스테딜리(Steadily)의 수석 소프트웨어 엔지니어 드루브 당(Dhruv Dang)은 AI 에이전트의 반복 작업을 스크립트로 처리하면 행동을 더 예측 가능하게 만들 수 있다고 설명한다. 리드 발굴 사례에서는 검색·자격 판정·CRM 저장을 각각 스크립트로 맡기고, 조사와 정보 해석은 에이전트가 수행한다.
AI 스킬은 에이전트가 특정 작업을 수행하는 데 필요한 지침과 자료를 담은 폴더다. 보통 이름·설명·지침이 적힌 SKILL.md 파일을 포함하며, 필요에 따라 스크립트와 참고 문서도 넣을 수 있다. 앤스로픽의 docx 스킬은 에이전트가 Microsoft Word 문서를 편집하도록 지침과 스크립트를 묶은 사례다.
당은 캐나다에서 직원 10~100명을 둔 약국을 고객 후보로 찾는 상황을 예로 든다. 처음에는 웹 검색부터 후보 평가와 CRM 저장까지 지침만으로 요청하지만, 이 방식은 각 단계를 에이전트의 판단에 맡겨야 한다.
이를 개선하기 위해 세 스크립트를 스킬에 추가한다. web_search.js는 에이전트가 준 검색어로 웹을 검색해 일관된 형식으로 결과를 반환한다. 검색 제공자와 사이트를 제한할 수도 있다. qualify_lead.js는 후보가 약국인지, 직원 수가 10~100명인지, 캐나다에 본사를 뒀는지 확인하고 결과를 “qualified”, “disqualified”, “unknown” 중 하나로 분류한다. store_lead.js는 적격 후보를 지정된 CRM 컬렉션에 저장하고 성공 여부를 출력하며, 이미 관계가 있는 고객은 CRM을 확인해 건너뛸 수도 있다.
에이전트는 검색 결과를 바탕으로 후보 정보를 정리하고, 알 수 없는 항목은 null로 둔 JSON 파일을 준비한다. 적격 판정을 받은 후보만 저장하도록 지침을 작성하고, 알 수 없는 후보를 어떻게 처리할지는 에이전트가 판단하게 한다. 스크립트 실행에 실패하면 성공했다고 보고하지 말고 실패 내용을 설명하도록 한다.
이렇게 작업 절차와 업무 규칙을 코드로 정하면 반복 단계의 처리 방식을 더 명확히 통제할 수 있다. 검색 서비스를 추가할 때는 web_search.js를, 미국 약국을 대상으로 바꿀 때는 qualify_lead.js를, CRM을 교체할 때는 store_lead.js를 수정하면 된다. 당은 스크립트가 검색·자격 판정·저장 절차를 맡으면 에이전트가 그 방식을 결정하는 데 쓰는 토큰과 시간을 줄일 수 있다고 설명한다. 다만 이 글에서는 예시 스크립트의 구현 코드를 공개하지 않았다.
이 방식은 조사 결과를 정해진 형식의 문서로 조립하거나, 소셜미디어 게시물의 예약 정보를 확인하고 승인된 게시물을 제출하거나, 템플릿에서 프로젝트 뼈대를 만드는 작업에도 적용할 수 있다. 핵심은 반복 작업에서 매번 같은 방식으로 처리해야 하는 단계를 찾아 스크립트로 옮기는 것이다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요