TAU-HOME.COM
LOADING

Anthropic 엔지니어의 90분 에이전트 아키텍처 강의: 두뇌와 도구 분리부터 멀티 테넌트 CI/CD까지

Anthropic 엔지니어가 공개한 90분 실전 에이전트 아키텍처 강의 타임라인과 핵심 설계를 정리합니다. 추론과 도구 실행의 분리, Claude 호스티드 에이전트 구조, 리서치 에이전트 구축, 작업 간 '드리밍' 기법, 멀티 테넌트 CI/CD 평가 체계까지 상세히 살펴봅니다.

tau · 2026년 11월 15일

#Anthropic #Claude #AIAgent #LLMArchitecture

Anthropic 엔지니어의 90분 에이전트 아키텍처 강의: 두뇌와 도구 분리부터 멀티 테넌트 CI/CD까지

인공지능 연구 커뮤니티의 기술 분석가 @F5Adon이 Anthropic 소속 엔지니어가 직접 진행한 90분 분량의 AI 에이전트 아키텍처 실전 강의를 공유하며 핵심 타임라인을 정리했습니다. Claude Opus 5.5 모델을 기반으로 실제 상용 프로덕션 환경에서 자율형 에이전트를 어떻게 설계하고 안정적으로 운영하는지 다룬 기술 강의입니다.

Anthropic 엔지니어의 90분 에이전트 아키텍처 강의 영상 스크린샷과 커리큘럼 타임라인

이미지 출처: https://x.com/F5Adon/status/2117021112500437426

기존 LLM 튜토리얼이 단순 프롬프트 엔지니어링이나 단일 함수 호출(Function Calling) 예제에 머물렀다면, 이번 강의는 대규모 기업 환경에서 신뢰성을 담보하는 시스템 수준의 에이전트 파이프라인 설계를 집중 조명합니다. 실무 엔지니어들이 현업 아키텍처를 재검토할 수 있도록 원문 타임라인과 세부 기술 요점을 단계별로 나누어 짚어봅니다.

강의 타임라인과 단계별 주제 개요

원문에서 공유된 강의는 90분 동안 에이전트 구축의 기초 설계 사상부터 상용 운영 인프라까지 5단계로 나누어 설명합니다.

  • 00:00 - 왜 뇌(Brain)와 손(Hands)을 분리해야 하는가: 의사결정 추론 모델과 외부 도구 실행 레이어의 격리 원칙
  • 07:45 - Claude 호스티드 에이전트(Hosted Agent)의 내부 아키텍처: 관리형 런타임 환경에서 상태를 보존하고 세션을 격리하는 인프라 구성
  • 23:40 - 리서치 에이전트 단계별 구축(Step-by-step Research Agent): 복합 정보 수집, 출처 교차 검증, 요약 보고서 작성을 수행하는 작업 흐름 설계
  • 54:00 - 예약 주기 실행과 작업 간 '드리밍(Dreaming)': 스케줄러 기반 배치 작업과 유휴 시간 동안의 컨텍스트 압축·메모리 정리 기법
  • 1:10:23 - 에이전트 평가, CI/CD 파이프라인, 멀티 테넌트 동시 서빙: 다중 고객 환경에서의 리소스 격리와 지속적 성능 회귀 테스트 자동화

뇌와 손의 분리: 추론 엔진과 도구 실행의 물리적 격리 (00:00~07:45)

강의 초반부에서 가장 강조되는 원칙은 '뇌'에 해당하는 언어 모델의 추론(Reasoning) 영역과, '손'에 해당하는 API 호출·셸 실행 등 외부 작업 환경의 물리적 격리입니다.

초보 개발 단계에서는 단일 루프 안에서 LLM이 판단을 내리는 즉시 동일 프로세스에서 외부 API를 호출하도록 구성하기 쉽습니다. 그러나 이 방식은 복잡한 다단계 작업에서 치명적인 문제를 낳습니다. 모델이 생성한 잘못된 스크립트나 명령어가 호스트 시스템 환경을 오염시키거나 무한 루프에 빠져 서버 자원을 고갈시킬 수 있기 때문입니다.

  • 역할 분리의 핵심: LLM은 다음 행동에 대한 계획 수립과 파라미터 생성만 담당하고, 실제 실행은 샌드박스로 격리된 워커(Worker) 프로세스에 위임합니다.
  • 호스티드 에이전트 아키텍처(07:45): Anthropic이 설명하는 관리형 구조에서는 사용자의 세션 상태(State), 도구 인가 권한, 세션 메모리를 중앙 오케스트레이터가 관리하며 각 실행 노드에 격리된 환경을 동적으로 프로비저닝합니다.

이와 같은 모듈형 격리 방식을 택하면 실행 환경에 보안 오류나 네트워크 지연이 발생하더라도 추론 세션 전체가 중단되지 않고, 에이전트가 예외 상황을 인지한 뒤 안전하게 복구 절차를 밟을 수 있습니다.

리서치 에이전트 구축과 유휴 시간 '드리밍' 기법 (23:40~54:00)

23분 40초부터 이어지는 세션에서는 실무에서 즉시 활용할 수 있는 리서치 에이전트 제작 워크플로가 제시됩니다. 방대한 웹 문서와 내부 문서를 탐색하는 리서치 작업은 단일 컨텍스트 창(Context Window)의 한계를 넘어서야 하므로 정밀한 파이프라인이 필수적입니다.

  • 정보 수집 및 분할 검증: 상위 질의를 하위 검색 작업으로 분할하고, 검색된 결과물의 신뢰도를 평가해 필요한 데이터만 추려내는 2단계 필터링 구조를 적용합니다.
  • 주기 실행과 '드리밍(Dreaming)' 메커니즘(54:00): 에이전트가 특정 스케줄(Cron)에 따라 비동기로 동작할 때, 작업과 작업 사이의 유휴 시간을 활용해 축적된 로그와 작업 컨텍스트를 압축 정리하는 내부 반추(Reflection) 프로세스를 수행합니다.

이 '드리밍' 단계는 긴 세션 동안 누적된 불필요한 토큰 찌꺼기를 제거하고, 핵심 지식과 실패 사례를 장기 메모리(Vector DB 또는 키-값 저장소)에 색인화하는 역할을 맡습니다. 결과적으로 다음 실행 주기에서 에이전트가 이전 작업의 맥락을 훨씬 적은 비용으로 파악하게 돕습니다.

CI/CD 평가 체계와 멀티 테넌트 프로덕션 확장 (1:10:23)

마지막 20분은 실험실 단계를 벗어나 수천 명의 사용자에게 에이전트 서비스를 제공할 때 마주치는 배포 및 테스트 과제를 다룹니다.

자율형 에이전트는 일반적인 웹 애플리케이션과 달리 비결정론적(Non-deterministic) 특성을 갖습니다. 같은 입력에 대해서도 모델의 미세한 출력 변화나 외부 도구의 응답 지연에 따라 전혀 다른 경로로 분기할 수 있습니다. 따라서 전통적인 유닛 테스트만으로는 에이전트 품질을 보장하기 어렵습니다.

  • 에이전트 CI/CD 파이프라인: 벤치마크 시나리오 셋을 구성하고, 코드나 프롬프트 변경 시 다중 턴(Multi-turn) 상호작용 전체의 성공률, 도구 호출 정확도, 토큰 소모 효율을 통계적으로 측정하는 회귀 테스트 자동화를 구축합니다.
  • 멀티 고객(Multi-tenant) 동시 실행: 여러 고객의 요청이 몰릴 때 공유 리소스 병목을 방지하기 위해 테넌트별 속도 제한(Rate Limiting), 분산 작업 큐(Queue), 상태 저장소의 암호화 격리를 적용하여 데이터 누수를 원천 차단합니다.

실무 적용 시 고려해야 할 설계 지침

원문 작성자 @F5Adon은 이 강의를 두고 일반적인 고가 기술 부트캠프보다 밀도 높은 현장 지식을 담고 있다고 평가했습니다. 실제 프로덕션 레벨 에이전트를 개발 중인 팀이라면 다음 세 가지 사항을 우선 점검해볼 수 있습니다.

  1. 상태 머신과 샌드박스의 분리: 추론 계층과 도구 실행 계층이 단일 서버 인스턴스에 강결합되어 있지 않은지 확인해야 합니다.
  2. 평가 지표의 정량화: 프롬프트를 수정할 때마다 체계적으로 실행되는 다단계 시뮬레이션 평가 세트가 구축되어 있는지 검토해야 합니다.
  3. 메모리 정리 자동화: 장기 실행 에이전트의 컨텍스트 팽창을 막기 위한 백그라운드 요약(드리밍) 프로세스가 도입되어 있는지 점검할 필요가 있습니다.

고급 모델의 성능을 온전히 활용하기 위해서는 모델 자체의 파라미터 규모뿐 아니라 이를 둘러싼 런타임 하네스(Harness)와 인프라의 견고함이 성공을 좌우한다는 점을 보여주는 강의입니다.

원문 출처

Impact-Site-Verification: 9b3ebd10-6c45-44cf-a014-5b8c19b7b285