실행 결과과 또는 외부 환경의 피드백을 관찰하고 이해

 

Tool Calling을 Enterprise 급으로 확장하기 위해 MCP가 필수로 보인다. 두뇌인 LLM이 일을 시킬 수 있는 팔/다리 역할을 하는 MCP 도구가 필요하다. AI Agent가 사용하는 도구로써 MCP는 Pluggable한 확장성 및 모듈화 배포가 필요하다. 

 

Agentic AI 는

- 목표지향성 : 복잡한 과정을 거쳐야 하는 목표를 달성 한다

- 자율성 : 자율적으로 움직인다

- 협업 : 에이전트끼리 협업한다.

 

 

Agentic AI는 단순한 질의응답형 LLM을 넘어, 목표 지향적이며 자율적이고 협업 가능한 지능형 시스템을 구축하기 위한 접근입니다.

아래는 이를 실현하기 위한 주요 패턴과 LLM 프레임워크를 정리한 것입니다:

 

 

Agentic AI의 3대 핵심 목표와 대응 전략

목표설명요구 기능

🎯 목표 달성	복잡하고 장기적인 작업을 처리할 수 있어야 함	계획 수립, 추론, 반복 실행
🧠 자율성	외부 명령 없이 상황을 인식하고 스스로 결정	상태 기반 추론, 조건 분기, 자기 반성
🤝 협업	복수의 에이전트가 역할 분담하고 협력	다중 에이전트 구조, 메시지 전달, 역할 기반 처리

 

 

1. 목표 달성을 위한 주요 패턴 & 프레임워크

패턴

Planning Pattern	목표를 세분화하여 단계적으로 처리
Hierarchical Agent Pattern	상위 Agent가 하위 작업을 위임하고 통제
Reflect & Retry Pattern	중간 결과를 평가하고 실패 시 수정 실행
Tree of Thoughts (ToT)	여러 가능한 행동 경로를 탐색해 가장 좋은 경로 선택

 

프레임워크

LangGraph	상태 기반 워크플로우 정의 가능. 조건 분기, 반복, 실패 대응에 강함
AutoGen	Multi-agent script 기반 목표 달성 처리 (multi-turn에 특화)
CrewAI	목표 중심 Role 기반 Agent 분업 구조
LangChain	LLM + Tool + Memory 조합으로 세부 작업 처리에 유리

 

 

 2. 자율성을 위한 주요 패턴 & 프레임워크

패턴

ReAct (Reason+Act)	스스로 사고하고 필요한 행동 수행
Agent Loop / Reflective Agent	목표→실행→관찰→반성→재시도 루프
Event-driven Reactor Pattern	환경 변화에 반응하는 비동기 방식
Stateful Agent	메모리와 상태 저장 후 지속적인 판단 수행

 

프레임워크

LangGraph	상태 머신 구조 기반 자율 분기/반복 처리
LangChain Expression Language (LCEL)	구성 요소 재사용 및 비동기 처리
MetaGPT	역할 기반 협업 + 코드 자동 생성에 강함
AutoGPT	완전한 자율 실행. (다만 오용 위험 있음)

 

 

3. 협업을 위한 주요 패턴 & 프레임워크

패턴

Multi-Agent Pattern	여러 Agent가 역할을 나누어 수행
Role-based Agent System	각 Agent에게 역할/기능 지정
Message Passing	Agent 간 의사소통을 통해 협력
Blackboard Pattern	공유 저장소를 기반으로 협업

 

프레임워크

CrewAI	Role + Task 분리 구조로 협업 모델링
AutoGen (multi-agent mode)	agent끼리 자연어 기반 대화로 협력
LangGraph + NATS/Redis	에이전트간 상태 전파 + Pub/Sub
Swarm AI / OpenDevin	분산형 Agent 협력 시스템 (초기 개발 단계)

 

 

종합: Agentic AI Framework를 구성하는 방법

- LangGraph 기반 상태 흐름 제어

- MCP Server를 통한 Agent 분리 및 독립 실행

- Planner → Executor → Observer 구조를 각 Agent에 적용

- Multi-Agent Registry / Dispatcher 를 두어 협업 기반 처리

 

예시: 제조 AI에 특화된 구성

모듈 패턴 프레임워크

설비 분석 에이전트	ReAct + Tool Use	LangChain + LangGraph
작업 분배 매니저	Planner + Multi-Agent	CrewAI or LangGraph
품질 진단	Reflection	LangGraph + LLMChain
AI 보고서 작성기	Plan → Act → Reflect	LangGraph + LangServe
실시간 이벤트 대응	Reactor Pattern	LangGraph + Redis

 

결론 요약

목표 필요한 패턴추천 프레임워크

목표 달성	Planning, Hierarchy, Retry	LangGraph, AutoGen, LangChain
자율성	ReAct, State Loop, Reflection	LangGraph, MetaGPT
협업	Multi-Agent, Role-Based	CrewAI, AutoGen, LangGraph

 

 

<참조>

- AI Agent에서 MCP

https://www.youtube.com/watch?v=Ncu588eZR4o

 

- 조대협님의 MCP 10분안에 이해하기

https://www.youtube.com/watch?v=-b0IEN4JAGE 

 

- 안될공학의 Agentic AI 개념 설명

https://www.youtube.com/watch?v=aDukCWkPbeQ