모든 웹사이트를 위한 AI 에이전트

발행: 1개월 전 (2025년 12월 30일 오후 12:08 GMT+9)

13 분 소요

Source: Dev.to

번역할 텍스트가 제공되지 않았습니다. 번역이 필요한 본문을 알려주시면 한국어로 번역해 드리겠습니다.

소개

이번이 2025년 마지막 블로그가 될 것이며, 미리 새해 복 많이 받으시길 바랍니다.

ChatGPT와 OpenAI의 창립자인 Sam Altman은 올해 *“다음 혁명은 AI 에이전트가 될 것이다 – 웹사이트를 구축하고, 콘텐츠를 작성하며, 게시 및 일정 관리를 하고, 그 외에도 다양한 일을 하는 AI 에이전트”*라고 말했습니다.

저는 올해의 2025 YC 펀딩 통계 블로그 (link)를 읽었는데, 여기서는 420개 기업 중 359개가 AI 기반 스타트업이라고 명시하고 있습니다. AI 에이전트를 구축하는 것이 소프트웨어 개발에서 배워야 할 다음 최고의 스킬이 될 것입니다.

이는 분명히 다음 직장을 잡거나 다음 아이디어를 구현할 길을 열어줍니다.

새로운 기술을 배우는 방법

YouTube – 초보자를 위한 내가 가장 좋아하는 채널은 Hitesh Code Lab
온라인 강의 – Udemy(또는 다른 플랫폼) 를 주로 이용합니다
읽기 – 온라인 기사, 블로그, 뉴스레터 등을 꾸준히 많이 읽습니다 (이것처럼 😁)

AI 에이전트가 미래입니다. 앞으로 몇 년 안에 우리 모두가 AI 에이전트를 사용할 것이니, 흐름을 정리해 보겠습니다:

시대	이정표
1990년대	신경망이 등장하여 기계가 데이터에서 패턴을 학습할 수 있게 되었습니다.
2000년대	언어 모델이 신경망을 사용해 다음 단어나 토큰을 예측하도록 진화했습니다.
2018‑2021	대규모 언어 모델(LLM)이 등장하여 방대한 데이터셋으로 훈련되어 더 깊은 이해를 가능하게 했습니다.
2022	ChatGPT가 일상 사용자에게 대화형 AI를 보급했습니다.
2024	에이전시 AI 시스템이 등장하여 도구를 사용하고 실제 작업을 자율적으로 수행할 수 있게 되었습니다.
2025‑2026	AI가 다양한 플랫폼에 내재화되어 워크플로를 자동화하고 수작업을 줄입니다.

편하게 평가해 주세요 😂

Source: …

미래의 웹사이트는 어떻게 보일까?

한 가지는 확실합니다. 소비자이자 창작자인 우리는 이제 순수 영어 프롬프트를 사용하고, 아이디어를 하나의 채팅 입력창에 설명하게 될 것입니다. 여기에 음성 에이전트, 이미지‑읽기/인식 LLM 등 몇 가지 레이어가 추가돼, 컴퓨터가 Jarvis처럼 말하고, 이해하고, 행동을 수행하게 됩니다.

간단한 상상 연습을 해보면, 거의 모든 미래의 웹사이트에 AI‑채팅 컴포넌트가 들어갈 것이라는 결론에 도달합니다. 예를 들어:

SaaS 웹사이트 – 문의에 답변하는 AI 챗봇과 수작업을 처리하는 에이전트.
문서 사이트 – 의문을 즉시 해결해 주는 AI 채팅.
헬스 / 금융 / CRM / ERP / 전자상거래 사이트 – 사용자를 대신해 작업을 수행하는 병렬 LLM 에이전트.
교육 플랫폼 – 맞춤형 퀴즈, 코스, 심층 연구, 콘텐츠 스크래핑 등 더 나은 학습을 위한 맞춤형 AI 솔루션.

ThereIsAnAIForThat, 트위터, 레딧, 유튜브와 같은 애그리게이터 및 소셜 미디어 플랫폼은 미래를 이해하고 예측하는 데 도움을 줍니다.

“온라인이 곧 미래다. 온라인 채널과 소셜 미디어를 어떻게 활용하는지 알면, 돈은 많은 기회와 함께 따라온다.”

콘텐츠 제작자를 돕는 AI 도구들은 트렌드라서가 아니라 작동하고 필요하기 때문에 막대한 MRR을 창출하고 있습니다.

사람을 연결하는 사람들—작은 커뮤니티부터 트위터와 미디엄 같은 대규모 트래픽 사이트까지—는 인간 네트워크 덕분에 수익을 창출합니다.

예시: BoringCashCow

BoringCashCow 은 월 약 5만 명의 방문자를 보유한 단순 애그리게이터 사이트입니다. 이 사이트는 작은 온라인 비즈니스가 어떻게 막대한 수익/이익을 만들 수 있는지를 보여줍니다. 이러한 “지루한” 사이트가 수백만 달러를 버는 방법에 대한 유튜브 영상이 무수히 많으며, 그 비밀은 사람들이 실제로 겪는 최소 하나의 문제를 해결한다는 점입니다.

AI 기반 React CRM 템플릿

우리 고객 중 한 명이 React CRM 템플릿에 대해 “왜 간단한 AI 채팅 입력창이 없어서 내 프롬프트를 받아 기존 템플릿을 바로 수정하지 못하나요?”라고 물었습니다.

그래서 **v0.dev**와 lovable.dev 링크를 **React CRM 템플릿**에 추가했습니다. 이를 통해 사용자는 AI 웹사이트 빌더로 템플릿을 구매하고 맞춤화할 수 있습니다.

비즈니스를 돕는 훌륭한 방법은 견고한 기반을 제공한 뒤, 필요에 따라 클라이언트/사용자가 직접 변경할 수 있게 하는 것입니다.

Source: …

자유는 사랑받는다!!

도구를 통해 사람들에게 자유를 주는 것은 언제나 나에게 효과적이며, 신뢰를 쌓아줍니다. 그래서 저는 gettemplate.website 같은 플랫폼이 미래에도 똑같이 중요하다고 믿습니다.

GetTemplate은 영감을 주는 온라인 웹사이트 템플릿을 제공하고, 온라인 비즈니스를 시작하기 위한 첫 발걸음을 내딛게 합니다.

GetTemplate이 제공하는 것

80개 이상의 무료 웹사이트 템플릿 – 코드를 복사‑붙여넣기하거나 저장소를 다운로드하여 직접 구축하세요.
10개 이상의 프로덕션 수준 백엔드 및 데이터베이스 연동 API (예: CRM, Docs, SaaS 빌더 템플릿) 로 온라인 비즈니스를 빠르게 시작할 수 있습니다.

저는 지난 5년간 50명 이상의 클라이언트와 작업했으며, 그들 대부분이 비슷한 요청을 합니다: 포트폴리오 사이트, CRM, ERP, API 자동화, 폼 등. 이러한 공통점이 GetTemplate을 시작하게 만든 동기가 되었습니다.

소스 코드를 받아보세요 → 아이디어를 빠르고 쉽게 구현하세요

자유를 제공하는 것은 신뢰를 구축하고, 이는 거의 모든 사람에게 사랑받는 요소입니다.

AI 에이전트 구축 – 어떻게?

AI 에이전트는 세 가지 핵심 구성 요소로 이루어집니다:

Memory – 컨텍스트와 과거 상호작용을 저장합니다.
Task orchestration – 어떤 하위 에이전트가 언제 행동할지 순서를 결정합니다.
Monitoring – 실행을 감시하고 오류나 재시도를 처리합니다.

parent agent를 전체 프로세스를 결정하는 매니저로 생각하세요. child agents는 매니저를 대신해 특정 작업을 수행하는 주니어 영업 사원이나 개발자와 같습니다.

사람들은 이 개념을 자주 놓칩니다: AI 에이전트는 시스템이며, 독립적인 봇 팀이 아닙니다. 시스템이 작업을 결정하고 수행하며 모니터링합니다.

예시:

메인 ChatGPT 인터페이스는 사용자 질문을 받아 답변하는 단일 에이전트입니다.
보조 에이전트는 인터넷에서 정보를 수집하는 웹 스크래퍼가 될 수 있으며, 그 결과를 메인 에이전트에 전달해 종합합니다.

에이전트를 연결하면 복잡하고 다단계 문제를 끝까지 처리하는 강력하고 자율적인 워크플로우를 구축할 수 있습니다.

개요

Perplexity의 로컬 버전을 만들기 위한 목표는 다음과 같습니다:

웹 스크래핑을 통해 최신 데이터(날씨, 금융, 뉴스 등)를 가져오기.
스크래핑한 정보를 LLM에 전달하여 정확한 답변을 생성하기.

Architecture

Web‑Scraping API – 주어진 URL에서 데이터를 스크랩합니다.
Internet‑URL Scraping API – 공개 웹 페이지에서 데이터를 가져옵니다.
LLM (AI Agent) –
- 사용자의 질문을 받습니다.
- 스크래핑 API를 호출하여 관련 정보를 수집합니다.
- 스크랩된 데이터를 원래 프롬프트와 결합합니다.
- 최종 답변을 생성합니다.

Workflow

flowchart TD
    A[User submits prompt] --> B[AI agent parses prompt]
    B --> C[AI agent formulates web query]
    C --> D[Web‑scraping API fetches data]
    D --> E[Scraped data + original prompt]
    E --> F[LLM generates answer]
    F --> G[Answer returned to user]

사용자가 프롬프트를 추가함 →
AI 에이전트가 프롬프트를 이해함 →
AI 에이전트가 인터넷 검색을 위한 쿼리를 생성함 →
Web‑scraping API가 해당 쿼리를 사용해 데이터를 가져옴 →
스크래핑된 데이터(및 초기 프롬프트)를 LLM에 입력함 →
LLM이 최종 답변을 사용자에게 반환함.

Comparison

이 파이프라인은 Claude와 Perplexity와 같은 서비스가 내부적으로 작동하는 방식을 반영합니다.
“agentic” 행동은 본질적으로 동일합니다: LLM이 무엇을 가져올지 결정하고, 이를 검색한 뒤 답변합니다.

다음 단계

오늘은 여기까지입니다. 다음 세션에서 뵙겠습니다!

— Shrey