작년에 가장 많이 공유된 그 글, 지금 다시 읽으면 제목부터 다르게 보인다

작년 11월, 마케터 커뮤니티에서 가장 많이 공유된 기사 중 하나가 있었다. “From scripts to agents: OpenAI’s new tools unlock the next phase of automation” — 광고 자동화 스크립트의 1세대를 직접 만든 베테랑이 “이제 코드를 짜는 대신 평범한 문장 한마디로 자동화를 만드는 시대가 온다”고 선언하는 글이었다. 나는 그 글을 읽고 실제로 에이전트 만들기를 시작했고, 지금은 매일 에이전트로 일하고 있다.

그런데 지난 6월, 그 글이 핵심으로 다룬 도구가 서비스 종료를 발표했다. OpenAI의 에이전트용 비주얼 빌더 ‘Agent Builder’ — “에이전트용 Zapier”라고 불리던 그 도구다. 출시 약 8개월 만에, 플랫폼에서 사라진다. [외부 정보]

이 소식을 처음 접하는 사람은 이렇게 물을 것이다. “그래서 그 기사가 틀린 거 아니야?” 내 답은 정반대다. 도구 하나가 접힌 것은 트렌드가 거짓이었다는 증거가 아니라, 트렌드가 ‘도구’에서 ‘패턴’으로 옮겨갔다는 증거다. 이 글은 그 차이가 왜 중요한지, 그리고 도구가 사라져도 남는 것이 무엇인지를 정리한 글이다.

스크립트는 왜 끝나고, 에이전트는 왜 오는가

원문은 PPC 자동화의 역사부터 풀어낸다. 수동 최적화 → 자동 규칙 → 스크립트 → 자동화 레이어링 → 에이전트. 파도가 올 때마다 필요한 기술이 바뀌었고, 이번 파도의 특징은 명확하다. “이번엔 주도권이 광고 플랫폼(구글)이 아니라 AI 회사(오픈AI)로 넘어왔다.” [외부 정보]

핵심은 스크립트와 에이전트의 본질 차이다. 스크립트는 결정적(if X, do Y)이다. 예측 가능하지만 융통성이 없고, 사람이 모든 시나리오를 미리 정의해야 한다. 에이전트는 거기에 추론을 더한다. “적절한 다음 단계”를 스스로 찾아 API를 호출하고, 파일을 읽고, 작업을 수행한다. [외부 정보]

원문 저자(Hervé)는 그 체감 차이를 솔직하게 쓴다. 1년 반 전, 직접 LangChain으로 에이전트를 만들어봤다는 것. 벡터 데이터베이스, RAG, 기타 여러 기술을 익혀야 했고, “PPC 전문가들이 월요일 아침에 감당하고 싶은 종류의 일은 아니다”라고 말한다. AgentKit이 등장하면서 그 시간이 몇 분으로 줄었다는 것이 핵심 주장이다. [외부 정보]

'Zapier for AI' 개념도 — Gmail, Dropbox, Slack 같은 일상 서비스를 연결하고 에이전트가 해야 할 일을 평문으로 기술하면, AI가 추론하며 실행하는 흐름을 보여주는 그림
출처: Hervé @ C-SERP / Search Engine Land, “From scripts to agents” (2025-11) — 스크립트의 ‘조건 분기’ 대신 ‘문장으로 하는 지시’가 자동화의 인터페이스가 된다는 것이 이 글의 핵심 프레임이다.

8개월 만에 접힌 ‘에이전트용 Zapier’

AgentKit은 2025년 10월 DevDay에서 발표됐다. OpenAI 공식 발표 기준으로 Agent Builder(비주얼 캔버스), Connector Registry(커넥터 중앙 관리), ChatKit(채팅 UI 키트) 세 구성요소로 이뤄진, “에이전트를 만들고 배포하고 최적화하는 완결 도구 세트”였다. [외부 정보]

OpenAI Agent Builder의 시각적 캔버스 — 고객 서비스 자동화 흐름이 시작, 제일브레이크 가드레일, 분류 에이전트, 조건 분기, 반환·유지·정보 에이전트, 환각 가드레일, 종료 노드로 이어지는 다이어그램. 왼쪽 사이드바에는 Agent, 파일 검색, 가드레일, MCP, 사용자 승인 노드 목록이 있다
출처: OpenAI, “Introducing AgentKit” (2025-10-06) — 드래그앤드롭 노드로 구성하는 멀티 에이전트 워크플로. ‘사용자 승인(User approval)’ 노드가 흐름 안에 존재한다는 점이 ‘전면 자동화’가 아니라 ‘인간이 게이트에서 승인’하는 설계임을 보여준다.

발표 당시 수치는 화려했다. Ramp는 “빈 캔버스에서 시작해 구매 에이전트를 몇 시간 만에 만들었고, 반복 사이클이 70% 줄었다. 두 분기가 아니라 두 스프린트 만에”라고 말했고, LY Corporation은 2시간 안에 멀티 에이전트 워크플로를 가동했다. Canva는 ChatKit으로 지원 에이전트를 1시간 안에 통합했고(개발 시간 2주 이상 절약), Klarna는 전체 티켓의 3분의 2를 에이전트가 처리한다. Carlyle은 개발 시간 50% 단축과 정확도 30% 개선을 보고했다. [외부 정보]

그리고 2026년 6월 3일, OpenAI 공식 발표 페이지에 업데이트가 달렸다. Agent Builder와 Evals 제품을 종료한다. 2026년 11월 30일 이후 플랫폼에서 더 이상 제공되지 않는다. 코드 기반 워크플로는 Agents SDK로, 자연어 프롬프트 기반 워크플로는 ChatGPT의 Workspace Agents로 이전하라는 안내였다. [외부 정보]

원문 기사는 이미 이 날을 예고한 셈이었다. “이 도구들은 아직 초기다. MCP를 붙이는 데는 설정이 필요하고, 구글 애즈 커넥터는 읽기만 가능하다.” 그리고 이렇게 결론을 냈다. “무엇이 진짜인지 가려내는 것은 ‘도구’가 아니라 ‘패턴’이다.” [외부 정보] 도구는 사라졌고, 패턴은 남았다.

살아남은 것은 도구가 아니라 패턴이다

Agent Builder가 접히면서 진짜로 남은 것은 세 가지다.

  • MCP(모델 컨텍스트 프로토콜)라는 연결 표준. 원문의 비유가 가장 정확했다. “MCP는 배관이고, AgentKit은 수도꼭지다.” 수도꼭지 브랜드가 바뀌어도 배관은 그대로다. MCP는 OpenAI가 만든 것이 아니라 Anthropic이 만들고 여러 벤더가 채택한 오픈 표준(OpenAI는 2025년 3월 채택)이라서, 특정 회사의 전략과 무관하게 살아남는다. [외부 정보] “MCP가 없다면 에이전트는 로그인도 없는 천재 인턴”이라는 문장이 이 시점에서 가장 설득력 있는 문장이 됐다.
  • 인간 승인 게이트(Human-in-the-loop). 원문에서 가장 과소평가된 문장은 “겁나면 흐름의 어느 지점에나 인간 승인 단계를 하나 넣으면 된다”였다. [외부 정보] 이것이 에이전트 자동화의 안전판이자 도입 전제다. 도구가 뭐든, “읽고 → 요약하고 → 초안을 만들고 → 사람이 승인”하는 흐름은 남는다.
  • 평문으로 작업을 기술하는 습관. “주간 리포트를 받으면 요약해서 맞는 폴더에 저장해줘” 같은 문장이 워크플로가 되는 시대. 이 인터페이스의 변화는 특정 벤더 캔버스보다 오래간다. [외부 정보]
Agent Builder에서 도구 목록에 MCP 서버를 추가하는 화면 — 기존 MCP를 고르거나 '+ Server' 버튼으로 커스텀 MCP를 연결하는 옵션이 보인다
출처: Hervé @ C-SERP / Search Engine Land, “From scripts to agents” (2025-11) — Agent Builder에서 MCP 서버를 연결하는 화면. 이 ‘연결’ 개념이 도구 수명보다 오래 간다. 수도꼭지가 바뀌어도 배관은 그대로다.

물론 한계도 그대로다. 원문이 정직하게 밝혔듯 구글 애즈 MCP는 발표 시점 기준으로 엔티티 검색과 연결 고객 목록 조회뿐이다. 입찰가를 바꾸거나 광고를 만들 수는 없다. MCP는 “LLM이 마음대로 날뛰게 하는 문”이 아니라, “MCP 개발자가 정의한 능력 목록”일 뿐이다. 이것이 바로 가드레일이다. [외부 정보] 지금 에이전트가 가장 잘하는 일은 “읽고 → 요약하고 → 초안을 만들고 → 사람이 승인”이며, 완전 자율 실행은 아직 아니다.

매일 에이전트로 일하는 사람의 관찰

[상호작용] 이 시점에서 내 경험을 솔직하게 나눈다. 나는 지금 코드베이스 검색, 워드프레스, 브라우저, 결제, 메모리 데이터베이스까지 여러 MCP 서버에 연결된 에이전트로 매일 일한다. 그리고 이번 6월, Agent Builder 종료 소식을 접했을 때 내 작업 흐름은 하나도 깨지지 않았다. 도구를 베이스로 만들지 않았기 때문이 아니라, 프로토콜과 패턴 위에 만들었기 때문이다. “일을 설명하면 에이전트가 도구를 판단해서 실행하고, 사람이 게이트에서 검증하는” 운영 방식은 지난 1년간 한 번도 바뀌지 않았다. 바뀐 것은 캔버스 하나, API 하나뿐이었다.

[상호작용] 이 경험에서 얻은 규칙이 하나 있다. 특정 도구의 UI를 배우는 데 시간을 쓰지 말고, 그 도구가 전제하는 패턴을 배워라. 스크립트 시절에도 “구글 애즈 스크립트 문법”이 아니라 “자동화로 무엇을 대체할 수 있는가”를 아는 사람이 다음 파도에서 살아남았다. 에이전트 파도도 같다. 캔버스는 접히지만, “문장으로 작업을 기술하고, 연결하고, 검증한다”는 패턴은 다음 도구에서도 그대로 유효하다.

이번 주말, 반복 작업 하나를 골라라

원문의 조언은 여전히 유효하다. “작게 시작하라. 이메일·파일·리포트를 연결하는 단순 자동화부터 실험해보라.” [외부 정보] 구체적으로는 이렇게.

  1. 반복 작업 하나를 고른다. “매주 오는 결과 리포트를 요약해 저장한다” 같은 것. 스크립트로 하기엔 애매하고, 사람이 하기엔 지루한 작업이 가장 좋은 후보다.
  2. 연결부터 한다. MCP 문서(modelcontextprotocol.io)를 30분 읽고, 에이전트에 파일·메일·리포트 커넥터 하나를 붙인다. 배우는 것은 캔버스가 아니라 ‘연결’이다.
  3. 승인 게이트를 박는다. 에이전트가 초안을 만들고, 사람이 최종 확인하는 단계를 흐름 안에 넣는다. 이것이 전면 자동화가 아니라 ‘일을 시키는 방법’의 변화임을 기억하라.

스크립트를 일찍 익힌 마케터가 기준을 만들었듯, 지금 에이전트 패턴을 익힌 사람이 다음 기준을 만든다. 이 원문의 결론은 Agent Builder가 접혀도 그대로다. [외부 정보] 그리고 이 글을 읽는 당신이 골랐다면, 어떤 반복 작업을 첫 번째 후보로 삼을지 댓글로 공유해달라. 같은 패턴을 다른 업무에 적용한 사례가 쌓이면, 도구가 사라져도 배운 것은 남는다.

근거 출처

이 글의 근거는 두 범주로 구분된다.

외부 정보 (하베스터 수집)

핵심은 하베스터가 수집한 원문 “From scripts to agents: OpenAI’s new tools unlock the next phase of automation”(Hervé @ C-SERP, 2025-11-19 게재, 원출처 Search Engine Land)이다. PPC 자동화 진화(수동→규칙→스크립트→레이어링→에이전트), 스크립트의 결정적 특성 vs 에이전트의 추론, LangChain 경험담, “MCP는 배관, AgentKit은 수도꼭지”, “로그인 없는 천재 인턴”, 구글 애즈 MCP 읽기 전용(엔티티 검색·연결 고객 조회), 브랜드 가이드+벡터 스토어를 연결한 브랜드세이프 광고 어시스턴트 예시, “작게 시작하라”는 결론은 모두 원문의 외부 정보다.

AgentKit 구성(Agent Builder·Connector Registry·ChatKit)과 고객 수치(Ramp 70%·2스프린트, LY 2시간, Canva 1시간·2주 절약, Klarna 티켓 2/3, Carlyle 개발시간 50%↓·정확도 30%↑)는 OpenAI 공식 발표 “Introducing AgentKit”(2025-10-06)에서 가져왔다. Agent Builder·Evals 종료(2026-11-30 이후, Agents SDK·Workspace Agents로 이전 권장)는 같은 페이지의 2026-06-03 업데이트에 따른 외부 정보다. MCP가 Anthropic이 2024년 11월 공개한 오픈 표준이며 OpenAI가 2025년 3월 채택했다는 사실도 외부 정보다.

상호작용 (에이전트-드루 대화·작업)

“여러 MCP 서버에 연결된 에이전트로 매일 일한다”, “Agent Builder 종료로 작업 흐름이 깨지지 않았다”, “도구의 UI가 아니라 패턴을 배워라”는 규칙은 필자의 실제 에이전트 작업 경험에서 나온 1인칭 관찰이다. 검증된 통계가 아니라 운영 경험에 기반한 해석임을 밝혀둔다.

이 글은 Drewgent(개인 AI 에이전트 시스템)의 콘텐츠 파이프라인을 통해 작성되었다. 에이전트가 초안을 쓰고, 인간이 편집하고, cron이 발행한다.