지금까지의 자동화 툴은 당신이 지시한 것만 정확히 수행했다. 에이전틱 워크플로우는 다르다. 원하는 결과만 말하면 AI가 스스로 단계를 설계하고 실행한다. Nate Herk가 에이전틱 워크플로우의 핵심 개념 네 가지를 설명하고, 클로드 코드를 이용해 시카고 치과의원 리드 생성 자동화를 라이브로 직접 구축하는 과정을 보여준다.
에이전틱 워크플로우란 무엇인가
기존 n8n 같은 워크플로우 빌더는 노드를 드래그하고, 설정하고, 연결하고, 에러를 읽고, 수정하고, 다시 테스트하는 과정을 사람이 직접 반복했다. API 연결, 변수, 조건 분기 하나하나를 모두 직접 구성해야 했다.
에이전틱 방식은 다르다. 시스템에게 “어떻게 하라”가 아니라 “무엇을 원한다”고 말한다. 데이터 출처, 처리해야 할 일, 최종 결과물만 설명하면 에이전트가 나머지 단계를 스스로 결정한다. 실제 개발자를 고용하는 것과 비슷하다. 코딩을 알 필요는 없다. 하지만 자신이 원하는 것을 명확하게 전달하는 능력은 반드시 필요하다.
핵심 변화 4가지
1. 자기 수복(Self-Healing)
기존 워크플로우가 망가지면 직접 에러 메시지를 읽고, 노드를 조정하고, 다시 테스트하는 디버깅 루프를 반복해야 했다. 에이전틱 워크플로우에서는 에이전트가 이 루프를 대신 처리한다. 워크플로우가 실패하면 에이전트가 에러를 읽고, 수정을 테스트하고, 자체 코드와 지시사항을 편집해 같은 실수를 반복하지 않는다.
2. 자연어 제어의 실질적 구현
새 세대의 에이전틱 시스템은 코드 한 줄 작성하기 전에 먼저 인터뷰를 진행한다. 사용자가 누구인지, 얼마나 자주 실행할지, 어떤 도구를 쓰는지, X가 발생하면 어떻게 해야 하는지 같은 질문들을 선제적으로 던진다. 시스템 구축 후에는 자연어가 자동화 전체의 리모컨이 된다.
3. 보안 자동화
코드를 생성하는 동일한 대형 언어 모델이 변경사항마다 보안 취약점을 자동으로 검토한다. API 키가 숨겨져 있는지, 민감한 데이터가 잘못된 곳에 기록되고 있지는 않은지를 자기 수복 루프의 일부로 자동 점검한다. 자연어로 가드레일을 설정할 수도 있다.
4. API 및 MCP 즉시 연동
n8n에서 API를 연결하려면 헤더, JSON 바디, 쿼리 파라미터를 직접 설정하고 API 문서를 읽는 데 절반의 시간을 써야 했다. 에이전틱 워크플로우에서는 “파이어플라이즈 녹취록을 가져와서 클릭업에 넣고 지메일 요약을 보내 줘”라고 말하기만 하면 된다. API 키만 제공하면 에이전트가 API 문서를 직접 검색해 스스로 파악한다.
MCP는 에이전트를 위한 앱스토어와 같다. 에이전트가 사용할 수 있는 도구들이 미리 포장돼 있어 에이전트가 무엇이 있고 어떻게 사용하는지 알 수 있다.
실전 가이드: 클로드 코드로 리드 생성 자동화 구축하기
WAT 프레임워크 이해하기
클로드 코드 기반 에이전틱 워크플로우는 WAT 프레임워크로 구성된다. 워크플로우(Workflow), 에이전트(Agent), 도구(Tools)의 약자다.
- 워크플로우: 무엇을 할지 정의하는 마크다운 SOP 파일
- 에이전트: 대화하며 계획을 세우고 실행하는 AI
- 도구: 실행을 위한 파이썬 스크립트 등 결정론적 구성요소
리드 생성 자동화 4단계
1단계: 에이전트에게 목표 전달. 플랜 모드에서 “시카고 일리노이 치과의원들의 리드를 대량으로 수집하고 싶다. 이 사람들을 조사하고, 리드를 스크래핑하고, 개인화된 아웃리치 메시지를 작성해 구글 시트에 정리해 달라”고 요청한다.
2단계: 에이전트의 질문에 답하기. 에이전트가 데이터 소스, 보강 깊이, 메시지 톤, API 키 준비 여부를 확인한다.
3단계: 자동 생성된 결과 확인. 에이전트가 치과의원 스크래핑 도구, 아웃리치 메시지 생성 도구, 구글 시트 내보내기 도구를 자동 생성한다. 결과에는 이름, 주소, 전화번호, 평점, 개인화된 아웃리치 메시지가 포함된다.
4단계: 자연어로 반복 개선. “시카고뿐 아니라 캘리포니아도 추가해 줘”, “이메일 주소도 포함해 줘”처럼 자연어로 계속 개선할 수 있다.
핵심 요점 5가지
- 에이전틱 워크플로우의 핵심은 “무엇을”이다. 코딩보다 문제 정의와 소통 능력이 더 중요해진다.
- 자기 수복은 디버깅 시간을 대폭 줄인다. n8n에서 에러를 잡는 데 썼던 시간 대부분을 에이전트가 처리한다.
- MCP가 연동 복잡성을 없앤다. API 문서를 읽고 요청 형식을 맞추는 작업을 에이전트가 담당한다.
- n8n 경험은 에이전틱 전환에서 경쟁 우위다. 프로세스를 단계로 분해하는 능력, 엣지 케이스 대응 경험을 가진 사람은 에이전트에게 더 정확한 지시를 내릴 수 있다.
- 미래는 에이전트 팀이다. 가트너는 2027년까지 생성형 AI를 사용하는 기업의 50%가 에이전틱 파일럿을 배포할 것이라 예측한다. AI 자동화 시장은 2025년 약 80억 달러에서 2030년 400~500억 달러 규모로 성장할 전망이다.
주의할 점
영상은 성공적인 데모 케이스에 집중하고 있어 실패 시나리오나 비용 관리 방법은 충분히 다루지 않는다. 장기 실행 에이전트의 경우 시간이 지날수록 성능이 저하되고 반복적인 루프에 빠지는 문제가 존재한다. 실제 프로덕션 환경에 도입하기 전에 비용 한도, 오류 처리, 사람의 검토 단계를 어떻게 설계할지 충분히 고민해야 한다.