Agentic Loops는 AI 시스템의 핵심 단위를 단일 응답이 아니라 trajectory로 보는 설계 관점이다. 모델이 첫 시도에서 틀려도 환경 피드백, 테스트, 관찰, 평가를 통해 네 번째 턴에서 고치게 만들 수 있다면, 품질은 프롬프트 문장보다 루프 구조에 의해 결정된다.
기본 구조
목표 -> 계획 -> 행동/도구 호출 -> 관찰/피드백 -> 성공 조건 검사
^ |
| 실패/오류 |
+--------------+이 루프에서 프롬프트는 계획 단계의 일부일 뿐이다. 실제 엔지니어링은 관찰을 어떻게 구조화하고, 실패를 어떻게 분류하고, 언제 멈추며, 어떤 검증을 통과해야 성공으로 볼지 정하는 데 있다.
Loop Engineering과 Context Engineering
| 축 | 질문 |
|---|---|
| Context Engineering | 모델이 지금 알아야 할 도구, 문서, 상태, 히스토리는 무엇인가 |
| Loop Engineering | 모델 응답 뒤에 다음 상태를 어떻게 결정하고 검증할 것인가 |
복잡한 에이전트는 둘을 함께 다뤄야 한다. 컨텍스트만 좋아도 관찰과 검증이 없으면 drift가 누적되고, 루프만 있어도 필요한 문서와 상태가 빠지면 잘못된 행동을 반복한다.
설계 체크포인트
- 성공 조건을 외부에서 검증 가능하게 둔다.
- 도구 결과와 오류를 구조화된 observation으로 되돌린다.
- 반복 횟수, 비용, 시간, 위험 행동에 budget을 둔다.
- 실패한 루프가 다음 루프에 무엇을 바꿔야 하는지 명확히 전달한다.
- 회귀 eval을 통해 루프 수정이 기존 능력을 깨지 않는지 확인한다.
LangChain의 4단계 루프 스택
LangChain은 루프 엔지니어링을 네 겹으로 설명한다. 첫 번째는 모델이 도구를 호출하며 작업을 끝낼 때까지 반복하는 기본 agent loop다. 두 번째는 결과를 grader나 테스트로 확인하고 실패하면 피드백을 돌려보내는 verification loop다. 세 번째는 Slack 메시지, cron, webhook처럼 외부 이벤트가 에이전트를 실행하는 event-driven loop다. 네 번째는 실행 trace를 분석해 프롬프트, 도구, grader, memory를 개선하는 hill-climbing loop다.
이 관점에서 루프는 단순한 while문이 아니라 운영 계층이다. 안쪽 루프는 일을 수행하고, 바깥쪽 루프는 언제 실행할지, 어떻게 검증할지, 다음 버전을 어떻게 개선할지 결정한다.
작은 루프부터 시작하기
Machine Learning Mastery의 Loop Engineering 소개는 루프를 거대한 에이전트 플랫폼보다 작은 제어 구조로 설명한다. 목표 설정, 모델 호출, 관찰, 평가, 재시도 조건을 명시하면 간단한 스크립트도 루프 엔지니어링 대상이 된다. 실무에서는 처음부터 복잡한 멀티에이전트 구조를 만들기보다 “성공 조건을 검사하고 실패 시 무엇을 바꿀지 알려주는 한 겹의 루프”부터 넣는 편이 낫다.
루프라는 단어를 쪼개서 보기
O’Reilly의 루프 정리는 에이전트 업계가 같은 “loop”라는 단어로 서로 다른 구조를 가리킨다고 지적한다. 실행 루프는 한 작업 안에서 도구 호출과 관찰을 반복한다. 태스크 루프는 같은 명세를 새 컨텍스트로 다시 실행한다. 제품 루프는 triage, 구현, 리뷰, 배포, 모니터링까지 코드베이스 lifecycle을 돈다. 시스템 루프는 프롬프트, 하네스, 모델, eval을 개선한다. 이 구분을 하지 않으면 자동화 수준과 사람 개입 지점을 잘못 잡기 쉽다.
관련 문서
- agentic-loops-tips-pm-stop-conditions — PM이 루프의 종료 조건과 검증자를 설계하는 방법
- loop-library — 반복 가능한 에이전트 루프 카탈로그와 설치형 스킬
- agent-harness — AI 에이전트 성능을 결정하는 하네스 설계
- ai-agent-evaluation — 루프와 도구 사용을 측정하는 평가 하네스
- openenv — 에이전트 학습·평가 환경을 표준화하려는 프로토콜
- self-improving-agent-loops — 결과를 기억하고 다음 실행을 고치는 에이전트 구조
- one-step-trap — 장기 예측을 1스텝 모델 반복으로 대체하는 함정
- agentic-loops-tips-four-loop-stack — 실행·태스크·제품·시스템 루프 구분하기
- ai-agent-tips-graph-engineering — 그래프 기반 워크플로로 단일 루프를 분해하기
참고 자료
- Agentic Loops – Designing the Systems That Design Themselves — Prompt Engineering (2026-06-22)
- The Art of Loop Engineering — LangChain Blog (2026-06-16)
- An Introduction to Loop Engineering — Machine Learning Mastery (2026-07-27)
- What the Hell Is a Loop, Anyway? — O’Reilly Radar (2026-07-29)