프레임워크 없이 만드는 AI 에이전트 입문

8편에서 완성하는 에이전트의 실제 녹화 화면이에요. 테스트를 돌리고, 실패 메시지와 코드를 읽고, 고칠 내용을 diff로 보여 주며 허락을 받은 뒤 다시 테스트합니다. 모델을 다섯 번 불렀고, 실제로 청구된 돈은 $0.000560이었습니다.

Claude Code나 Codex에게 부탁하면 알아서 파일을 열고, 테스트를 돌리고, 코드를 고칩니다. 그런데 막상 직접 만들어 보려면 어디서부터 시작해야 할지 막막하죠. 결론부터 말하면, 그 뼈대는 while 문 하나입니다. 아래는 1편에서 실제로 쓰는 코드예요.

# ep01/03_agent.py (47~67행)
while turn < MAX_TURNS:
    turn += 1
    response = client.chat.completions.create(
        model=os.environ["MODEL"],
        tools=tools,
        messages=messages,
    )
    message = response.choices[0].message
    messages.append(message.model_dump(exclude_none=True))

    if not message.tool_calls:
        print(message.content)
        break

    for call in message.tool_calls:
        # 모델은 요청서만 쓴다. 실행은 우리 코드가 한다
        result = run_tool(call.function.name, json.loads(call.function.arguments))
        messages.append({"role": "tool", "tool_call_id": call.id, "content": result})

화면에 맞게 try/except와 print 몇 줄을 줄였습니다. 원본은 공개 저장소의 python/ep01 폴더에 있습니다. 모델에게 묻고, 모델이 도구를 써 달라고 하면 실행해서 결과를 돌려주고, 다시 묻습니다. 이 강의는 이 루프에서 출발해 한 편에 부품 하나씩 붙여 갑니다.

프레임워크가 나쁘다는 이야기는 아닙니다. 다만 처음 배울 때는 프레임워크가 감춰 주는 부분이 바로 우리가 알아야 할 부분이에요. 둘의 장단점을 솔직하게 놓고 보면 이렇습니다.

OpenAI Python SDK와 표준 라이브러리로 만들고, 웹 화면(7편)과 연습용 가짜 서버(3편)에만 FastAPI를 씁니다. 구조를 알고 나면 어떤 프레임워크 문서를 봐도 "아, 이게 그 루프구나" 하고 읽힐 겁니다.

1편의 첫 에이전트는 도구 정의까지 포함해 67줄입니다. 그 안의 while 문은 21줄이고요. 여기에 2편부터 도구 등록표, 안전장치, 기억, 사람 승인, 평가, 웹 화면을 한 편씩 붙이고, 8편에서 그 부품을 한 루프에 모읍니다.

영상 속 터미널과 브라우저는 모두 실제 OpenRouter 호출을 녹화한 것입니다. 비용도 가격표로 계산한 추정치가 아니라, 응답에 들어 있는 실제 청구액(usage.cost)으로 봅니다. 가격표 계산과 실제 청구액이 다르다는 것도 여기서 처음 보게 될 거예요.

강의를 만들면서 실제로 돌려 보니, 대본을 쓸 때의 예상과 다른 결과가 여러 번 나왔습니다. 결과를 예상에 맞춰 고치지 않고, 나온 그대로 영상과 튜토리얼에 담았어요.

1~8편 본편 끝에 과제가 세 개씩 나오고, 바로 다음 수업이 그 과제를 푸는 해설 영상입니다. 먼저 혼자 풀어 보고, 막히면 해설을 보세요. 0편과 1편은 로그인하면 결제 전에도 볼 수 있습니다.

API 비용이 걱정되시죠? 강의를 따라 한 번씩 실행하면 편당 1센트 안팎이었습니다. 아래는 2026-10-04 OpenRouter 실제 청구액이에요.

반복 실험까지 포함해 제작 중 가장 많이 든 편도 약 $0.20이었습니다. 모델 ID와 가격은 바뀌니 실습 전에 OpenRouter에서 다시 확인하세요.