생각하고,
행동하고,
관찰한다.

실행 결과를 보고
다음을 정한다. 반복.

파싱 위험을
API가 책임진다.

툴 스펙은
API가 읽는 계약서.

tools = [
    {
        "type": "function",
        "function": {
            "name": "execute_sql",
            "description": "DB에서 이력서 또는 채용공고 조회.
                            ID/부서명 등 조건이 명확할 때 사용",
            "parameters": {
                "type": "object",
                "properties": {
                    "sql_query": {"type": "string", "description": "실행할 SQL"},
                },
                "required": ["sql_query"],
            },
        },
    },
    # ... retrieve_from_rag, get_confluence, save_excel, send_email
]

LLM은 description 만 보고 어떤 툴을 부를지 판단한다. 모호하면 잘못 부른다.
— 좋은 description이 곧 좋은 디스패치.

💭 생각 →
⚡ 행동 →
👀 관찰. 반복.

루프 하나가
에이전트다.

def handle_request(user_prompt, history, tools, max_steps=10):
    history.append({"role": "user", "content": user_prompt})

    for step in range(max_steps):
        message = generate_response(history, tools)

        # 종료: 툴 호출 없으면 최종 답변
        if not message.tool_calls:
            history.append({"role": "assistant", "content": message.content})
            return history

        history.append({"role": "assistant", "content": message.content,
                        "tool_calls": [tc.model_dump() for tc in message.tool_calls]})

        # 툴 실행 + 결과 저장
        for tc in message.tool_calls:
            params = json.loads(tc.function.arguments)
            try:
                result = TOOLS[tc.function.name](**params)
            except Exception as e:
                result = f"툴 실행 실패: {e}"
            history.append({"role": "tool",
                            "tool_call_id": tc.id,
                            "content": json.dumps(result)})

실패해도 멈추지 않는다.
다음 방법을 찾는다.