에이전트는 단순히 더 똑똑한 모델 자체가 아니라, 대규모 언어 모델을 중심으로 구축된 시스템입니다. 이들은 단일 상호작용을 넘어 지속되고 행동할 수 있도록 하는 특화된 구성 요소를 갖추고 있습니다. 대부분의 에이전트의 기본적인 구조는 추론을 위한 모델, 안내를 위한 지침, 정보 저장을 위한 메모리, 기능을 확장하기 위한 도구, 그리고 지속적인 작동을 위한 실행 루프로 구성됩니다. 모델, 즉 LLM은 언어를 처리하고 행동을 결정하는 추론 엔진 역할을 합니다. 지침은 에이전트의 목적, 정체성, 원하는 행동을 정의하여 의사 결정을 집중시킵니다. 각 턴마다 초기화되는 LLM의 컨텍스트 창과 달리, 에이전트의 메모리는 세션 간에 접근 가능한 외부의 지속적인 정보 저장소입니다. 이 메모리는 운영 연속성을 가능하게 하여 시간이 지남에 따라 컨텍스트를 유지합니다. 도구는 에이전트에게 텍스트 생성 이상의 기능을 제공하여 외부 세계와 상호작용할 수 있도록 합니다. 실행 루프는 관찰, 의사 결정, 행동, 평가의 에이전트 주기를 조율합니다. 이러한 핵심 구성 요소 중 어느 하나라도 없으면 에이전트의 행동은 크게 달라집니다. 대화 내에서 LLM의 명백한 메모리와 에이전트의 지속적인 메모리 간의 구분은 에이전트 기능 이해에 중요합니다. 시스템이 모델 자체를 관리하고 LLM의 컨텍스트 창에 정보를 공급합니다. 궁극적으로 에이전트의 효과는 모든 구성 부분의 시너지 상호작용에 달려 있습니다.