> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# Anthropic의 AI Agent 전략

> 이 문서는 **[GenAI 개념](/blog/guides/genai-concepts/overview)** 섹션의 일부입니다.

Anthropic은 "AI 안전성 연구 기업"이라는 정체성 위에 **세계에서 가장 실용적인 AI Agent 생태계** 를 구축하고 있습니다. 모델 성능 경쟁을 넘어, MCP(Model Context Protocol)라는 개방형 표준으로 Agent가 세상과 소통하는 방식 자체를 정의하고, Claude Code와 Agent SDK로 개발자가 Agent를 만들고 배포하는 전체 라이프사이클을 지원합니다.

> **참고**
> **학습 목표**

* Anthropic의 AI Agent 전략과 제품 포트폴리오의 전체 그림을 이해한다
* MCP가 AI Agent 생태계에서 차지하는 위치와 AAIF 기부의 의미를 설명할 수 있다
* Claude Code, Agent SDK, Computer Use 등 핵심 제품의 아키텍처와 차별점을 파악한다
* 5가지 멀티에이전트 패턴을 이해하고 적절한 상황에 적용할 수 있다
* Databricks 환경에서 Claude를 활용하는 실전 방법을 파악한다

***

## 1. 전략 개요 -- "도구를 든 지능"

Anthropic의 Agent 전략은 세 가지 축으로 구성됩니다.

| 축      | 핵심 질문                 | 대응 제품                                             |
| ------ | --------------------- | ------------------------------------------------- |
| **모델** | Agent가 얼마나 똑똑한가?      | Claude 4 Family (Opus, Sonnet), Extended Thinking |
| **연결** | Agent가 세상과 어떻게 소통하는가? | MCP, Computer Use, Advanced Tool Use              |
| **실행** | Agent를 어떻게 만들고 배포하는가? | Claude Code, Agent SDK, Claude Cowork             |

> **성공**
> **Anthropic의 차별화 철학**: OpenAI가 "만능 AI 비서"를, Google이 "검색 + AI 통합"을 추구한다면, Anthropic은 **"개발자가 통제할 수 있는 안전한 Agent"** 를 지향합니다. 모든 제품 설계에 "사람이 루프에 있다(Human-in-the-Loop)"는 원칙이 관통합니다.

### 타임라인

| 시기      | 제품/이벤트                                     | 의미                                        |
| ------- | ------------------------------------------ | ----------------------------------------- |
| 2024.10 | **Computer Use**(Beta)                     | 최초의 프론티어 모델 데스크톱 제어                       |
| 2024.11 | **MCP** 표준 공개                              | Agent 도구 연결의 개방형 프로토콜                     |
| 2024.12 | **멀티에이전트 패턴** 블로그                          | "단순하게 시작하라" 설계 철학 공유                      |
| 2025.02 | **Claude Code**(GA), **Extended Thinking** | 터미널 기반 코딩 Agent + 사고 과정 가시화               |
| 2025.05 | **Claude Opus 4**                          | 7시간 자율 작업, 최강 코딩 모델                       |
| 2025.09 | **Agent SDK**(Beta)                        | Claude Code의 능력을 프로그래밍 가능하게               |
| 2025.12 | **MCP를 AAIF에 기부**                          | OpenAI, Block과 함께 Linux Foundation 산하 표준화 |
| 2026.01 | **Claude Cowork**(Preview)                 | 지식 노동자를 위한 Agent                          |

***

## 2. MCP (Model Context Protocol) & AAIF

### MCP란 무엇인가?

MCP는 **"AI Agent를 위한 USB-C"** 입니다. LLM이 외부 데이터 소스, 도구, 서비스에 접근하는 방식을 하나의 표준 프로토콜로 통합합니다.

> **참고**
> **비유**: USB-C가 등장하기 전, 노트북마다 충전기가 달랐습니다. MCP가 등장하기 전, 각 AI 모델마다 도구 연결 방식이 달랐습니다. MCP는 "어떤 LLM이든, 어떤 도구든" 하나의 방식으로 연결할 수 있게 합니다.

### 아키텍처

| 구성 요소                                | 역할                            | 통신 방식                                    |
| ------------------------------------ | ----------------------------- | ---------------------------------------- |
| **MCP Host**(Claude, VS Code, 커스텀 앱) | AI 애플리케이션 — MCP Client를 내장    | —                                        |
| **MCP Client**(내장 또는 SDK)            | Host 안에서 Server와 1:1 연결 유지    | JSON-RPC (stdio / SSE / Streamable HTTP) |
| **MCP Server**(DB, API, 파일 등)        | Resources, Tools, Prompts를 노출 | 외부 서비스 호출                                |
| **외부 서비스**(Slack, DB, GitHub 등)      | 실제 데이터/기능 제공                  | MCP Server가 래핑                           |

### 핵심 개념

| 구성 요소         | 역할                       | 예시                                            |
| ------------- | ------------------------ | --------------------------------------------- |
| **Host**      | MCP 클라이언트를 내장한 AI 애플리케이션 | Claude Desktop, VS Code, Genie Code           |
| **Client**    | Host 안에서 MCP 서버와 1:1 통신  | claude-code의 MCP 클라이언트                        |
| **Server**    | 특정 기능을 MCP 프로토콜로 노출      | Databricks MCP Server, GitHub MCP Server      |
| **Resources** | 읽기 전용 데이터 (LLM의 컨텍스트)    | 파일 내용, DB 스키마, 문서                             |
| **Tools**     | 모델이 호출할 수 있는 함수          | `execute_sql`, `create_issue`, `send_message` |
| **Prompts**   | 재사용 가능한 프롬프트 템플릿         | "코드 리뷰해줘", "SQL 작성해줘"                         |

### 성장 지표 (2025.12 기준)

| 지표          | 수치                                                                 |
| ----------- | ------------------------------------------------------------------ |
| 월간 SDK 다운로드 | **9,700만+**                                                        |
| 등록된 MCP 서버  | **10,000+**                                                        |
| 지원 호스트      | Claude Desktop, VS Code, JetBrains, Cursor, Windsurf, Genie Code 등 |

### AAIF (AI Alliance Interop Framework) 기부

2025년 12월, Anthropic은 MCP를 **Linux Foundation 산하 AAIF** 에 기부했습니다. 이는 단일 기업의 프로토콜에서 **산업 표준** 으로의 전환을 의미합니다.

| 항목         | 내용                                    |
| ---------- | ------------------------------------- |
| **공동 기부자** | Anthropic, **OpenAI**, Block (Square) |
| **거버넌스**   | Linux Foundation의 오픈 거버넌스 모델          |
| **의미**     | OpenAI가 합류함으로써 사실상 업계 표준 확정           |
| **호환성**    | OpenAI Agents SDK도 MCP 네이티브 지원        |

> **주의**
> **핵심 인사이트**: MCP가 AAIF로 갔다는 것은, 앞으로 AI Agent 도구 연결 방식이 **벤더 중립적 표준** 이 된다는 뜻입니다. Databricks도 공식 MCP Server를 제공하고 있으며, Genie Code가 MCP Host 역할을 합니다. MCP를 이해하는 것은 선택이 아니라 필수입니다.

## 3. Claude Code -- 터미널 기반 코딩 Agent

### 개요

Claude Code는 2025년 2월 GA된 **터미널 네이티브 코딩 Agent** 입니다. IDE의 보조 도구가 아니라, 터미널에서 직접 코드베이스를 이해하고, 수정하고, 테스트하고, 커밋하는 **자율적 개발자** 입니다.

### 성장 지표

| 지표        | 수치                           |
| --------- | ---------------------------- |
| 일일 활성 사용자 | **35만+**                     |
| 누적 생성 PR  | **100만+**                    |
| 지원 IDE    | VS Code, JetBrains (확장 프로그램) |

### 핵심 기능

| 기능                   | 설명                                           |
| -------------------- | -------------------------------------------- |
| **코드베이스 이해**         | 대규모 모노레포도 자동으로 파악. `CLAUDE.md`로 프로젝트 컨텍스트 제공 |
| **멀티파일 편집**          | 여러 파일을 동시에 수정하고, 의존성까지 추적                    |
| **Git 통합**           | 커밋, 브랜치, PR 생성을 자연어로 수행                      |
| **테스트 실행**           | 코드 변경 후 자동으로 테스트 실행, 실패 시 수정                 |
| **Subagents**        | 복잡한 작업을 하위 Agent에 위임 (병렬 처리)                 |
| **Hooks**            | 특정 이벤트(파일 저장, 커밋 전 등)에 자동 실행되는 스크립트          |
| **Background Tasks** | 장기 실행 작업을 백그라운드에서 수행하고 완료 시 알림               |
| **MCP 클라이언트**        | MCP 서버 연결로 DB 쿼리, API 호출, 문서 검색 등 확장         |

### 아키텍처 특징

| 계층        | 내장 도구                              | 설명                      |
| --------- | ---------------------------------- | ----------------------- |
| **코드 작업** | Read (파일), Edit (수정), Bash (명령 실행) | 파일 시스템 읽기/쓰기, 셸 명령 실행   |
| **탐색**    | Grep (검색), Glob (패턴), Git (버전관리)   | 코드 검색, 파일 패턴 매칭, Git 작업 |
| **확장**    | MCP Clients (여러 MCP 서버에 동시 연결)     | DB 쿼리, API 호출, 문서 검색 등  |
| **병렬 처리** | Subagent Pool (병렬 하위 작업 실행)        | 복잡한 작업을 하위 Agent에 위임    |

> **참고**
> **CLAUDE.md**: 프로젝트 루트에 `CLAUDE.md` 파일을 두면 Claude Code가 프로젝트의 컨텍스트(디렉토리 구조, 코딩 컨벤션, 빌드 방법 등)를 자동으로 이해합니다. 사용자별(`~/.claude/CLAUDE.md`), 프로젝트별, 디렉토리별로 계층적 설정이 가능합니다.

***

## 4. Computer Use -- 데스크톱 제어 Agent

### 개요

2024년 10월 베타 출시된 Computer Use는 **최초의 프론티어 모델 데스크톱 제어** 기능입니다. 스크린샷을 분석하고, 마우스 클릭과 키보드 입력을 수행하여 사람처럼 컴퓨터를 조작합니다.

### 작동 원리

**반복 루프:** Screenshot (화면 캡처) → Analyze (요소 파악) → Act (클릭/타이핑) → 다시 Screenshot으로 돌아감

| 단계             | 설명                                   |
| -------------- | ------------------------------------ |
| **Screenshot** | 현재 화면을 이미지로 캡처                       |
| **Analyze**    | Claude의 비전 능력으로 UI 요소, 텍스트, 버튼 위치 파악 |
| **Act**        | 좌표 기반 마우스 이동/클릭, 키보드 입력 수행           |
| **Verify**     | 결과 스크린샷으로 성공 여부 확인 후 다음 단계 진행        |

### 활용 시나리오

| 시나리오            | 설명                       |
| --------------- | ------------------------ |
| **레거시 시스템 자동화** | API가 없는 오래된 웹/데스크톱 앱 조작  |
| **UI 테스트**      | 스크린샷 기반 E2E 테스트 자동화      |
| **데이터 수집**      | 웹 브라우저를 통한 복잡한 데이터 수집 작업 |
| **RPA 대체**      | 기존 RPA 도구보다 유연한 자동화      |

> **주의**
> **주의사항**: Computer Use는 아직 Beta 상태입니다. 프로덕션 환경에서는 샌드박스(가상 머신, Docker 컨테이너) 내에서 실행하는 것을 권장합니다. 민감한 정보가 표시된 화면에서는 사용을 제한해야 합니다.

### macOS 통합

2025년 이후 macOS 네이티브 통합이 추가되었습니다. Accessibility API를 활용해 스크린샷 없이도 UI 요소에 직접 접근할 수 있어, 속도와 정확도가 크게 향상되었습니다.

***

## 5. Agent SDK -- 프로그래밍 가능한 Claude Code

### 개요

2025년 9월 베타 출시된 Agent SDK는 **Claude Code가 내부에서 사용하는 것과 동일한 도구 세트** 를 Python과 TypeScript에서 프로그래밍 방식으로 사용할 수 있게 해줍니다.

> **참고**
> **핵심 차이점**: Claude Code는 "사람이 터미널에서 대화하며 사용", Agent SDK는 "프로그래머가 코드로 Agent를 구축"하는 데 사용합니다. 내부 엔진은 동일합니다.

### 핵심 기능

| 기능                     | 설명                                          |
| ---------------------- | ------------------------------------------- |
| **Claude Code 동일 도구**  | Read, Edit, Bash, Grep, Glob 등 파일 시스템 도구 내장 |
| **MCP 통합**             | MCP 서버를 코드로 연결하여 도구 확장                      |
| **Structured Outputs** | Agent 출력을 JSON Schema로 구조화                  |
| **1M 컨텍스트**            | 100만 토큰 컨텍스트 윈도우 활용                         |
| **Streaming**          | 실시간 토큰 스트리밍 지원                              |
| **비동기 실행**             | async/await 패턴으로 병렬 Agent 실행                |

### Python 사용 예시

```python theme={null}
from anthropic_agent import Agent, Tool
from anthropic_agent.tools import Read, Edit, Bash, Grep

# Agent 생성
agent = Agent(
    model="claude-opus-4-6",
    tools=[Read(), Edit(), Bash(), Grep()],
    system_prompt="당신은 시니어 백엔드 엔지니어입니다.",
    max_tokens=8192,
    thinking={"type": "enabled", "budget_tokens": 4096}
)

# MCP 서버 연결
agent.add_mcp_server(
    name="databricks",
    command="npx",
    args=["@anthropic/mcp-databricks"]
)

# Agent 실행
result = await agent.run(
    "src/ 디렉토리에서 SQL 인젝션 취약점을 찾아서 수정하고, "
    "수정 전후 diff를 보여줘."
)

# Structured Output
from pydantic import BaseModel

class SecurityReport(BaseModel):
    vulnerabilities: list[dict]
    fixes_applied: list[str]
    risk_level: str

result = await agent.run(
    "보안 취약점 분석 보고서를 작성해줘.",
    output_schema=SecurityReport
)
```

### Claude Code vs Agent SDK 비교

| 항목        | Claude Code    | Agent SDK               |
| --------- | -------------- | ----------------------- |
| **인터페이스** | 터미널 대화형        | 프로그래밍 API               |
| **사용자**   | 개발자 (직접 사용)    | 개발자 (Agent 구축)          |
| **사용 사례** | 코딩, 디버깅, PR 작성 | 커스텀 Agent 빌드, 자동화 파이프라인 |
| **MCP**   | 설정 파일로 연결      | 코드로 연결                  |
| **배포**    | 로컬 터미널         | 서버, 클라우드, 컨테이너          |
| **확장성**   | 단일 사용자         | 멀티테넌트, 스케일아웃 가능         |

***

## 6. Claude 4 모델 패밀리

### 모델 라인업

Claude 4 세대는 두 가지 라인으로 구분됩니다: **Opus**(최고 성능)와 **Sonnet**(효율성).

| 모델             | 출시      | 특징                   | 주요 용도               |
| -------------- | ------- | -------------------- | ------------------- |
| **Opus 4**     | 2025.05 | 7시간 자율 작업, 최강 코딩     | 복잡한 코딩, 장기 Agent 작업 |
| **Sonnet 4**   | 2025.05 | Opus 대비 빠른 응답, 비용 효율 | 일상적 코딩, 분석          |
| **Sonnet 4.5** | 2025 H2 | Sonnet 라인 성능 향상      | 범용 작업               |
| **Opus 4.5**   | 2025 H2 | Opus 라인 성능 향상        | 고급 추론               |
| **Opus 4.6**   | 2026    | 최신 플래그십, 1M 컨텍스트     | Claude Code 기본 모델   |
| **Sonnet 4.6** | 2026    | 최신 효율 모델             | 대규모 배포, API 서비스     |

### Opus 4의 7시간 자율 작업

> **성공**
> **획기적 벤치마크**: Opus 4는 SWE-bench에서 72.5%를 기록하며, 단일 프롬프트로 최대 7시간 동안 자율적으로 코딩 작업을 수행할 수 있습니다. 이는 "하루 종일 코딩하는 주니어 개발자" 수준의 자율성입니다.

| 능력          | 상세                                 |
| ----------- | ---------------------------------- |
| **장기 작업**   | 단일 프롬프트로 7시간 연속 작업                 |
| **자가 수정**   | 테스트 실패 시 스스로 코드 수정 후 재실행           |
| **컨텍스트 유지** | 장시간 작업에서도 초기 목표와 컨텍스트 유지           |
| **도구 체이닝**  | 파일 읽기 → 분석 → 수정 → 테스트 → 커밋의 전체 사이클 |

### Hybrid Reasoning (하이브리드 추론)

Claude 4 패밀리의 핵심 혁신은 **Interleaved Thinking with Tool Use** 입니다. 기존 모델이 "생각 → 도구 호출 → 응답"의 선형 구조였다면, Claude 4는 도구를 사용하면서 동시에 사고를 이어갑니다.

```
기존 모델:
  [생각] ──► [도구 호출] ──► [결과 수신] ──► [생각] ──► [응답]

Claude 4 (Interleaved):
  [생각 + 도구 호출] ──► [결과 수신 + 생각 계속] ──► [추가 도구 + 생각] ──► [응답]
```

이 방식의 장점:

* 도구 결과를 기다리는 동안에도 다음 단계를 미리 계획
* 여러 도구를 병렬로 호출하면서 중간 결과를 실시간 반영
* 전체 작업 완료 시간 단축

## 7. Advanced Tool Use -- 도구 사용의 진화

### Tool Search Tool

수천 개의 MCP 도구가 연결된 환경에서, 모델이 적절한 도구를 **검색** 하여 찾는 메타 도구입니다.

| 특징     | 설명                                       |
| ------ | ---------------------------------------- |
| **문제** | 수천 개 도구를 모두 프롬프트에 넣으면 토큰 낭비 + 혼란         |
| **해결** | Tool Search Tool이 사용자 요청을 분석하여 관련 도구만 검색 |
| **방식** | 도구 이름, 설명, 파라미터를 인덱싱하고 시맨틱 검색 수행         |

**Tool Search 흐름 예시:**

1. 사용자: "Databricks에서 테이블 목록을 보여줘"
2. Tool Search Tool: "databricks table list" 검색
3. 결과: `[execute_sql, get_table_details, manage_uc_objects]`
4. Claude: `execute_sql("SHOW TABLES IN catalog.schema")` 호출

### Programmatic Tool Calling

모델이 JSON Schema 기반으로 도구를 호출하고, 결과를 구조화된 형태로 받는 표준 방식입니다.

```json theme={null}
{
  "type": "tool_use",
  "name": "execute_sql",
  "input": {
    "query": "SELECT * FROM sales.orders LIMIT 10",
    "warehouse_id": "abc123"
  }
}
```

### Server Tools (빌트인 도구)

Anthropic이 서버 사이드에서 제공하는 도구로, 사용자 인프라 없이 바로 사용 가능합니다.

| 도구                  | 기능             | 활용               |
| ------------------- | -------------- | ---------------- |
| **web\_search**     | 실시간 웹 검색       | 최신 정보 조회, 팩트 체크  |
| **code\_execution** | 샌드박스 Python 실행 | 데이터 분석, 시각화, 계산  |
| **web\_fetch**      | 웹 페이지 콘텐츠 가져오기 | 문서 읽기, API 응답 확인 |

> **참고**
> **Server Tools의 의미**: RAG나 외부 API 연동 없이도 Claude가 자체적으로 정보를 검색하고, 코드를 실행하고, 웹 콘텐츠를 가져올 수 있습니다. 특히 `code_execution`은 데이터 분석 작업에서 hallucination을 크게 줄여줍니다.

***

## 8. Extended Thinking (Adaptive Thinking)

### 개요

2025년 2월 도입된 Extended Thinking은 Claude가 **응답하기 전에 깊이 생각하는 과정** 을 활성화합니다. 현재는 **Adaptive Thinking** 으로 브랜딩되어, 작업 복잡도에 따라 사고 깊이를 자동 조절합니다.

### 작동 방식

```python theme={null}
# API 호출 시 thinking 파라미터로 제어
response = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=16384,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000   # 사고에 사용할 최대 토큰
    },
    messages=[{
        "role": "user",
        "content": "이 시스템의 보안 취약점을 분석하고 개선안을 제시해줘."
    }]
)

# 응답 구조
# response.content = [
#     {"type": "thinking", "thinking": "먼저 입력을 분석하면... (사고 과정)"},
#     {"type": "text", "text": "분석 결과... (최종 응답)"}
# ]
```

### 핵심 특징

| 특징                            | 설명                                     |
| ----------------------------- | -------------------------------------- |
| **Configurable Budget**       | `budget_tokens`로 사고 깊이 조절 (1K \~ 128K) |
| **Interleaved with Tool Use** | 도구를 사용하면서 동시에 사고를 이어감                  |
| **Adaptive**                  | 간단한 질문에는 짧게, 복잡한 문제에는 깊게 생각            |
| **투명성**                       | `thinking` 블록에서 사고 과정을 확인 가능           |

### 언제 사용하는가?

| 상황                | Extended Thinking | 일반 응답 |
| ----------------- | :---------------: | :---: |
| 복잡한 수학/논리 문제      |         O         |       |
| 장문 코드 분석/디버깅      |         O         |       |
| 다단계 추론이 필요한 작업    |         O         |       |
| 간단한 Q\&A          |                   |   O   |
| 번역, 요약            |                   |   O   |
| 실시간 채팅 (낮은 지연 필요) |                   |   O   |

> **주의**
> **비용 고려**: Extended Thinking의 사고 토큰도 과금 대상입니다. `budget_tokens`를 적절히 설정하여 비용과 품질의 균형을 맞추세요. 일반적으로 코딩 작업에는 4K~~8K, 복잡한 분석에는 10K~~32K를 권장합니다.

***

**멀티에이전트 패턴, Claude Cowork, Databricks 시사점, FAQ, 참고 자료는 다음 페이지에서 이어집니다.**

→ [Anthropic 생태계와 Databricks 시사점](/blog/guides/genai-concepts/agent-landscape/anthropic-ecosystem)