AI 에이전트 지식 지도 (AI Agent MOC)

이 문서는 파편화된 AI 에이전트 관련 원자적 영구 노트(Zettel)들을 상위 맥락에서 조망하고 내비게이션하는 **구조 노트(Map of Content)**입니다.

컴퓨터의 패러다임이 ‘애플리케이션(Application)’ 중심에서 ‘에이전트(Agent)’ 중심으로 이동하는 과정과 그에 수반되는 프로토콜, 실행 환경, 메모리 구조, 인프라를 연결합니다.

1. 패러다임의 대전환 (Paradigm Shift)

과거의 AI가 브라우저나 앱 안에서 사용자의 질문에 답하는 챗봇이었다면, 이제는 사용자의 실제 작업 공간에서 직접 행동을 수행하는 주체로 진화하고 있습니다.

결국 컴퓨터의 중심이 Application에서 Agent로 이동할 수 있다: 인간과 컴퓨터 상호작용의 중심축이 개별 앱 조작에서 에이전트 위임으로 이동하는 현상
Desktop Agent는 왜 중요한가: 답변 생성을 넘어 사용자의 실제 디바이스 자원을 직접 통제하는 에이전트의 전략적 가치
LLM 커널 (LLM as the Kernel): 운영체제의 커널처럼 LLM이 컴퓨터 전체의 프로세스와 I/O를 조율하는 핵심 두뇌로 기능하는 모델

에이전트가 단독으로 존재하지 않고 외부 세상 및 인간과 상호작용하기 위한 표준 규약입니다.

MCP는 Agent와 외부 Tool, Data, Service를 연결하는 인터페이스다: Anthropic이 주도하는 Model Context Protocol의 역할과 도구 호출 표준화
A2UI는 Agent가 동적인 사용자 인터페이스를 제공하기 위한 프로토콜이다: 텍스트 채팅창을 넘어 에이전트가 작업 승인 및 검토를 위한 UI를 동적으로 생성하는 기술
상호 보완 관계: MCP가 “어떤 Tool/Data를 쓸 것인가”를 결정한다면, A2UI는 “사용자에게 어떤 UI를 보여줄 것인가”를 결정합니다.

에이전트가 작업을 완결짓기 위해 필요한 실행 공간과 자율 실행 메커니즘입니다.

Desktop Agent는 Agent가 사용자의 실제 작업 환경에 접근하는 실행공간이다: 파일시스템, 터미널, 브라우저가 하나로 통합되는 작업 공간
AI 기업들은 Desktop을 Agent의 실행 공간으로 확장하려 한다: Anthropic Computer Use 등 빅테크의 데스크톱 선점 경쟁
루프 지능 (Loop Intelligence): 지속적인 환경 관찰-행동-평가 피드백 루프를 통한 자율적 문제 해결
매크로 액션 (Macro Actions): 복잡한 다단계 작업을 단일 추상화 단위로 묶어 실행하는 에이전트 액션 단위

복합 에이전트가 지속적으로 성장하고 과거의 맥락을 잃지 않기 위한 지식 저장 구조입니다.

에이전트 메모리는 복잡한 파이프라인이 아니라 파일 포맷이어야 한다: 불필요한 벡터 DB 파이프라인 대신 마크다운과 파일 포맷 자체를 지향하는 단순성의 철학
복리적 지식 베이스 (LLM Wiki): 카파시의 LLM Wiki 철학에 기반하여 일회성 프롬프트 대화를 영구적인 지식 자산으로 축적하는 아키텍처
안드레아 카파시 (Andrej Karpathy): LLM OS 및 LLM Wiki 개념의 창시자

에이전트 생태계가 지속 가능하게 구동되기 위한 컴퓨팅 자원과 경제 모델입니다.

유니버설 베이직 컴퓨트 (Universal Basic Compute, UBC): 기본소득(UBI)을 넘어 모든 지능 주체에게 기본 계산 자원을 부여하는 미래 개념
토큰 경제 (Token Economy): 에이전트와 LLM 연산의 기본 화폐 단위
토큰맥싱 (Tokenmaxxing): 추론 비용 대비 최대의 산출을 이끌어내기 위한 컴퓨팅 최적화 전략

tags	moc, structure, ai-agent, mcp, zettelkasten
aliases	moc-ai-agent, AI 에이전트 MOC, AI Agent Map of Content