에이전트로 뭘 할 수 있을까?

필자는 2026년 3월부터 업무와 일상을 완전히 에이전틱 워크플로(agentic workflow)로 전환하여 약 6개월간 많은 작업들을 해 봤었다. 간단하게는 일상질문 답변용 에이전트부터, 복잡하게는 본업에서 논문 작성 전 과정 파이프라인 구축까지 다양한 종류를 만들었다. 이번 글에서는 그 동안 구축해 왔던 것들에 대해 정리해볼까 한다.

일상 관련: 검색 대신 에이전트 질문, 여행, 운전, 생활, 취미

검색도 똑똑하게 해볼까? 일상질문 답변용 공간

최종 완성된 폴더 구조는 다음과 같다. 답변을 누적하는 0Q라는 폴더 아래에, 평소에 자주 하는 질문을 카테고리별로 폴더로 만들었다. 현재 사용 중인 카테고리는 IT일반질문, LLMHowto, YTSummary, 게임머신, 언어머신, 연구일반질문, 일상질문, 학술영어머신으로 나뉘어 있다. 이 폴더에서 클로드 코드를 열어 놓고 IT일반질문: 이번 주에 작업하다가 블루스크린 2번 떴는데 왜 떴는지 원인추정 등의 형식으로 카테고리명: 질문내용 으로 적으면 질문 원본과 답변 내역이 해당 폴더에 자동으로 누적된다. 물론 카테고리 안적어도 LLM 에이전트가 알아서 분류해 준다. 따라하고 싶다면, 필자가 공개한 github 링크에 들어가서 ELF 설치 후 QA 프리셋으로 생성하면 된다. 이거 덕분에 이제 구글 검색은 거의 하지 않고, 대부분의 궁금증을 에이전트 쿼리로 해결하고 있다.

장점 1: 구글 검색하면서 불편했던 지능과 기록 누적을 보완

올해부터 구글 검색에 AI답변이라는 기능이 생겼지만, 아무래도 무료 사용자나 비로그인 상태에서 틀린 내용을 답하거나 충분히 똑똑하지 못한 답변이 자주 나왔다. 그리고 예전에 질문했던 내용을 다시 질문하거나 더 추가된 질문을 하는 경우가 많았는데 (소위 digging 이라고 하는 것들) 이런 경우에 만족스러운 답변을 얻지 못하는 경우가 많았다. 그래서 필자의 컴퓨터에서 동작하는 클로드 코드를 이용해서 답변을 받고 질문과 답변내역을 로컬에 저장하는 식으로 만들었고, 현재에도 잘 쓰고 있다.

장점 2: 자동 팩트체크, 필요한 교훈만 알려줌, 내 생각도 적을 수 있음

답변을 템플릿으로 만들었는데, 이 github 공개링크에서 확인할 수 있다. 질문을 하면 내 질문의 의도를 파악하여 LLM 에이전트가 자동으로 목표를 작성한다. 그리고 질문 원본을 기록하고 조사를 수행한다. 조사과정에서는 원래의 출처를 최우선시하고, 나무위키 등의 신뢰도 낮은 것은 참고만 하고 출처에서 제외하기 때문에 팩트체크가 자동으로 된다. 만약 원 출처를 찾을 수 없으면 에이전트가 최대한 추정해서 의견을 적어 준다. 이러한 내용이 LLM 답변 원본에 적힌다. 이후 나한테 중요한 내용만 교훈에 요약된다. 이 교훈에 대해 Eli생각: 생각한 내용 의 형식으로 에이전트에 적으면 이에 대한 내 생각까지 적을 수 있다. 생각한 내용을 적는다는 발상은 인지심리학자 김정운 박사 인터뷰에서 카드 메모하는 방식에 대한 언급에서 얻었다.

장점 3: 후속 질문 가능

일회성 질문은 한 번 물어보고 답변 받으면 끝이지만, 답변 내용에 기반해서 후속 질문을 하고 싶을 때가 있다. agents.md 파일에 후속 질문인지 알아서 판단해서 추가하는 기능을 만들어 놔서 원하는 깊이까지 계속 질문을 이어나갈 수 있다. 그래서 깊은 생각도 가능하고, 유료 구독중인 모델이 있다면 구글 무료티어 AI 검색기능보다 더 똑똑한 생각이 가능하다.

출국이 내일이고 계획 못세웠는데 어떡하지? 맞춤형 여행 가이드

2026년 여름에 캐나다로 학회 출장을 갈 일이 있었는데 다른 업무때문에 비행기랑 숙소만 정해놓고 아무 다른 계획을 세우지 못한 상황이었다. 그래서 하루 전에 급하게 클로드를 열어서 학회 참석과 동시에 일정 외 시간에 여행다닐 수 있는 여행코스 설계, 그리고 주변 가볼만한 음식점 등까지 싹 정리할 수 있게 아래 사진과 같이 구조를 만들었다. 그리고 plan A가 실패했을 때 다르게 할 수 있는 plan B, C, D 등도 LLM에게 맡겨서 만들었고, 실제로 현장에 가서 문제 생겼을 때 바로바로 대응이 가능했다. 특히 여행 기간동안 집 컴퓨터에 세션 열고 remote control을 켜두고 가서 해외에서도 스마트폰으로 이 폴더에 열린 LLM에 접근해서 즉석으로 계획을 수정한다든지 일기를 쓴다든지 카드 지출내역을 정리한다든지 등의 작업을 할 수 있었다.

장점 1: 챙겨야 할 것들 체크리스트로 만들기

처음 이것을 만들 때 정말 시간이 촉박한 상황이었는데 LLM이 추천해준 대로 다음과 같이 혹시나 빠뜨릴만한 것들에 대해 체크리스트를 만들어 줘서 그대로 점검하니 빼먹는 것 없이 완벽하게 준비해서 출장을 다녀올 수 있었다.

장점 2: 분 단위 계획의 알찬 여행 가능

아무래도 순수 여행만 가는 것도 아니고 학회 일정도 있었다 보니 여행계획에 시간을 많이 투자할 수 없었는데, 클로드한테 가능한 모든 항목들 리스트로 쫙 뽑아보라고 한 다음에 내 상황 입력하고 현실적으로 갈 수 있는 것들을 추릴 수 있었다. 그리고 중간에 시간 남거나 부족해서 변경할 때도 기존 기록 내용에 기반해서 일정을 뒤로 밀어준다든지 하는 게 가능했고, 기차타고 나이아가라 폭포 가는 도중에 내려서 어느 버스 타고 어디서 내려야 하는지 등을 즉석에서 계획 세우는 것도 가능했다. 덕분에 거의 무계획으로 인천공항에서 출발했는데 비는 일정 없이 꽉꽉 채워서 알찬 여행이 가능했다. 만약 이걸 구글검색이나 일반 챗봇으로 해결하려 했다면 정교한 계획 수정은 아마 어렵지 않았을까.

장점 3: 긴급한 예외상황에도 기록 기반해서 실시간 대응

돌아오는 비행기가 밤 비행기였는데, 항공사 사정으로 결항되고 다음날 아침에 다른 공항에서 비행기 타는 것으로 자동 배정되었었다. 인생 처음 겪어보는 상황에 굉장히 난감했고, 항공사 직원에게 당일 숙박, 다른 공항으로 가는 교통편 등을 영어로 요구해야 하는 상황이었다. 결항된 사람들 따지는 대기 줄 서 있는 동안 얼른 폰 켜서 클로드랑 토론을 진행했고 그동안 입력해뒀던 내용들을 자동으로 읽고 뭘 요청해야하는지, 어떻게 해야 하는지 등 대응계획을 5분 내로 세울 수 있었고, 결국 잘 해결할 수 있었다.

운전 초보인데 연습 코스 짤 시간이 없다? 나만의 운전 가이드

최근에 차를 장만하게 되었는데, 직장 내에 거주하다보니 일부러 계획잡고 운전하지 않으면 차를 탈 일이 없었다. 심지어 장롱면허라 도로에 그냥 나가기 좀 두려웠는데, LLM한테 운전 코스 짜고 지도도 그려달라고 했더니 아래처럼 잘 그려줬다. 요구사항들이 이것저것 있었는데 잘 반영되어서 만족스럽게 쓰고 있고, 실력별로 코스 늘려서 연습 중이다.

장점 1: 나한테 맞춤형으로 짤 수 있음

출발 위치 등을 지정하고, 내 실력과 우려사항을 얘기하고 하루 연습 가능한 시간을 입력했더니 그에 맞게 짜주고, 인터넷에서 알아서 검색해서 통행량이나 교통법규 사항, 그리고 해당 코스에서 어떤 연습을 하면 될지까지 쫙 짜줬다. 그리고 주행 코스를 돌고 어떤 구간에서 뭐가 잘됐고 어디는 뭐가 어려웠고 하는 등의 실제 경험을 입력해서 코스 변경이나 다음 코스 제안에 반영할 수 있었다.

장점 2: 그림도 그려줌

그동안 클로드 코드는 이미지 생성이 안되거나 조악한 벡터이미지를 SVG로 내놨었는데, Fable 5.1 max로 해보니까 위와 같이 잘 나왔다. KAIST가 보안등급때문에 구글맵 등에 정밀지도 안돼있는걸로 아는데 자기가 알아서 잘 찾아서 기본 지도 위에 오버레이로 코스 그린 것 같다.

정보가 너무 많아서 판단이 어렵다? 생활 판단 도우미

6월에 지방선거가 있었는데, 업무로 인해 바빠서 투표할 사람들을 깊게 조사하지 못했다. 선거 유인물도 받았는데 다 읽어볼 시간이 없어서 일단 LLM에 때려박고 공통되는 부분 빼고 내가 관심있어할 만한 내용을 추출한 후 비교 진행했다. 그 동안 지역 방송에서 후보 토론회도 시청해서 시간을 효율적으로 쓸 수 있었고 충분한 정보를 가지고 투표장에 갈 수 있었다.

다른 사례로, 집 천장이 누수되는 일이 있었다. 인생 처음 겪는 일이라 어떻게 해야할 지 몰랐는데 에이전트한테 물어봐서 단계별로 점검하고 조치사항 가이드라인 제시해 준대로 했더니 성공적인 초기 대응이 되었다.

여름에 더울 때 집에 에어컨 있는 상태에서 서큘레이터를 살지 선풍기를 살지에 대한 고민도 했었는데, LLM과 왔다갔다 상의하여 만족스러운 구매결정을 내린 일도 있었다. 구매할 때 점검해볼 사항들, 가격비교 등도 잘 됐었다.

유튜브 다 보기 귀찮다? 자막 추출 및 자동요약 기능

유튜브 영상 링크만 던지거나 링크와 함께 내 생각을 넣으면 거기에 맞춰서 영상을 요약해 주는 기능이다. 작동방식은 예전부터 잘 써오던 yt-dlp라는 영상 또는 자막을 다운받을 수 있는 앱을 이용한다. yt-dlp를 이용해서 영상의 자막을 추출해 다운받은 뒤, 자기 채널 광고나 만담 등을 제거하고 요약을 진행한다. 구글의 자동자막이 오타가 발생할 수 있는데 클로드나 현재 나와있는 에이전트는 전부 대형 언어모델이므로 오인식된 내용을 수정하는 것은 잘 된다. 그리고 요약 후 일반적으로 잘 알려진 내용은 어차피 상식이므로 해당 영상에만 있는 고유한 관점을 추출한다.

참고로 관점 추출에 대한 발상은 김정운 박사 인터뷰 내용을 확장하여 인덱싱과 코덱싱에 관해 논하던 중 LLM을 사용하는 형태에 관한 층위를 다음과 같이 나눴던 것에서 출발했다.

Eli의 LLM 사용 수준 분류 ( 2026-01-08)

• 하수 = 정보의 추출
• 중수 = 메타언어 등 관점의 추출
• 고수 = 사고 경로의 추출

Eli의 LLM 고급 사용법 (2026-01-08)

• 구조화된 출력, agent화, 재귀적 개선을 통해 LLM in a loop를 구현함.
• 확률적 앵무새인 LLM에서 원하는 뉘앙스를 추출하기 위해 통계적 확률 분포를 의도적으로 조작함

장점 1: 자막을 추출해서 요약하므로 내용이 좀 더 정확하고, 잡다한 광고를 거를 수 있음

만약 영상을 직접 보게 되면 영상안에 끼워놓은 광고나 만담 등을 강제시청하게 되는데, 자동요약 규칙에 그런거 빼달라고 했더니 깔끔하게 내가 원하는 내용만 요약해서 볼 수 있었다.

장점 2: 내용이 누적되면 내 관심사에 맞춰서 후속 질문까지 뽑아줌

이 기능을 코드로 만들어서 여러 영상을 모으면서 누적했더니 에이전트가 알아서 내 성향과 기존 내용을 파악하고 내가 관심있어할 만한 내용 위주로, 그리고 이전에 요약했던 영상과의 연계성을 고려하여 후속 질문이나 생각해볼 만한 점들을 찝어준다. 일회성 질문으로는 얻을 수 없는 유용한 점 중 하나다.

내가 하는 게임 공략이 없는데? 나만의 게임공략 모음

필자는 MMORPG 게임과 스팀에 있는 게임들을 위주로 하는데, 메이저 게임이 아니면 공략 찾기가 매우 귀찮다. 그래서 아예 게임별로 폴더를 만들어서 초반 중반 후반에 하면 좋은 것들이나 꿀팁들 자동 조사해서 모아놓는 방식으로 에이전트를 굴렸다. 알아서 웹검색을 해서 교차검증 하고 내 상황에 맞게 우선순위 높은 것부터 정렬해서 추천해 주니 아주 좋았다.

IT 기기 관련: 컴퓨터 고장 진단, 불편 해소하는 작은 도구들

컴퓨터 고장 진단도구

얼마 전 원인을 모르고 계속 컴퓨터가 1시간 간격으로 블루스크린 걸리면서 꺼지는 현상이 있었다. 그래서 이벤트 로그를 복사해서 LLM 에이전트한테 던져주고 알아서 분석해보라고 했고, 가능한 원인들을 추정해서 소거법으로 지울 수 있었다. 에이전트가 같은 컴퓨터 위에서 돌아가다 보니 부품들 스펙도 알아서 조사했고, 어떤 하드웨어가 어떻게 문제될 수 있는지 등 나에게 딱 맞는 분석이 가능했고, 결국 원인을 찾고 고칠 수 있었다.

컴퓨터에서 스마트 스피커로 소리 전송

컴퓨터는 거실에 있고 스마트 스피커(구글 네스트 미니)는 안방에 있어서 거실에서 유튜브를 보다가 방에서 이어서 듣고 싶었는데, 이게 연동이 잘 안됐다. 그래서 에이전트 켜서 현재 네트워크에 연결된 스마트 스피커 인식하고 내 컴퓨터 크롬 브라우저에서 재생되는 소리를 크롬캐스트를 이용해서 안방의 스피커로 쏴주는 파이썬 프로그램을 만드는 데 성공했다. 이후 에이전트한테 현재 재생중인 영상 안방으로 쏴줘 하면 알아서 전송할 수 있게 되었다.

PDF 글자 수정

이미 만들어진 pdf에서 딱 한 글자만 오타를 변경하고 싶었는데 원본이 없고 뷰어만 있는 상태에서 폰트 안깨지고 글자를 바꾸고 싶었다. 폰트 자체는 pdf에 내장되어 있으므로 해당 글자의 코드만 바꿔주면 될 것으로 생각했는데, 잘 알려진 pdf24라는 프로그램에서 되지 않아 agent를 이용해 pdf의 내용을 코드로 읽어서 원하는 글자만 변경하는 작업을 했었다. 에이전트가 잘 해줬고 변경된 pdf를 잘 쓸 수 있었다.

PDF 암호 해제

건강보험공단에서 자격득실 문서를 받아서 기관에 제출해야 했는데, 암호가 내 주민번호 앞자리로 걸려 있었다. 암호 걸린 상태로 보내면 안열린다고 다시보내라고 할 게 뻔해서 암호 걸린 것을 해제하는 것을 에이전트한테 맡겼다. 에이전트에게 암호를 대화이력에 남기지 않는 방식으로 작업계획 짜라고 했더니 어케 잘 만들었고, 결과적으로 암호 풀린 상태로 pdf 연 상태에서 내용을 읽어서 앤트로픽 서버로 내용을 보내지 않고 암호 해제된 pdf 사본을 깔끔하게 만드는 데 성공했다.

가계부 로컬 파이프라인

금융 관련된건 아무래도 민감정보도 있고 해서 생각없이 LLM에 다 입력하면 보안이나 사생활 문제가 될 수도 있다. 이 점을 고려하여 에이전트가 내용을 직접 읽지 않고 딱 필요한 부분만 읽을 수 있도록 파이썬 프로그램을 짜서 내 카드 결제내역만 엑셀로 받아서 넣으면 가계부를 작성 및 관리할 수 있게 하는 기능을 만들었다. 자산분석도 해주고 지출분석도 해주니 매우 유용하게 사용하고 있다.

개인 프로젝트: 블로그 관리, 썸네일 생성, 영상, 음성 등

블로그 이관 프로젝트 및 기능추가

이전에 블로그 호스팅이 마음에 안들어서 AWS로 호스팅을 옮기는 작업을 진행했었다. 아무래도 기존에 써놨던 내용들도 있고 해서 조심스럽게 보존하면서 옮겨야 했는데 에이전트에게 일부 접근권한 주고 단계별로 진행하면서 승인했더니 짧은 시간에 성공적으로 옮길 수 있었다. 자세한 내용은 이전 글 참고.

그리고 agent로 전환하기 전에는 누가 플러그인을 만들어 줄 때까지 만들지 못했던 기능이 바로 스크롤바 옆에 띄워주는 챕터별 바로가기 기능이었다. 필자는 보통 긴 글을 많이 쓰다보니 원하는 위치로 바로가기 기능이 꼭 필요했었는데, 마이그레이션 하는 과정에서 에이전트 전용 액세스 키를 발급해서 사용하다보니 LLM이 내 블로그의 세부 기능에도 접근이 가능해서 아래 사진과 같이 스크롤바 옆에 클릭하면 해당위치로 바로 가는 기능도 간단한 요청으로 손쉽게 만들 수 있었다.

블로그 썸네일 생성 자동화

필자는 그림 실력이 별로 없는데, 블로그 글을 쓸 때 나중에 갤러리 형식으로 간단하게 볼 수 있는 점을 추구하고 있다. 그래서 썸네일 그릴 때마다 상당히 고통받고 있었는데, 이제 에이전트한테 썸네일 포맷을 주고 그려달라고 하면 멋들어진 그림을 그려 준다. 이 글의 썸네일도 에이전트와의 합작으로 만든 작품이다.

데이터 시각화 영상 제작

주로 텍스트 위주로 작업을 하다 보니 시대에 뒤쳐지는 것 같아 영상 제작도 해봤었다. 내용은 2025 ~ 2026 프론티어 모델 지능지수 추이에 관한 영상이다. Artificial analysis라는 곳에서 데이터를 받아와서 부드러운 영상으로 시각화하는 데 성공했다. 유튜브 동영상으로도 업로드해 두었다.

자동 더빙 변환기

컴퓨터에 원본 영상 파일이 있는데 원어로 되어 있어서 편안하게 들을 수 없었다. 그래서 영상에서 음성을 추출 및 자동 더빙해서 한국어로 들을 수 있게 해주는 기능을 완성했다. 원본 영상 mp4 파일이 있을 때 자막을 추출해서 텍스트로 변환하고, GPT-SoVITS라는 오픈소스를 이용해서 음색은 보존하고 언어만 한국어로 바꿔서 음성합성 하는 식으로 구현했다. 영어와 일본어 영상들에 테스트해 봤는데, 완벽하진 않지만 그래도 편하게 들을 수 있는 수준으로 더빙이 가능했다.

개인 소장 영상을 변환을 위해 온라인상의 어떤 곳에 올리게 되면 재배포로 인해 라이선스 위반이 된다. 그런데 변환기를 로컬에 구축하면 그런 위험에 노출되지는 않는다. 로컬 구축의 장점 중 하나. 다만 추가로 필요한 것은 변환기 처리가 가능한 그래픽카드를 갖추어야 한다는 것이다. 필자는 보유중인 4070 Ti Super를 사용했다.

LLM 지능 실험

지인이 링크드인에 올린 LLM 꿈 실험을 보고 아이디어가 생겨서 시도한 프로젝트이다. LLM이 풀기 어려운 문제를 만들고, 답을 알려주지 않은 채로 힌트를 준 경우와 실패경험을 누적할 경우에 얼마나 문제를 잘 푸는지를 테스트하는 작은 프로젝트를 에이전트로 구현했다. 이 결과는 github에 전체공개 되어있다.

업무와 연구: 개인 업무 프레임워크, 주간 AI소식 정리 자동화

연구용 ELF 프레임워크

필자는 연구 및 논문 작성이 주 업무인데, 자료조사부터 시작해서 연구 진행, 그리고 논문 작성에 이르기까지 전체를 커버할 수 있는 연구용 프레임워크를 만들었다. 일반적인 LLM과의 차이점은 일반 LLM은 범용이거나 아니면 코딩 작업에 맞춰져 있어서 연구업무에 최적화되지 않았는데 다음과 같이 틀을 만들면서 훨씬 수월한 작업이 가능했다. 해당 구조는 전체공개 되어있으며, 필자의 ELF 프로젝트의 설명을 따라 설치 및 적용해볼 수 있다. 자세한 내용은 별도의 글로 정리해볼 수 있을 것 같다.

주간 AI소식 조사 자동화

올해 인공지능 관련으로 매 주 회의를 진행하면서 주간 AI소식 업데이트하는 업무가 생겼다. 앞에서 만든 유튜브 자동요약 기능을 이용해서 주간 AI소식을 자동으로 수집하고 요약하고 교차검증으로 팩트체크 해서 필요한 부분만 정리해주는 기능을 만들었었다. 지금도 잘 쓰고 있고, 덕분에 최전선의 지식을 유지하고 있다.

업무 팀 운영

필자는 완전히 agentic workflow로 전환했는데, 팀원은 그렇지 못한 상황들이 많았다. 이 때 내 에이전트에 팀원의 성과를 입력하거나 주간 회의에서 나온 내용에 기반해서 팀원에게 다음 업무를 할당하는 것을 에이전트로 관리 중이다. 덕분에 업무분장에 대한 고통을 좀 덜었다.

자체 git 서버 구축

아무래도 업무를 하다 보면 기밀정보나 민감정보 등으로 인해 github이나 타사 서버 등으로 데이터를 전송하면 안되는 상황을 자주 만난다. 이를 해결하기 위해 Docker에 Gitea를 올려서 서버를 열고 사내 원격 레포지토리를 구축했다. 개인은 각자의 업무결과를 여기에 push하고, 관리자는 merge하는 방식으로 원할 때 동기화하고 진행사항을 바로바로 받아볼 수 있도록 했다.

로컬 에이전트 구축 및 학술 논문 리뷰에 실 사용

유료 구독모델을 쓰면 편하긴 한데 개발사 서버로 내용이 전송되는게 찝찝했었다. 이전에도 ollama에 gemma3 등을 올려서 사용했지만, 성능이 너무 안좋아서 안쓰고 있다가 2026년 들어 지능이 폭발 중인 것을 감안해서 다시 시도해봤었다. 보유 중인 그래픽카드에 Gemma4 12B를 올리고 논문 동료평가 요청이 들어온 것을 넣고 돌려서 나온 내용을 기반으로 좀 더 수월하게 리뷰작업을 완료할 수 있었다. 사실 학술지들이 LLM 쓰지 말라고 하는게 인공지능 회사들에 연구 내용이 넘어가서 학습되는 것을 우려해서인데, 이런 식으로 전기세만 내고 도움을 받을 수 있었다는 점이 의미 있었던 것 같다. 참고로 로컬 모델이 내놓은 결과물은 생각보다는 똑똑해서 근본적인 문제들은 잘 찾았지만 디테일이 부족해서 필자가 직접 교정하거나 메꿔줘야 했다.

소감

그동안 작업했던 것들을 정리하면서 정말 이것저것 많이 했구나 라는 생각이 새삼 들었다. 기존에는 재능이 없거나 비전문가라서 할 수 없었던 것들을 해낸 것도 있고, 시간이 부족해서 엄두가 안났던 것들을 agent를 써서 시간 내에 완료할 수 있었던 것들도 있다. 이런 것들이 하나씩 모여서 누적적으로 기록으로 남으니 내가 딱 원했던 정보나 해결책을 내놓는 것 같고, 무엇보다도 기록을 내 컴퓨터에 쌓아둘 수 있어서 데이터 주권을 어느 정도 방어한 느낌도 든다. 그리고 여러 시행착오를 거치면서 완성한 에이전트 프레임워크를 누구나 쓸 수 있게 공개한 것도 개인적으로는 의미가 크다. 다만 최근 통신사나 금융권 등의 인프라 보안 사고들이 많이 터지고 있어서 에이전트를 통해 내 컴퓨터에 쌓이는 데이터에 대한 보안도 좀 더 신경써야겠다는 생각도 든다. 에이전트는 생겼는데 뭘 할지 모르겠는 사람들에게 이 글이 도움이 되길 바란다.