에이전틱 AI 프롬프트는 좋은 답변을 얻기 위한 문장 작성법이 아니다. 목표를 세우고, 도구를 선택하고, 실패를 복구하고, 상태를 유지하는 작은 운영 규칙이다. 따라서 “친절하게 답하라”보다 “무엇을 끝내야 하는가, 어떤 도구를 언제 써야 하는가, 무엇을 검증해야 하는가”가 더 중요하다.
에이전트 프롬프트의 4요소
| 요소 | 설명 |
|---|---|
| 시스템 프롬프트 | 역할, 금지 행동, 완료 기준, 커뮤니케이션 원칙 |
| 도구 설명 | 각 도구가 언제 유효하고, 어떤 입력·출력을 갖는지 |
| 예시 | 성공 패턴과 실패 패턴을 보여주는 few-shot 예시 |
| 상태/히스토리 | 지금까지 한 일, 남은 일, 중요한 결정, 검증 결과 |
도구 설명은 특히 중요하다. 에이전트는 “브라우저를 쓸 수 있다”보다 “가격·정책처럼 최신성이 필요한 정보는 브라우저로 확인하고, 삭제·결제·전송 작업 전에는 승인받는다” 같은 규칙에서 안정적으로 행동한다.
작동하는 추론 패턴
ReAct
ReAct는 생각(reasoning)과 행동(action)을 번갈아 수행하는 패턴이다. 검색, 파일 읽기, 명령 실행처럼 외부 세계를 확인해야 하는 작업에 적합하다.
Reflexion
Reflexion은 실행 후 결과를 비판하고 다음 시도에 반영하는 패턴이다. 테스트 실패, 검색 누락, 포맷 오류처럼 반복 개선이 필요한 작업에서 유용하다.
Just-in-Time Context
모든 문서를 처음부터 프롬프트에 넣는 대신, 필요한 순간에 필요한 자료만 검색·주입한다. 컨텍스트 비용을 줄이고 오래된 정보가 판단을 오염시키는 문제를 줄인다.
프롬프트 작성 원칙
- 절차보다 결과를 먼저 쓴다: 세부 단계는 에이전트가 상황에 맞게 조정할 수 있게 한다.
- 완료 기준을 검증 가능하게 쓴다: “잘 정리”가 아니라 “테스트 통과, 링크 3개 이상, 출처 포함”처럼 쓴다.
- 도구 실패 경로를 정의한다: fetch 실패, 권한 부족, 모호한 결과일 때 재시도·대체·중단 기준을 둔다.
- 컨텍스트를 동적으로 공급한다: 긴 배경 설명 대신 필요한 파일·URL·정책을 작업 중에 읽게 한다.
흔한 실수
| 실수 | 결과 | 대안 |
|---|---|---|
| 시스템 프롬프트에 모든 정책을 밀어 넣음 | 규칙 충돌과 무시 증가 | 핵심 원칙만 두고 업무별 지시로 분리 |
| 도구 사용을 느슨하게 허용 | 불필요한 검색, 위험한 실행 | 도구별 사용 조건과 승인 조건 지정 |
| 예시가 없음 | 출력 형식 흔들림 | 좋은 예시와 나쁜 예시를 함께 제공 |
| 검증 루프가 없음 | 그럴듯한 미완성 결과 | 완료 전 체크리스트와 테스트 명령 포함 |
관련 문서
- agent-harness — 에이전트 성능을 결정하는 하네스 설계
- context-engineering — 컨텍스트 창을 유한 자원으로 관리하는 방법론
- agentic-ai-tips-vs-generative-ai — 에이전틱 AI와 생성형 AI의 차이
- long-running-agents — 장기 실행 에이전트 설계 원칙
참고 자료
- Prompt Engineering for Agentic AI — MachineLearningMastery (2026-05-19)