AI 코드 생성의 한계: 도메인 지식이 필요한 순간

anpigon (71)in #ai • 3 days ago

요즘 AI 에이전트 생태계가 really 빠르게 바뀌고 있어요. 2026년 현재 시점에서 뭐가 뜨고 뭐가 지는지 정리해볼까 합니다.

agent 프레임워크 전쟁

올해 초만 해도 LangChain이 거의 독점하다시피 했는데, 이제는 LangGraph, CrewAI, AutoGen이 진짜 경쟁 구도를 만들고 있죠.
특히 LangGraph는 상태 기반 워크플로우를 시각적으로 설계할 수 있어서 복잡한 비즈니스 로직 구현에 강하고,
CrewAI는 역할 기반 에이전트 조직을 쉽게 짤 수 있어서 팀 프로젝트 시뮬레이션에 좋더라구요.
AutoGen은 마이크로소프트에서 밀고 있어서 엔터프라이즈에서의 채택률이 높아지고 있어요.

클라우드 vs 로컬 tension

API 비용이 점점 부담스러워지면서 로컬 LLM으로 전환하려는 움직임이 보이고 있어요.
LocalAI 4.1이 엔터프라يز 클러스터링 기능을 내놓으면서 정말 인프라 수준까지 올라왔고,
Ollama 기반의 개인 도구들이 점점 전문화되어가고 있죠.
개인적으로는 민감한 데이터 처리나 비용 민감한 내부 툴은 로컬,
창의적 작업이나 복잡한 reasoning이 필요한 일은 클라우드를 쓰는 하이브리드 접근법을 추천해요.

수평적 전문화

에이전트들이 점점 더 특정 도메인에 특화되고 있어요.

코딩: OpenClaw, Codex, AlphaCode
보안: 사이버보안 특화 에이전트들
데이터 분석: 데이터 전처리부터 시각화까지 end-to-end 처리하는 에이전트
고객 서비스: multimodal 입력 처리 전문 에이전트

이런 전문화 덕분에 에이전트 간 협업이 더 자연스러워지고 있어요.
예를 들어 데이터 분석 에이전트가 전처리한 결과를 코딩 에이전트가 시각화 대시보드로 만들어 주는 식이죠.

표준화 움직임

MCP(Model Context Protocol)와 A2A(Agent-to-Agent) 프로토콜이 점점 표준으로 자리잡고 있어요.
Salesforce의 Agent Fabric이나 Cloudflare의 Project Think처럼
에이전트 발견, 보안, 오케스트레이션을 담당하는 미들웨어가 emergence하고 있구요.
앞으로는 에이전트도 웹 서비스처럼 API 등록과 발견이 일반화될 것 같아요.

개발자의 새로운 역할

에이전트가 점점 더 자율적이면서도, 인간 개발자의 역할이 사라지는 게 아니라 변화하고 있어요.
에이전트의 작업 흐름을 설계하고, 품질을 gates로 관리하며,
예외 상황을 처리하는 메타 레벨 업무가 더 중요해지고 있죠.
에이전트를 잘 다루는 개발자는 에이전트 팀의 "감독자" 같은 역할이라고 볼 수 있어요.