에이전트를 위한 효과적인 도구 작성법: 에이전트와 함께

Model Context Protocol (MCP) 도구는 LLM 에이전트가 현실의 복잡한 작업을 수행하게 하지만, 성능은 도구 설계에 크게 좌우된다. 핵심은 도구를 단순히 API처럼 만드는 것이 아니라, 에이전트가 실제로 잘 사용할 수 있는 형태로 만드는 데 있다.

먼저 빠르게 프로토타입을 만들고 로컬에서 직접 써 보며 거친 부분을 찾는다. Claude Code나 Claude Desktop, Anthropic API에 붙여 테스트할 수 있고, 문서와 SDK는 가능한 한 LLM 친화적인 문서를 함께 주는 것이 좋다.

그다음은 **평가(evaluation)**다. 실제 업무에서 가져온 현실적인 과제를 많이 만들고, 정답 검증이 가능한 프롬프트-응답 쌍으로 묶어 측정한다. 저자는 단순 정확도뿐 아니라 도구 호출 수, 런타임, 토큰 사용량, 에러율도 함께 보라고 권한다.

평가 결과를 읽을 때는 에이전트가 말한 것만 보지 말고, 기록 전체와 tool response까지 확인해야 한다. 도구 설명이 모호한지, 스키마가 헷갈리는지, 불필요한 호출이 많은지, 파라미터가 잘못 들어가는지 같은 문제를 찾아내야 한다.

이후에는 Claude Code 같은 에이전트와 함께 도구를 다시 다듬는다. 특히 중요한 원칙은 다음과 같다.

• 정말 필요한 도구만 만든다: 단순 래퍼보다 검색·예약·컨텍스트 집계처럼 에이전트가 바로 쓸 수 있는 고가치 작업을 우선한다.
• namespacing으로 경계를 명확히 한다: 비슷한 도구가 너무 많으면 전략이 흐려진다.
• 의미 있는 컨텍스트를 반환한다: 에이전트가 다음 행동을 결정할 수 있게 관련 정보를 함께 준다.
• 토큰 효율을 높인다: 장황한 출력과 중복 정보를 줄인다.
• 도구 설명과 스펙을 프롬프트처럼 다듬는다: 이름, 설명, 예시가 호출 품질을 좌우한다.

결국 좋은 도구는 단순히 작동하는 도구가 아니라, 에이전트가 성공 전략을 쉽게 찾게 만드는 도구다. 프로토타입-평가-개선의 루프를 반복할수록, 도구의 성능은 사람과 에이전트 양쪽 모두에게 더 자연스럽게 맞춰진다.