AI 실행: 소프트웨어에서 '텍스트로서의 AI' 시대의 종말

title: "AI 실행: 소프트웨어에서 '텍스트로서의 AI' 시대의 종말" slug: "the-era-of-ai-as-text-is-over-execution-is-the-new-interface" date: "2026-03-12" lang: "ko" source: "https://github.blog/ai-and-ml/github-copilot/the-era-of-ai-as-text-is-over-execution-is-the-new-interface/" category: "개발자 도구" keywords:

AI 실행
GitHub Copilot SDK
에이전트 워크플로우
프로그래밍 가능한 AI
개발자 도구
인프라로서의 AI
모델 컨텍스트 프로토콜
소프트웨어 개발
AI 오케스트레이션
적응형 소프트웨어
다단계 작업
내장형 AI meta_description: "GitHub Copilot SDK가 어떻게 '텍스트로서의 AI' 시대의 종말을 알리고, 소프트웨어 개발을 위한 새로운 프로그래밍 가능한 인터페이스로서 강력한 AI 실행 및 에이전트 워크플로우를 애플리케이션 내에서 직접 가능하게 하는지 살펴보세요." image: "/images/articles/the-era-of-ai-as-text-is-over-execution-is-the-new-interface.png" image_alt: "소프트웨어 개발에서 AI 실행 및 에이전트 워크플로우를 나타내는 GitHub Copilot SDK 로고" quality_score: 94 content_score: 93 seo_score: 95 companies:
GitHub schema_type: "NewsArticle" reading_time: 7 faq:
question: "GitHub Copilot SDK에 의해 도입된 '텍스트로서의 AI'에서 '실행으로서의 AI'로의 핵심적인 변화는 무엇인가요?" answer: "근본적인 변화는 단순히 텍스트 입력에서 텍스트 출력을 생성하고 다음 단계를 위해 수동적인 인간 개입이 필요했던 AI 시스템에서, AI가 미리 정의된 제약 조건 내에서 적극적으로 계획하고, 실행하고, 적응하며, 오류로부터 복구할 수 있는 시스템으로의 전환을 의미합니다. 이는 AI가 수동적인 보조자에서 소프트웨어 애플리케이션 내에서 복잡한 다단계 작업을 직접 조율할 수 있는 능동적인 참여자로 전환하여, 단순한 대화형 인터페이스가 아닌 기능적 구성 요소가 된다는 것을 의미합니다. Copilot SDK는 이 실행 레이어를 모든 애플리케이션에 내장할 수 있는 도구를 제공합니다."
question: "GitHub Copilot SDK는 애플리케이션 내에서 정교한 에이전트 워크플로우를 어떻게 가능하게 하나요?" answer: "GitHub Copilot SDK는 GitHub Copilot CLI를 구동하는 것과 동일한 프로덕션 테스트를 거친 계획 및 실행 엔진에 대한 액세스를 제공함으로써 애플리케이션을 강화합니다. 처음부터 복잡한 오케스트레이션 스택을 구축하는 대신, 개발자는 이 SDK를 임베드하여 AI 에이전트에 의도를 위임할 수 있습니다. 이러한 에이전트는 정의된 경계를 존중하면서 리포지토리를 탐색하고, 필요한 단계를 계획하고, 파일을 수정하고, 명령을 실행하고, 예상치 못한 문제에 적응할 수 있습니다. 이를 통해 소프트웨어는 엄격하게 스크립트화된 워크플로우를 넘어 동적이고 상황을 인지하는 작업으로 나아가, 더욱 적응력 있고 탄력적으로 변할 수 있습니다."
question: "Model Context Protocol (MCP)이란 무엇이며, 안정적인 AI 실행에 왜 중요한가요?" answer: "Model Context Protocol (MCP)은 AI 에이전트를 위한 구조화되고 구성 가능한 컨텍스트를 가능하게 하는 필수 구성 요소입니다. 취약하고 테스트하기 어려운 워크플로우로 이어지는 프롬프트 내에 중요한 시스템 로직과 데이터를 임베드하는 방식 대신, MCP는 애플리케이션이 도메인별 도구와 에이전트 기술을 정의할 수 있도록 합니다. 그러면 실행 엔진은 MCP를 사용하여 런타임에 서비스 소유권 데이터, API 스키마 또는 종속성 규칙과 같은 관련 컨텍스트를 직접 검색합니다. 이는 AI 에이전트가 실제적이고 권한이 부여된 데이터 및 시스템에서 작동하도록 보장하여 추측을 방지하고 AI 워크플로우를 더욱 신뢰할 수 있고 유지 관리 가능하게 만듭니다."
question: "통합 개발 환경(IDE)을 넘어, GitHub Copilot SDK는 AI 실행을 어디에 내장할 수 있나요?" answer: "GitHub Copilot SDK는 AI 실행이 주로 IDE에 국한되는 것을 해방시켜, 광범위한 애플리케이션 계층 기능으로 작동할 수 있도록 합니다. 이는 데스크톱 애플리케이션, 내부 운영 도구, 백그라운드 서비스, SaaS 플랫폼 및 이벤트 기반 시스템을 포함한 다양한 환경에 에이전트 기능이 원활하게 통합될 수 있음을 의미합니다. 파일 변경, 배포 트리거 또는 사용자 작업과 같은 특정 이벤트 발생 시 애플리케이션이 Copilot을 프로그래밍 방식으로 호출할 수 있도록 함으로써, SDK는 AI를 측면 창의 단순한 도우미에서 소프트웨어가 실행되는 모든 곳에서 작동하는 핵심 인프라로 전환합니다."
question: "Copilot SDK를 사용하여 다단계 작업을 AI 에이전트에 위임할 때의 주요 이점은 무엇인가요?" answer: "Copilot SDK를 통해 다단계 작업을 AI 에이전트에 위임하는 것은 전통적인 스크립팅 방식에 비해 상당한 이점을 제공합니다. 이는 컨텍스트에 의존하거나, 실행 중 동적으로 변경되거나, 강력한 오류 복구가 필요한 워크플로우를 소프트웨어가 처리할 수 있도록 합니다. 이러한 워크플로우는 일반적으로 고정된 스크립트에서는 제대로 작동하지 않습니다. 명시적인 단계보다는 '의도'를 위임함으로써, 에이전트는 정의된 제약 조건 내에서 자율적으로 탐색하고, 계획하고, 실행하고, 적응할 수 있습니다. 이는 더 확장 가능하고, 적응 가능하며, 관찰 가능한 시스템으로 이어지며, 개발자가 복잡하고 진화하는 프로세스를 위해 맞춤형 오케스트레이션 레이어를 지속적으로 재구축해야 하는 부담을 덜어줍니다."
question: "Copilot SDK는 AI 기반 시스템의 신뢰성과 적응성을 어떻게 향상시키나요?" answer: "Copilot SDK는 강력한 실행 레이어를 제공하고 구조화된 컨텍스트를 통합함으로써 신뢰성과 적응성을 향상시킵니다. 프로덕션 테스트를 거친 계획 및 실행 엔진은 에이전트가 복잡한 작업을 계획하고, 명령을 실행하고, 파일을 수정하며, 오류로부터 복구할 수 있도록 보장하여 시스템의 탄력성을 높입니다. 또한, Model Context Protocol(MCP)을 활용함으로써 에이전트는 잠재적으로 오래되었거나 일반화된 프롬프트 정보에 의존하는 대신, API 스키마 또는 종속성 그래프와 같은 실시간의 구조화되고 권한이 부여된 컨텍스트에 접근합니다. 이러한 실제 데이터 기반은 에이전트가 정보에 입각한 결정을 내리도록 보장하여 오류를 줄이고 변화하는 조건 및 제약 조건에 시스템이 적응하는 능력을 향상시킵니다."
question: "GitHub Copilot SDK는 주로 전문 개발자를 위한 것인가요, 아니면 다른 사람들도 그 기능의 혜택을 받을 수 있나요?" answer: "GitHub Copilot SDK는 에이전트 AI 기능을 애플리케이션과 인프라에 확장함으로써 전문 개발자를 강화하도록 설계되었지만, 그 혜택은 더 넓게 퍼져 나갑니다. AI가 복잡한 다단계 작업을 처리하고 다양한 소프트웨어 시스템에 직접 통합되도록 함으로써, 워크플로우를 간소화하고, 수동 작업을 줄이며, 애플리케이션의 적응성을 향상시킵니다. 이는 궁극적으로 최종 사용자와 조직에 더 효율적이고, 지능적이며, 견고한 소프트웨어로 이어진다는 점에서 이점을 제공합니다. SDK와의 직접적인 상호 작용이 주로 개발자 측에서 이루어지더라도 말입니다. SDK는 AI를 소프트웨어 생태계 전반의 근본적인 인프라 구성 요소로 만듭니다."

소프트웨어 개발 분야의 인공지능 환경은 심오한 변화를 겪고 있습니다. 지난 2년 동안 AI와 상호작용하는 지배적인 패러다임은 간단한 교환을 포함했습니다: 텍스트를 입력하고, 텍스트 출력을 받은 다음, 다음 행동 방침을 수동으로 결정하는 것이었습니다. 이 "텍스트로서의 AI" 시대는 획기적이었지만, 이제는 보다 동적이고 통합된 접근 방식으로 변화하고 있습니다. 바로 GitHub Copilot SDK가 등장하여 실행으로서의 AI가 인터페이스가 되는 새로운 시대를 알리고 있습니다.

프로덕션 소프트웨어는 본질적으로 실행에 관한 것입니다—단계를 계획하고, 도구를 호출하고, 파일을 수정하고, 오류로부터 복구하며, 제약 조건에 적응하는 것 말이죠. 이것들은 단순한 텍스트 생성만으로는 완전히 포괄할 수 없는 복잡한 다단계 작업입니다. GitHub Copilot SDK는 이 격차를 직접적으로 해결하여, GitHub Copilot CLI를 뒷받침하는 강력한 실행 계층을 어떤 소프트웨어 애플리케이션 내에서도 프로그래밍 가능한 기능으로 사용할 수 있게 합니다. 이는 팀이 프로덕션 테스트를 거친 계획 및 실행 엔진을 시스템에 직접 내장하여 AI 기반 애플리케이션이 설계되고 운영되는 방식을 근본적으로 변화시킬 수 있다는 의미입니다.

정적 스크립트에서 적응형 에이전트 워크플로우로

전통적인 소프트웨어 개발은 반복적인 작업을 자동화하기 위해 오랫동안 스크립트와 글루 코드에 의존해 왔습니다. 고정된 시퀀스에는 효과적이지만, 이러한 솔루션은 상황적 뉘앙스, 실행 중 변경 사항 또는 강력한 오류 복구의 필요성에 직면하면 빠르게 취약해집니다. 개발자는 종종 예외적인 경우를 하드코딩하거나 맞춤형 오케스트레이션 계층을 구축하는 데 많은 시간과 노력을 들이게 되며, 이는 지속 불가능한 노력으로 이어집니다.

GitHub Copilot SDK는 모든 단계를 명시적으로 인코딩하는 대신 의도를 위임할 수 있도록 하여 애플리케이션을 이러한 제약으로부터 해방시킵니다. "이 리포지토리를 릴리스용으로 준비하라"는 명령이 필요한 애플리케이션을 상상해 보세요. 고정된 스크립트 대신, Copilot SDK는 AI 에이전트가 다음을 수행할 수 있도록 합니다.

리포지토리의 구조와 내용을 탐색합니다.
문서 업데이트, 테스트 실행 또는 버전 번호 증가와 같은 필요한 단계를 계획합니다.
필요에 따라 파일을 수정합니다.
시스템 환경 내에서 명령을 실행합니다.
어떤 단계가 실패하거나 새로운 정보가 나타나면 미리 정의된 경계와 권한 내에서 작동하면서 동적으로 적응합니다.

이러한 변화는 현대 소프트웨어 시스템에 매우 중요합니다. 애플리케이션이 확장되고 환경이 진화함에 따라 고정된 워크플로우는 실패하기 쉽습니다. Copilot SDK가 제공하는 에이전트 실행은 소프트웨어가 적응하고 자체 수정할 수 있도록 하여, 복잡한 오케스트레이션을 처음부터 다시 구축해야 하는 지속적인 부담 없이 가시성과 제약 조건을 유지합니다. 이는 AI를 개발 라이프사이클에서 능동적이고 지능적인 참여자로 만들며, 기본적인 코드 완성 기능을 넘어 지능적인 작업 자동화로 나아갑니다. 이러한 복잡한 워크플로우가 어떻게 보호되는지에 대한 더 많은 통찰력을 얻으려면, GitHub 에이전트 워크플로우의 보안 아키텍처를 살펴보세요.

안정적인 AI를 위한 구조화된 컨텍스트: 모델 컨텍스트 프로토콜(MCP)

"텍스트로서의 AI" 시대의 흔한 함정은 너무 많은 시스템 동작과 데이터를 AI 프롬프트에 밀어 넣으려는 시도였습니다. 겉으로는 편리해 보이지만, 텍스트에 로직을 인코딩하면 워크플로우를 테스트하고, 추론하며, 발전시키기 어렵게 만듭니다. 시간이 지남에 따라 이러한 정교한 프롬프트는 적절한 구조화된 시스템 통합을 대체하는 취약한 존재가 됩니다.

GitHub Copilot SDK는 **모델 컨텍스트 프로토콜(MCP)**을 활용하여 컨텍스트에 대한 구조화되고 구성 가능한 접근 방식으로 이 문제를 해결합니다. MCP를 통해 개발자는 다음을 수행할 수 있습니다.

AI가 호출할 수 있는 도메인별 도구 또는 에이전트 기술을 정의합니다.
이러한 도구와 기술을 MCP를 통해 노출합니다.
실행 엔진이 런타임에 컨텍스트를 동적으로 검색할 수 있도록 활성화합니다.

이는 서비스 소유권 데이터, API 스키마, 과거 의사 결정 기록, 종속성 그래프 또는 내부 API와 같은 중요한 정보가 더 이상 프롬프트에 억지로 끼워 넣을 필요가 없다는 것을 의미합니다. 대신, 에이전트는 계획 및 실행 단계에서 이러한 시스템에 직접 접근합니다. 예를 들어, 문제 해결을 담당하는 내부 에이전트는 서비스 소유권을 자동으로 쿼리하고, 관련 과거 데이터를 가져오며, 영향 평가를 위해 종속성 그래프를 확인하고, 내부 API를 참조하여 솔루션을 제안할 수 있습니다. 이 모든 과정은 정의된 안전 제약 조건을 준수하면서 이루어집니다. 이러한 접근 방식은 컨텍스트 주입이 복잡할 수 있는 OpenAI API를 사용한 프롬프트 엔지니어링 모범 사례의 어려움과는 극명한 대조를 이룹니다.

왜 이것이 중요한가: 신뢰할 수 있는 AI 워크플로우는 기반이 확립되고, 권한이 부여되며, 구조화된 컨텍스트 위에 구축됩니다. MCP는 필수적인 기반을 제공하여 에이전트 실행이 실제 도구와 실제 데이터에서 작동하도록 보장하며, 텍스트 기반 프롬프트 엔지니어링과 관련된 추측과 취약성을 제거합니다.

인프라로서의 AI: IDE를 넘어 실행 기능 내장

역사적으로, 개발자를 위한 많은 AI 도구는 통합 개발 환경(IDE)에 국한되어 있었습니다. 코딩에 매우 유용하지만, 현대 소프트웨어 생태계는 단일 에디터를 훨씬 뛰어넘습니다. 팀은 데스크톱 애플리케이션, 내부 운영 도구, 백그라운드 서비스, SaaS 플랫폼, 이벤트 기반 시스템 등 수많은 환경에서 에이전트 기능이 필요합니다.

Copilot SDK는 이러한 경계를 허물고, 실행 기능을 애플리케이션 계층 역량으로 만듭니다. 즉, 이제 시스템이 파일 변경, 배포 트리거, 사용자 작업과 같은 이벤트를 수신하고 Copilot을 프로그래밍 방식으로 호출하여 에이전트 워크플로우를 시작할 수 있습니다. 계획 및 실행 루프는 별도의 인터페이스나 개발자 도구가 아니라 제품 내부에서 실행됩니다.

기능	"텍스트로서의 AI" 시대	"실행으로서의 AI" 시대 (Copilot SDK)
상호작용	텍스트 입력, 텍스트 출력	프로그래밍 가능한 실행 루프
워크플로우	수동 결정, 취약한 스크립트	적응형, 자가 수정 에이전트
컨텍스트	종종 프롬프트에 내장됨 (취약함)	MCP를 통한 구조화, 실시간 검색
통합	고립된 교환, IDE 중심	어디든 내장 가능 (앱, 서비스, SaaS)
개발자 역할	프롬프트 엔지니어링, 수동 오케스트레이션	의도, 제약 조건, 도구 정의
핵심 원칙	AI는 조언하고, 사람은 실행한다	AI는 계획하고 실행하며, 사람은 감독한다

왜 이것이 중요한가: AI 실행이 애플리케이션에 직접 내장되면, 단순한 조력자가 아니라 근본적인 인프라가 됩니다. 소프트웨어가 실행되는 모든 곳에서 사용할 수 있어, AI의 힘을 디지털 운영의 모든 부분으로 확장하고 진정으로 지능적이고 적응적인 소프트웨어 환경을 조성합니다.

아키텍처의 전환: 프로그래밍 가능한 AI와 미래

"텍스트로서의 AI"에서 "실행으로서의 AI"로의 전환은 중요한 아키텍처적 진화를 나타냅니다. 이는 AI 에이전트가 단순히 코드 조각을 생성하는 것을 넘어, 정의된 제약 조건 하에서 작동하고, 실제 시스템과 원활하게 통합되며, 런타임에 지능적으로 적응할 수 있는 프로그래밍 가능한 계획 및 실행 루프가 되는 패러다임을 의미합니다.

GitHub Copilot SDK는 이러한 미래의 핵심 활성화 요소입니다. 이러한 정교한 실행 기능을 프로그래밍 가능한 계층으로 접근 가능하게 함으로써, 개발 팀은 AI 오케스트레이션의 근본적인 "어떻게"를 끊임없이 재구축하는 대신, 소프트웨어가 달성해야 할 더 높은 수준의 "무엇"에 집중할 수 있도록 지원합니다. 이러한 변화는 AI를 새로운 유틸리티에서 현대 소프트웨어 아키텍처의 핵심적이고 필수적인 구성 요소로 변화시키며, 전반적으로 더 탄력적이고 자율적이며 지능적인 애플리케이션을 약속합니다. 애플리케이션이 로직을 트리거할 수 있다면, 이제 에이전트 실행을 트리거하여 진정으로 스마트한 소프트웨어의 새 시대를 열 수 있습니다.

원본 출처

https://github.blog/ai-and-ml/github-copilot/the-era-of-ai-as-text-is-over-execution-is-the-new-interface/

자주 묻는 질문

What is the core shift from 'AI as text' to 'AI as execution' introduced by the GitHub Copilot SDK?

The fundamental shift signifies a move from AI systems that merely generate text output from text input, requiring manual human intervention for the next steps, to systems where AI can actively plan, execute, adapt, and recover from errors within a predefined set of constraints. This means AI transitions from a passive assistant to an active participant, capable of orchestrating complex, multi-step operations directly within software applications, making it a functional component rather than just a conversational interface. The Copilot SDK provides the tools to embed this execution layer into any application.

How does the GitHub Copilot SDK enable sophisticated agentic workflows within applications?

The GitHub Copilot SDK empowers applications by providing access to the same production-tested planning and execution engine that drives GitHub Copilot CLI. Instead of building complex orchestration stacks from scratch, developers can embed this SDK to delegate intent to AI agents. These agents can explore repositories, plan necessary steps, modify files, run commands, and adapt to unforeseen issues—all while respecting defined boundaries. This allows software to become more adaptive and resilient, moving beyond rigid, scripted workflows to dynamic, context-aware operations.

What is the Model Context Protocol (MCP) and why is it crucial for grounded AI execution?

The Model Context Protocol (MCP) is a vital component that enables structured and composable context for AI agents. Rather than embedding critical system logic and data within prompts—a practice that leads to brittle, hard-to-test workflows—MCP allows applications to define domain-specific tools and agent skills. The execution engine then uses MCP to retrieve relevant context directly at runtime, such as service ownership data, API schemas, or dependency rules. This ensures that AI agents operate on real, permissioned data and systems, preventing guesswork and making AI workflows more reliable and maintainable.

Beyond the Integrated Development Environment (IDE), where can the GitHub Copilot SDK embed AI execution?

The GitHub Copilot SDK liberates AI execution from being confined primarily to the IDE, allowing it to function as a pervasive application-layer capability. This means agentic capabilities can be seamlessly integrated into a wide array of environments, including desktop applications, internal operational tools, background services, SaaS platforms, and event-driven systems. By enabling applications to programmatically invoke Copilot upon specific events—like a file change, deployment trigger, or user action—the SDK transforms AI from a mere helper in a side window into core infrastructure that operates wherever the software runs.

What are the primary benefits of delegating multi-step tasks to AI agents using the Copilot SDK?

Delegating multi-step tasks to AI agents via the Copilot SDK offers significant advantages over traditional scripting. It allows software to handle workflows that are context-dependent, change dynamically mid-run, or require robust error recovery, which typically break down fixed scripts. By delegating 'intent' rather than explicit steps, agents can autonomously explore, plan, execute, and adapt within defined constraints. This leads to more scalable, adaptable, and observable systems, freeing developers from continually rebuilding bespoke orchestration layers for complex, evolving processes.

How does the Copilot SDK improve the reliability and adaptability of AI-powered systems?

The Copilot SDK enhances reliability and adaptability by providing a robust execution layer and integrating structured context. Its production-tested planning and execution engine ensures agents can plan complex operations, execute commands, modify files, and recover from errors, making systems more resilient. Furthermore, by utilizing the Model Context Protocol (MCP), agents access real-time, structured, and permissioned context—like API schemas or dependency graphs—rather than relying on potentially outdated or generalized prompt information. This grounding in real data ensures agents make informed decisions, reducing errors and increasing the system's ability to adapt to changing conditions and constraints.

Is the GitHub Copilot SDK primarily for professional developers, or can others benefit from its capabilities?

While the GitHub Copilot SDK is designed to empower professional developers by extending agentic AI capabilities into their applications and infrastructure, its benefits ripple outwards. By enabling AI to handle complex, multi-step tasks and integrate directly into various software systems, it streamlines workflows, reduces manual effort, and enhances the adaptability of applications. This ultimately benefits end-users and organizations by leading to more efficient, intelligent, and robust software, even if the direct interaction with the SDK is primarily on the developer's side. The SDK makes AI a fundamental infrastructure component across the software ecosystem.