오픈AI 에이전트키트란?

OpenAI AgentKit은 OpenAI 플랫폼에서 AI 에이전트를 구축, 배포 및 측정하기 위한 도구 묶음입니다. 오케스트레이션 코드, 커넥터, 평가 스크립트를 수동으로 연결하여 에이전트를 구성해 본 적이 있다면, AgentKit은 그러한 파편화에 대한 OpenAI의 해답이었습니다. 시작하기 전에 알아야 할 2026년의 중요한 변화가 있으므로, 이 가이드에서는 AgentKit이 무엇을 포함하는지, 누구를 위한 것인지, 높은 수준의 구축 흐름, 그리고 에이전트가 외부 서비스를 호출하기 시작할 때 Apidog와 같은 API 테스트 도구가 어떻게 활용되는지 설명합니다.

버튼

AgentKit은 무엇인가

OpenAI는 2025년 10월 6일 DevDay에서 AgentKit을 선보였습니다. 이는 단일 제품이 아니었습니다. 기존 OpenAI API와 OpenAI Agents SDK 위에 구축된 여러 구성 요소의 집합으로, '에이전트 아이디어가 있다'와 '사용자 앞에서 에이전트가 실행되고 있다' 사이의 격차를 줄이는 것을 목표로 했습니다.

AgentKit 이전에는 에이전트를 구축한다는 것은 대개 버전 관리 없는 오케스트레이션 로직, 모든 데이터 소스에 대한 맞춤형 커넥터, 수작업으로 만든 평가 파이프라인, 수동 프롬프트 튜닝, 그리고 배포 전에 상당한 프런트엔드 작업을 이어 붙이는 것을 의미했습니다. AgentKit은 이러한 문제에 대한 해결책을 한데 모았습니다.

미리 알려드릴 중요한 사항이 있습니다. 이것이 여러분이 이 내용을 다루는 방식에 영향을 미치기 때문입니다. 2026년 6월 3일, OpenAI는 AgentKit의 두 가지 구성 요소인 Agent Builder와 Evals를 종료할 것이라고 발표했습니다. 날짜에 대한 자세한 내용은 아래를 참조하십시오. 핵심은 AgentKit을 통한 지속 가능한 코드 우선 경로는 Agents SDK이며, 오래 지속될 무언가를 원한다면 이를 기반으로 구축해야 한다는 것입니다.

AgentKit의 구성 요소

AgentKit은 네 가지 주요 구성 요소로 출시되었습니다. 각 구성 요소가 하는 일과 현재 상태는 다음과 같습니다.

Agent Builder

Agent Builder는 다단계 에이전트 워크플로우를 설계하기 위한 시각적 캔버스입니다. 각 단계에 대한 노드를 드래그 앤 드롭하고, 흐름으로 연결하고, 실제 입력에 대해 실행을 미리 보고, 워크플로우의 버전이 지정된 스냅샷을 게시할 수 있습니다. 이는 시작할 수 있는 템플릿이 제공되는 '빈 페이지 없음' 진입점입니다.

개발자를 위한 유용한 세부 정보: Agent Builder는 코드에서 벗어난 막다른 길이 아닙니다. Agents SDK 탭이 있어 워크플로우를 실행 가능한 Python 또는 TypeScript로 내보낼 수 있으므로, 시각적 디자인을 가져와서 자체 환경에서 확장할 수 있습니다.

여기서 상태가 중요합니다. OpenAI는 서비스 종료 페이지에 따라 2026년 11월 30일 플랫폼 종료와 함께 Agent Builder를 더 이상 사용하지 않도록 권고하고 있습니다. 오늘부터 새로 시작한다면, 시각적 캔버스를 프로토타이핑 보조 도구로 취급하고 SDK 코드로 마무리할 계획을 세우십시오.

ChatKit

ChatKit은 에이전트를 사용자에게 선보일 수 있는 임베딩 가능한 채팅 인터페이스입니다. 처음부터 채팅 UI를 구축하는 대신, 웹 구성 요소를 삽입하고, 게시된 워크플로우 ID를 가리키고, 테마와 동작을 사용자 정의할 수 있습니다. 스트리밍 응답, 스레드, 일반적인 채팅 기능 등을 처리합니다.

ChatKit은 계속 사용할 수 있으며, 채팅 기반 에이전트 경험을 배포하는 권장 방법입니다. 이는 2026년 변경 사항에 가장 적게 영향을 받는 AgentKit의 구성 요소입니다.

Connector Registry

Connector Registry는 ChatGPT와 API를 아우르는 OpenAI 제품 전반에서 데이터와 도구가 어떻게 연결되는지를 관리하는 관리자용 공간입니다. 사전 구축된 커넥터(Dropbox, Google Drive, SharePoint, Microsoft Teams 등)와 타사 MCP 서버를 하나의 패널로 통합하여 관리자가 에이전트가 접근할 수 있는 것을 제어할 수 있도록 합니다.

이 그림에서 MCP 측면을 이해하고 싶다면, MCP 서버와 OpenAI Agents SDK에 대한 저희 가이드가 에이전트가 모델 컨텍스트 프로토콜을 통해 도구를 호출하는 방법을 다룹니다.

Evals 및 최적화

Evals 기능은 데이터셋, 추적 채점(다중 에이전트 실행의 각 단계 점수 매기기), 자동화된 프롬프트 최적화, 그리고 OpenAI 모델뿐만 아니라 타사 모델에 대해서도 채점할 수 있는 기능을 추가했습니다. 목표는 자체 평가 하네스를 구축하지 않고도 에이전트 품질을 측정하고 프롬프트를 조정하는 것이었습니다.

Agent Builder와 마찬가지로 Evals도 종료되고 있습니다. 기존 사용자의 경우 2026년 10월 31일부터 읽기 전용이 되며, 2026년 11월 30일에 완전히 종료됩니다.

AgentKit이 Agents SDK와 어떻게 관련되는가

이는 무엇을 기반으로 구축할지 결정하므로, 정확히 이해하는 것이 중요합니다.

Agents SDK는 코드 수준 프레임워크입니다. Python 또는 TypeScript로 에이전트, 도구, 핸드오프 및 가드레일을 정의하는 곳입니다. AgentKit의 Agent Builder는 SDK 코드를 생성하는 시각적 레이어로 그 위에 위치합니다. ChatKit은 배포 표면으로서 그 옆에 있습니다.

레이어	무엇인가	2026년 현재 상태
Agents SDK	에이전트, 도구 및 가드레일 정의를 위한 코드 프레임워크	활성 상태, 권장되는 장기 경로
Agent Builder	Agents SDK 코드를 내보내는 시각적 캔버스	사용 중단 예정, 2026년 11월 30일 종료
ChatKit	워크플로우 ID에 연결된 임베딩 가능한 채팅 UI	사용 가능
Connector Registry	커넥터 및 MCP 서버용 관리 패널	사용 가능
Evals	추적 채점 및 프롬프트 최적화	2026년 10월 31일 읽기 전용, 2026년 11월 30일 종료

OpenAI의 마이그레이션 지침은 명확합니다. 코드로 존재해야 하는 워크플로우의 경우 Agents SDK로 이동하십시오. 코드가 필요 없는 자연어 사용 사례의 경우 ChatGPT의 Workspace Agents를 사용하십시오. 어디에 투자할지 결정하기 위해 이 글을 읽고 있다면, Agents SDK가 엔지니어링 팀을 위한 해답입니다.

AgentKit은 누구를 위한 것인가

AgentKit은 몇몇 그룹을 대상으로 했습니다. 오케스트레이션 코드를 작성하지 않고 에이전트를 빠르게 출시하려는 제품 팀은 Agent Builder와 ChatKit을 활용했습니다. 내부 데이터에 대한 통제된 접근이 필요한 기업은 Connector Registry를 사용했습니다. 완전한 제어를 원하는 엔지니어링 팀은 Agents SDK를 직접 사용하고 Evals를 사용하여 품질을 측정했습니다.

서비스 종료를 고려할 때, 2026년에 가장 명확한 해석은 다음과 같습니다. 유지 보수할 것을 구축하는 엔지니어라면 Agents SDK로 시작하십시오. 프로토타이핑 중이며 캔버스가 사라지기 전에 시각적인 선행 작업을 원한다면, Agent Builder는 여전히 사용 가능한 코드를 내보냅니다.

높은 수준의 구축 흐름

시각적으로 시작하든 코드로 시작하든, 에이전트를 구축하는 형태는 비슷합니다. 대부분의 팀이 따르는 흐름은 다음과 같습니다.

에이전트의 작업을 정의합니다. 어떤 목표를 추구하며, 어떤 도구가 필요합니까? 도구는 대개 외부 API 호출입니다. 예를 들어 검색 엔드포인트, CRM 조회, 내부 마이크로서비스 등입니다.
워크플로우를 구성합니다. Agent Builder에서는 노드를 드래그하고, Agents SDK에서는 코드에서 에이전트를 정의하고 도구 및 핸드오프를 연결합니다.
가드레일을 추가합니다. OpenAI는 PII를 마스킹하거나 플래그 지정하고, 탈옥 시도를 감지하고, 기타 검사를 적용할 수 있는 오픈 소스 모듈식 가드레일 레이어를 제공합니다. 이를 워크플로우 노드 또는 독립 실행형 라이브러리로 사용할 수 있습니다.
데이터 및 도구를 연결합니다. Connector Registry를 통해 또는 에이전트가 호출할 수 있는 MCP 서버 및 함수 도구를 등록하여 연결합니다.
테스트 및 평가합니다. 실제 입력에 대해 에이전트를 실행하고, 추적을 채점하고, 프롬프트를 조정합니다.
배포합니다. 게시된 워크플로우 ID로 ChatKit을 통해 임베딩하거나, 내보낸 Agents SDK 코드를 자체 인프라에서 실행합니다.

4단계와 5단계는 대부분의 실제 어려움이 발생하는 곳이며, API 테스트가 그 진가를 발휘하는 곳입니다.

현실적인 예시: 에이전트가 호출하는 도구

에이전트는 호출할 수 있는 도구만큼만 유용하며, 이러한 도구는 거의 항상 HTTP API입니다. Agents SDK에 함수 도구를 등록할 때 JSON 스키마로 설명하여 모델이 언제 어떻게 호출해야 하는지 알 수 있도록 합니다. 고객의 최근 주문을 가져오는 도구는 다음과 같이 정의될 수 있습니다.

{
  "type": "function",
  "name": "get_recent_orders",
  "description": "Look up a customer's recent orders by customer ID.",
  "parameters": {
    "type": "object",
    "properties": {
      "customer_id": {
        "type": "string",
        "description": "The customer's unique identifier"
      },
      "limit": {
        "type": "integer",
        "description": "How many orders to return",
        "default": 5
      }
    },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

모델이 get_recent_orders를 호출하기로 결정하면, 코드는 인수를 받아 주문 API에 실제 요청을 하고 그 결과를 에이전트에 반환합니다. 해당 요청은 다음과 같을 수 있습니다.

curl https://api.your-company.com/v1/customers/cus_8842/orders?limit=5 \
  -H "Authorization: Bearer $ORDERS_API_KEY" \
  -H "Content-Type: application/json"

여기서 문제가 발생합니다. 에이전트의 동작은 해당 API가 반환하는 내용에 전적으로 달려 있습니다. 주문 API가 느리거나, 다운되었거나, 모델이 예상하지 못한 형태를 반환하면 에이전트의 추론이 빗나갑니다. 그리고 개발 중에는 주문 API가 아직 존재하지 않거나, 테스트 실행으로 프로덕션에 과도한 부하를 주고 싶지 않을 수도 있습니다. Apidog가 바로 이 부분에 적합합니다.

API 테스트 및 목업(Mocking)의 적합성

Apidog는 에이전트 프레임워크가 아니며, 에이전트를 구축하지도 않습니다. AgentKit과 Agents SDK가 그 역할을 합니다. Apidog는 그 아래 계층에서 작동합니다. 즉, 에이전트가 호출하는 API와 도구를 테스트하고, 목업(mock)하고, 문서화합니다. 세 가지 구체적인 작업이 항상 발생합니다.

첫째, 외부 API가 준비되기 전에 목업(mock)합니다. 에이전트가 백엔드 팀이 아직 완료하지 않은 주문 서비스를 호출해야 하는 경우, 합의된 스키마와 일치하는 현실적인 응답을 반환하는 목업 API를 구축할 수 있습니다. 에이전트는 백엔드를 기다리는 대신 안정적인 계약을 기반으로 개발하며, 필요에 따라 엣지 케이스, 빈 결과, 오류, 느린 응답 등을 제어할 수 있습니다.

둘째, 각 도구가 에이전트가 예상하는 것을 반환하는지 확인합니다. 잘못된 필드 이름과 함께 200 응답을 반환하는 도구 호출은 완전히 실패하는 것보다 더 나쁩니다. 모델이 쓸모없는 데이터를 기반으로 추론하려고 하기 때문입니다. 상태 코드, 응답 형태 및 특정 필드 값을 검증하는 API 테스트 케이스를 작성함으로써, 모델에 도달하기 전에 에이전트가 사용하는 모든 엔드포인트에서 계약 변경을 감지할 수 있습니다.

셋째, 개발, 스테이징 및 프로덕션 전반에 걸쳐 환경 키와 기본 URL을 관리합니다. 에이전트 도구는 $ORDERS_API_KEY와 같은 비밀 정보를 포함합니다. 코드를 붙여넣지 않고 환경 변수에 보관하고 환경별로 교체하는 것은 API 플랫폼이 깔끔하게 처리하는 종류의 일입니다. Apidog를 다운로드하여 도구 엔드포인트를 프로젝트로 가져와 에이전트 런타임과 별개로 격리된 환경에서 테스트할 수 있습니다.

에이전트의 도구 호출을 테스트 가능한 API로 취급하는 집중적인 안내를 원하시면, AI 에이전트의 도구 호출을 테스트하는 방법에 대해 작성한 글을 참조하십시오. 요약하자면: 에이전트가 호출하는 모든 도구는 API이며, API는 테스트를 받을 자격이 있습니다.

자주 묻는 질문

OpenAI AgentKit은 무료인가요?

AgentKit의 도구는 OpenAI API 사용량 위에 있으므로, 기본 모델 토큰과 에이전트가 수행하는 모든 도구 호출에 대해 비용을 지불합니다. 별도의 AgentKit 구독 항목은 없으며, 비용은 에이전트가 생성하는 모델 및 API 사용량입니다. 모델 요율은 변경될 수 있으므로 OpenAI 플랫폼에서 항상 최신 가격을 확인하십시오.

AgentKit과 Agents SDK의 차이점은 무엇인가요?

Agents SDK는 에이전트, 도구 및 가드레일을 정의하기 위한 코드 프레임워크입니다. AgentKit은 그 SDK 위에 시각적 Agent Builder, ChatKit, Connector Registry 및 Evals를 포함하는 더 넓은 묶음입니다. Agent Builder와 Evals가 2026년 말에 종료됨에 따라, Agents SDK는 지속 가능한 코드 우선 경로입니다. 저희 Agents SDK 가이드는 이를 처음부터 끝까지 다룹니다.

Agent Builder가 사라지나요?

네, 그렇습니다. OpenAI는 2026년 6월 3일 Agent Builder와 Evals 플랫폼을 더 이상 사용하지 않을 것이라고 발표했습니다. 둘 다 2026년 11월 30일에 종료되며, Evals는 2026년 10월 31일부터 읽기 전용이 됩니다. ChatKit은 계속 사용할 수 있으며, OpenAI는 코드 우선 워크플로우를 Agents SDK로, 자연어 워크플로우는 ChatGPT의 Workspace Agents로 이전할 것을 권장합니다.

AgentKit 에이전트가 호출하는 API를 테스트할 수 있나요?

네, 그리고 그렇게 해야 합니다. 에이전트가 호출하는 모든 도구는 요청과 응답을 가진 HTTP API입니다. 이러한 API가 아직 구축 중일 때 목업(mock)하고, 응답이 에이전트가 예상하는 스키마와 일치하는지 확인할 수 있으며, 각 API에 필요한 키를 관리할 수 있습니다. Apidog와 같은 플랫폼은 이 세 가지를 모두 처리하여 에이전트의 도구가 실제 사용자에게 도달하기 전에 예측 가능하게 작동하도록 합니다.

결론

AgentKit은 OpenAI 개발자들에게 에이전트 구축을 위한 더 빠른 진입로를 제공했습니다. Agent Builder의 시각적 캔버스, ChatKit의 임베딩 가능한 UI, Connector Registry의 관리형 커넥터, 그리고 Evals를 통한 측정을 포함했습니다. 2026년 말로 접어들면서 Agent Builder와 Evals는 종료될 예정이므로, 엔지니어링 팀을 위한 지속 가능한 투자는 ChatKit 및 Connector Registry와 함께 Agents SDK입니다.

어떤 경로를 선택하든, 에이전트의 신뢰성은 에이전트가 호출하는 API에 달려 있습니다. API를 조기에 목업하고, 응답을 확인하며, 키를 정리하십시오. Apidog는 에이전트가 의존하는 모든 도구 엔드포인트를 테스트하고 목업할 수 있는 단일 공간을 제공하여, 에이전트가 부하를 가할 때 통합이 잘 작동하도록 합니다.

버튼