Agentic AI란?

jungjaelee·2026년 1월 19일

최근 AI 패러다임이 단순한 '생성(Generative)'에서 '대행(Agentic)'으로 급격히 이동하고 있습니다. 오늘은 이 흐름의 최전선에 있는 구글의 Antigravity를 중심으로, Agentic AI의 정의와 그 뒤에 숨겨진 컴퓨터공학적 메커니즘을 심도 있게 다뤄보겠습니다.

1. Agentic AI란 무엇인가? (Passive vs. Active)

기존의 생성형 AI(Generative AI)가 사용자의 입력을 받아 텍스트나 이미지를 출력하는 '수동적 도구'였다면, Agentic AI는 주어진 고수준 목표(High-level Goal)를 달성하기 위해 스스로 계획을 세우고 도구를 사용하며 실행 결과까지 책임지는 '자율적 행위자'를 의미합니다.전공자 관점에서 핵심은 "Agency(행위 주체성)"입니다. 단순히 확률적으로 다음 단어를 예측하는 것이 아니라, 환경(Environment)과 상호작용하며 목표 상태( $S_{target}$ )에 도달하기 위해 행동( $A$ )을 최적화하는 에이전트 루프를 가집니다.

2. Agentic AI의 완성형 모델: 구글 Antigravity

구글이 공개한 Antigravity는 이러한 Agentic AI 철학을 소프트웨어 개발 환경(IDE)에 완벽하게 녹여낸 플랫폼입니다. 단순히 코드를 짜주는 챗봇이 아니라, Gemini 3의 강력한 추론 능력을 바탕으로 독립적인 엔지니어링 세션을 수행합니다.

Antigravity의 3단계 워크플로우

Planning (계획): 사용자의 모호한 요청(예: "로그인 페이지에 Google OAuth 추가해줘")을 수신하면, 전체 코드베이스를 분석하여 수정이 필요한 파일 목록과 단계별 실행 계획(Task List)을 수립합니다.
Action (실행): 에이전트가 터미널을 열어 의존성을 설치하고, 소스코드를 수정하며, 필요시 브라우저를 띄워 UI가 깨지지 않았는지 직접 확인합니다.
Verification (검증): 작업 결과가 요구사항에 부합하는지 테스트 코드를 돌려 확인하고, 그 과정을 Artifacts(아티팩트)라 불리는 결과물로 정리해 인간에게 보고합니다.

3. Technical Deep Dive: Antigravity를 뒷받침하는 핵심 기술

Antigravity가 기존 코딩 비서들과 궤를 달리하는 이유는 다음과 같은 전문적인 기술 스택 덕분입니다.

① Gemini 3의 1M+ 컨텍스트 윈도우와 멀티모달 추론

전통적인 RAG(검색 증강 생성) 방식은 코드를 조각내어 검색하기 때문에 복잡한 종속성을 놓치기 일쑤였습니다.
하지만 Antigravity의 엔진인 Gemini 3는 수백만 토큰을 한 번에 읽어 들여 전체 프로젝트의 아키텍처를 메모리상에 유지합니다.
또한, 브라우저 화면의 픽셀을 직접 해석하여 시각적인 버그까지 잡아내는 멀티모달 능력을 보여줍니다.

② ReAct(Reason + Act) & Self-Healing② ReAct(Reason + Act) & Self-Healing

Self-Healing 루프: 코드를 실행하다 에러가 발생하면, 에이전트는 스택 트레이스를 분석하고 스스로 원인을 파악해 코드를 재수정합니다. 인간의 개입 없이 $Input \rightarrow Plan \rightarrow Act \rightarrow Observe \rightarrow Refine$ 루프를 자율적으로 반복합니다.

③ Multi-Agent Orchestration (Swarm 시스템)

복잡한 프로젝트에서는 여러 에이전트가 협업합니다. '기획 에이전트', '코딩 에이전트', 'QA 에이전트'가 메시지 버스를 통해 통신하며 병렬적으로 작업을 처리합니다. 이는 소프트웨어 공학의 관심사 분리(Separation of Concerns) 원칙을 AI 시스템에 이식한 결과입니다.

4. 엔지니어에게 Antigravity가 주는 가치

Cognitive Load Reduction: 개발자는 로우 레벨의 타이핑보다는 시스템 설계와 비즈니스 로직의 정합성 검토(Review)에 더 집중할 수 있습니다.
Transparency & Trust: 에이전트의 모든 결정 과정은 Artifacts로 남습니다. 브라우저 테스트 영상, 작업 계획서, 변경된 코드의 Diff를 통해 AI의 행동을 투명하게 추적하고 신뢰할 수 있습니다.
Vibe Coding의 실현: 아이디어를 자연어로 던지면 실제 동작하는 소프트웨어로 빠르게 Liftoff 시키는 경험을 선사합니다.