Articlelangchain.com·2026년 11월 17일·0

What We’ve Learned Building Proactive Agents

Quick Summary

LangChain은 선제적 에이전트가 사용자에게 언제 판단을 구할지 배우려면, 피드백을 기억하는 메모리와 사람이 빠르게 검토할 수 있는 사용자 경험(UX)을 함께 설계해야 한다고 본다.

What We’ve Learned Building Proactive Agents 관련 대표 이미지

🖼️ 인포그래픽

What We’ve Learned Building Proactive Agents 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

What We’ve Learned Building Proactive Agents의 핵심 내용을 4단계로 요약한 인포그래픽
What We’ve Learned Building Proactive Agents 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

LangChain은 선제적 에이전트가 사용자에게 언제 판단을 구할지 배우려면, 피드백을 기억하는 메모리와 사람이 빠르게 검토할 수 있는 사용자 경험(UX)을 함께 설계해야 한다고 본다.

📌 핵심 요약

  • 선제적 에이전트는 며칠에서 몇 주에 걸친 목표를 맡아 외부 사건, 개발자가 정한 일정, 에이전트가 직접 정한 일정에 따라 일한다. 사용자의 의도가 불분명하거나 승인이 필요할 때 먼저 연락한다.
  • LangChain의 영업용 GTM Agent는 잠재 고객과 회신을 살피고 이메일 초안과 일일 브리핑을 작성한다. 엔지니어링용 Robin은 풀 리퀘스트를 작성하고 새로 열린 풀 리퀘스트를 검토한다. 두 에이전트의 기반인 Managed Deep Agents에서는 전체 실행의 70% 이상이 일정에 따라 시작된다고 회사는 밝혔다.
  • 메모리는 기존 기록, 현재의 피드백, 행동 이후의 결과에서 형성된다. 메모리를 유용하게 유지하려면 기억할 정보의 중요도를 판단하고, 오래된 정보를 갱신하며, 중복된 기록을 병합해야 한다.
  • 글은 메모리의 효과를 가늠할 지표로 이메일 초안 승인 시간, 발송한 이메일의 회신율, 에이전트가 먼저 연락한 건 중 사용자가 실제로 조치한 비율을 제시한다. 이런 지표가 실제로 얼마나 개선됐는지는 밝히지 않는다.
  • GTM Agent는 전용 화면에서 이메일 초안을 검토하게 하고 일일 브리핑은 Slack으로 보낸다. Robin은 Jev로 Slack 대화에 참여할 시점을 판단하고, 검토를 요청할 때는 요점을 먼저 보여 준다.

🧩 주요 포인트

  1. 일정에 따라 에이전트가 스스로 일을 시작할수록, 어떤 사안을 사용자에게 가져갈지 선별하는 판단이 중요해진다.
  2. 사용자의 수정을 메모리에 반영해 같은 실수가 줄어들면, 매번 승인을 구하던 일도 점차 위임할 근거가 생긴다.
  3. GTM Agent는 여러 초안을 한꺼번에 검토하는 일과 짧은 브리핑을 받아보는 일에 서로 다른 화면을 쓴다. 검토에 드는 수고를 줄이면 사용자의 판단을 피드백으로 얻기 쉬워진다.

🧠 상세 정리

1. 목표를 맡은 에이전트가 사람을 찾는 순간

Sydney Runkle은 신입 직원에게 처음에는 버그 보고서 분류나 문서 수정처럼 범위가 좁은 일을 주고, 익숙해지면 달성할 목표와 접근 방법까지 맡기는 과정에 에이전트를 비유한다. Muse, Instinct, OpenAI의 dots는 백그라운드에서 더 큰 목표를 향해 일하는 개인용 에이전트를 대중화한 사례로 등장한다. Hone은 자사의 Engines에 개별 작업보다 목표를 부여한다고 설명하며, 저자는 이런 방식이 며칠이나 몇 주에 걸친 문제를 맡길 수 있게 한다고 본다. 에이전트는 사용자의 의도가 불분명하면 질문하고 외부로 무언가를 보내기 전 승인이 필요하면 검토를 요청한다. 맡긴 목표가 늘수록 여러 요청을 판단해야 하는 사람의 시간이 부족해지므로, 저자는 메모리와 UX를 함께 설계해야 한다고 말한다.

2. 작업을 시작하는 세 가지 계기

선제적 에이전트의 작업은 새 이메일이나 풀 리퀘스트 같은 외부 사건, 개발자가 미리 정한 일정, 에이전트가 직접 만든 일정으로 시작된다. 매일 밤 메모리를 갱신하거나 매주 오래 열린 풀 리퀘스트를 살피는 일은 개발자 일정의 예이고, 대화를 내일 다시 확인하기로 하는 일은 에이전트 일정의 예다. LangChain 내부에서 예전에 Open SWE로 불렸던 Robin은 새 풀 리퀘스트가 열리면 검토를 시작하고, GTM Agent는 사용자가 일일 브리핑을 요청하면 스스로 발송 일정을 만든다. 사용자가 처음에 브리핑을 요청했더라도 이후의 개별 실행은 그 일정에 따라 시작된다. 회사가 밝힌 70% 이상이라는 수치는 두 에이전트를 구축한 Managed Deep Agents에서 전체 실행 중 일정으로 시작된 실행이 차지하는 비중이다.

3. 기존 기록과 피드백, 행동의 결과가 만드는 메모리

일정이나 사건에 반응해 실행되는 에이전트에게는 그 순간 사용자가 원하는 바를 설명해 주는 새 요청이 없다. 받은편지함과 캘린더를 연결하면 현재 상황을 파악할 수 있고, 그중 사용자에게 무엇이 중요한지를 판단할 단서는 이전에 쌓은 메모리에서 얻는다. 예를 들어 받은편지함을 관리하는 비서에게 첫 실행 전에 보낸편지함을 참고하게 하면 사용자가 누구와 일하고 어떤 어조로 답하는지 과거 기록에서 배울 수 있다. 사용자가 초안을 직접 고치거나 거절한 이유를 알려 주면 현재의 제안에 대한 피드백이 되고, 발송한 이메일에 나중에 답장이 오면 행동 이후의 결과가 된다. 저자는 이 세 시점의 정보를 엮어야 비서가 답장을 쓰는 법뿐 아니라 어떤 메일을 사용자에게 직접 알려야 하는지도 익힐 수 있다고 설명한다.

4. 메모리의 유지와 효과 측정

메모리는 파일 하나로도 저장할 수 있지만, 에이전트는 기억한 내용을 근거로 행동하므로 기록이 늘수록 그 내용을 유용한 상태로 유지하기가 어렵다. 새 정보가 다음 실행에서도 기억할 만큼 중요한지 판단하고, 이미 지난 출시일처럼 효력을 잃은 정보는 갱신하며, 같은 사실을 두 번 저장해 나중에 서로 모순되는 일도 피해야 한다. 여러 선제적 에이전트는 최근 실행 기록을 정기적으로 다시 읽고 다음 실행 전에 메모리를 갱신하는 백그라운드 작업을 쓰며, 글에서는 이를 ‘드리밍’이라고 부른다. 효과를 평가할 때 저자는 비서의 이메일 초안이 승인되기까지 걸리는 시간이나 발송한 이메일의 회신율처럼 메모리가 좋아지면 달라질 결과를 관찰하자고 제안한다. 더 넓게는 에이전트가 먼저 연락한 건 가운데 사용자가 실제로 조치한 비율도 살펴볼 수 있다.

5. 피드백이 위임으로 이어지는 조건

저자는 직원에게 중요한 일을 얼마나 믿고 맡길 수 있는지가 그 직원의 가치를 판단하는 기준이라는 멘토의 말을 에이전트에 적용한다. 신입 직원이 한 번 지적받은 실수를 되풀이하지 않으면 상사가 더 많은 일을 맡길 수 있듯, 에이전트도 사용자가 고쳐 준 내용을 기억하고 다음 제안에 반영하면서 신뢰를 쌓는다는 설명이다. 일정 관리 비서가 제안하는 회의 시간을 사용자가 계속 바꾼다면, 그 수정에는 어떤 시간을 선호하는지에 관한 판단이 담겨 있다. 이후 사용자가 제안 시간을 더는 바꾸지 않게 되면 회의 예약까지 비서에게 맡길 수 있다는 것이 글의 예다. 이는 LangChain이 회의 예약의 성과를 측정했다는 뜻이 아니라, 특정 업무에서 관찰한 피드백을 바탕으로 위임 범위를 넓히는 과정을 설명한 사례다.

6. 사용자의 관심이 필요한 사안 선별

새 메일이 도착했다는 사실만으로 사용자가 주의를 기울여야 하는 것은 아니다. 받은편지함을 지켜보는 비서라면 내일 출시를 앞두고 상사가 보낸 메일은 알려야 하지만, 뉴스레터가 올 때마다 알림을 보내면 중요한 연락을 골라 주는 가치가 줄어든다. GTM Agent의 검토 화면은 사용자의 조치를 기다리는 대화, 답장 초안이 필요한 대화, 답장이 필요 없는 대화를 나눠 각 대화에 무엇이 필요한지 보여 준다. Slack에서도 팀원끼리 대화할 때 에이전트가 불쑥 끼어들면 방해가 되므로, LangChain은 Robin이 대화에 참여할 시점을 판단하는 데 Jev를 사용한다. Robin은 누군가 자신을 호출할 때까지 매번 기다릴 필요 없이 대화의 흐름을 살피다가 보탤 내용이 있을 때 참여할 수 있다.

7. 검토가 쉬워야 사용자의 판단을 배운다

에이전트가 질문하거나 승인을 요청하는 순간은 사용자의 판단이 다시 메모리로 돌아가는 접점이기도 하다. 특히 정답이 하나로 정해지지 않은 일에서는 사용자가 어떤 표현을 선호하고 어느 정도의 결과를 받아들이는지가 중요하지만, 그런 기준이 미리 문서에 적혀 있는 경우는 드물다고 저자는 설명한다. 글이 인용한 「Goal Engineering」은 사람이 쉽게 검토할 수 있는 결과에 맞춰 목표를 설계하면, 검토 과정에서 더 많은 정보를 얻고 에이전트가 계속 배울 수 있다고 주장한다. LangChain에서는 GTM Agent가 작성한 영업 이메일 초안이 쌓이자 Slack에서 하나씩 검토하는 데 시간이 오래 걸렸다. 팀은 여러 초안을 처리할 전용 검토 화면을 만들었고, 짧은 일일 브리핑은 계속 사용자가 대화 중인 Slack에서 받아보게 했다.

8. 사람에게 필요한 맥락을 전달하는 방식

LangChain의 팀원은 Slack에서 에이전트에게 직접 메시지를 보내거나 채널에서 호출하고, 스레드에서 시작한 일의 후속 보고도 같은 곳에서 받는다. Robin은 한두 문장으로 요점을 먼저 쓰고 세부 내용은 스레드 답글에 둔다. 직접 풀 리퀘스트를 열었을 때는 한 줄 요약, 변경 규모, 검토를 맡겠다고 표시하는 버튼을 함께 보내 사용자가 바로 판단할 수 있게 한다. 저자는 지난 3년간 모델에 적절한 맥락을 주는 일이 에이전트 개발의 중심이었으며, 이제는 시간과 주의가 한정된 사람에게도 필요한 정보를 알맞은 형식과 시점에 전달해야 한다고 본다. 글은 구현 수단으로 일정, 메모리, 비동기 하위 에이전트를 지원하는 Managed Deep Agents를 소개하며, 오픈 소스 Deep Agents의 메모리와 비동기 하위 에이전트는 JavaScript에서도 같은 방식으로 쓸 수 있다고 설명한다.

🧾 핵심 주장 / 시사점

  • 일정은 에이전트가 언제 일을 시작할지 정한다. 그 결과가 사람에게 지금 알려야 할 만큼 중요한지 판단하려면 사용자의 우선순위를 기억해야 한다.
  • 초안을 고친 이유와 발송 후 회신 여부는 서로 다른 정보를 준다. 전자는 사용자가 원하는 표현을, 후자는 실제로 보낸 이메일에 상대가 어떻게 반응했는지를 보여 준다.
  • 사람이 이미 일하는 곳에서 결과를 받는 편의성과, 쌓인 일을 빠르게 검토하는 편의성은 다를 수 있다. GTM Agent가 Slack과 전용 검토 화면을 함께 쓰는 이유다.

✅ 액션 아이템

  • 메모리의 효과를 이메일 초안 승인 시간, 발송한 이메일의 회신율, 사용자가 실제로 조치한 비율로 살펴본다.
  • GTM Agent 사례를 바탕으로 이메일 초안 검토와 Slack 일일 브리핑에 각각 맞는 전달 방식을 구분한다.
  • 사용자의 수정이 메모리에 반영돼 같은 실수가 줄어드는지 확인하고, 그 결과를 바탕으로 위임 범위를 판단한다.

❓ 열린 질문

  • Managed Deep Agents에서 전체 실행의 70% 이상이 일정에 따라 시작되는 가운데, 에이전트가 먼저 연락한 건 중 사용자가 실제로 조치한 비율은 어느 정도인가?
  • 메모리에 기존 기록과 현재의 피드백, 행동 이후의 결과가 쌓이면서 이메일 초안 승인 시간과 발송한 이메일의 회신율은 어떻게 달라졌는가?
  • Robin이 Jev로 Slack 대화에 참여할 시점을 판단했을 때, 사용자는 그 개입을 얼마나 유용하게 여겼는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.