도구 사용

이 장에서 배우는 것 도구 사용이 정확히 어떤 구조인지, 그리고 이것이 왜 앞 장들의 한계를 대부분 해결하는지.

한계를 다시 정리하면

언어 모델이 못 하는 것으로 넷을 꼽았습니다.

넷 다 같은 뿌리입니다. 모델은 자기가 본 것만 압니다. 바깥에 닿을 방법이 없습니다.

도구 사용은 그 통로를 만드는 것입니다.

구조

모델에게 호출할 수 있는 함수 목록을 함께 알려줍니다.

그러면 모델은 답을 쓰는 대신 도구를 부르겠다고 요청할 수 있습니다.

graph TD
  A["사람: A-1023 재고 얼마나 남았어?"] --> B["모델"]
  B -->|"재고조회('A-1023')"| C["실제 시스템"]
  C -->|"결과: 47개"| B
  B --> D["답: 현재 47개 남아 있습니다"]

흐름을 자세히 보면

1. 사람이 묻습니다
2. 모델이 판단합니다 — "이건 내가 모르는 값이다. 재고조회 도구를 써야겠다"
3. 모델이 도구 호출 요청을 냅니다: 재고조회("A-1023")
4. 실제 실행은 시스템이 합니다 (모델이 하는 게 아닙니다)
5. 결과가 모델에게 돌아갑니다
6. 모델이 그 결과를 반영해 답을 만듭니다

4번을 기억해두세요. 모델은 "이걸 불러주세요"라고 요청할 뿐, 직접 실행하지 않습니다. 그래서 실행 전에 사람 승인을 끼워 넣을 수 있습니다. 가드레일이 성립하는 지점이 여기입니다.

무엇이 달라지나

마지막 줄이 실무에서 가장 큽니다. 답에 근거가 생기면 검증할 수 있습니다. 환각이 크게 줄어드는 이유도 이것입니다 — 지어낼 필요가 없어집니다.

도구는 읽기만 하는 게 아닙니다

여기서 성격이 갈립니다.

읽기 도구를 붙이는 것과 쓰기 도구를 붙이는 것은 완전히 다른 결정입니다. 읽기는 대체로 안전하게 시작할 수 있고, 쓰기부터는 승인 설계가 함께 가야 합니다.

처음에는 읽기 도구부터 붙이세요. 그것만으로도 환각이 크게 줄고 답의 품질이 올라갑니다. 쓰기는 그 다음입니다.

어떤 도구가 필요한지 정하는 법

업무 흐름을 적고 각 단계에서 무엇을 봐야 하는지를 표시하면 도구 목록이 나옵니다.

4번만 모델이 하고 나머지는 도구입니다. AI 과제의 대부분은 "판단 한 조각"이고 나머지는 연결입니다.

자주 하는 오해

"도구를 붙이면 AI가 알아서 다 하나?"

도구는 닿을 수 있게 해줄 뿐입니다. 무엇을 언제 부를지는 여전히 모델의 판단이고, 그 판단이 틀릴 수 있습니다. 엉뚱한 도구를 부르거나, 부를 것을 안 부를 수 있습니다.

도구가 많아질수록 이 문제가 커지는데, 그건 도구와 MCP에서 다룹니다.

"그럼 도구를 많이 붙일수록 좋은가?"

아닙니다. 반대인 경우가 많습니다. 도구가 200개면 모델이 맞는 걸 고르기 어려워 집니다. 사람도 공구가 200개 놓인 작업대에서 더 자주 틀리게 집습니다.

"쓰기 도구는 위험하니 안 쓰는 게 낫나?"

쓰기 없이는 자동화가 안 됩니다. 다만 승인 지점을 설계하고 붙이는 것입니다. "금액 100만원 초과는 승인", "외부 발송은 승인"처럼 되돌리기 어려운 것에만 사람을 끼웁니다.

확인

1. 도구 호출에서 실제 실행은 누가 합니까? 왜 중요합니까?

2. 읽기 도구와 쓰기 도구를 나눠서 봐야 하는 이유는?

3. 도구를 많이 붙일수록 좋지 않은 이유는?

도구가 생겼으니 이제 자료를 찾아올 수 있습니다 → 자료를 찾아 붙이기