기초부터 돌파까지: Kaggle Google AI Agents 인텐시브를 통한 나의 여정
Source: Dev.to
AI 에이전트 인텐시브를 통한 나의 학습 여정
Kaggle × Google AI Agents Intensive에 참여했을 때, 나는 에이전트에 대해 기본적인 용어 정도만 알고 있었다. 전문성을 키우고, 최첨단 기술을 다루며, Kaggle과 Google 같은 플랫폼에서 인정받고 싶었다. 그런데 5일짜리 프로그램이 이렇게 변화를 가져올 줄은 몰랐다.
강의 중 나에게 변화를 가져온 점
각 모듈은 이전 모듈을 기반으로 구성되었지만, 한 가지 개념이 모든 것을 바꾸었다: 에이전트 아키텍처, 특히 Orchestrator 개념이다.
- 강의 전에는 에이전트를 독립된 도구로만 생각했다.
- 이제는 메모리, 추론, 워크플로우를 관리하는 중앙 지능에 의해 이끌리는 협업 전문가 집합으로 이해한다.
그 “깨달음”이 온 순간은 캡스톤 작업을 진행하면서였다. 내가 만든 노트북이 여러 에이전트를 매끄럽게 연결하기 시작했을 때다. 각 에이전트는 다르게 동작하고 독립적으로 추론하지만, 하나의 통합된 시스템을 형성했다.
모든 노트북과 가이드를 따라가며 학습 자료를 깊이 파고들었다. 의문이 생길 때마다 구조화된 설명을 다시 참고해 복잡한 개념을 직관적으로 이해할 수 있었다.
내가 얻은 기술
내가 개발한 가장 큰 두 가지 기술은 다음과 같다:
- 멀티‑에이전트 워크플로우 설계
- LangGraph와 오케스트레이션된 에이전트 시스템
또한 큰 오해를 극복했다: 과거에는 에이전트 행동을 해석하기 어렵다고 생각했다. 직접 시스템을 구축해 보니, 적절한 아키텍처만 있으면 에이전트는 예측 가능하고, 제어 가능하며, 강력하다는 것을 알게 되었다.
나의 캡스톤 프로젝트 — LearnLytics 2.0
AI‑기반 학생 학습 행동 분석기
다중 에이전트 파이프라인으로:
- 지저분한 교육 데이터를 정제하고
- 인사이트를 추출하며
- SQL을 생성하고
- 학생 성과를 예측한다
목표는 단순하지만 의미 있었다: 교육자가 학생을 더 일찍, 더 효과적으로 이해하고 지원하도록 돕는 것. 가장 큰 도전은 어떤 에이전트를 포함하고 어떻게 조정할지 결정하는 것이었다. 아키텍처가 확정되자 시스템은 살아 움직이는 듯했으며, 각 에이전트가 퍼즐의 한 조각을 담당했다.
이 프로젝트는 내가 이전에 발표한 IEEE 논문을 강화하기도 했다; 에이전트 개념이 연구를 정제하고 시스템을 더 확장 가능하고 지능적으로 만들었다.
Resources
- Kaggle Notebook:
- GitHub Repository:
- YouTube Demo:
구축하면서 배운 점
각 에이전트마다 고유한 “성격”이 있어, 정보 처리 방식과 다른 에이전트와의 상호작용에 영향을 준다는 것을 깨달았다.
다음 단계
이 프로젝트는 시작에 불과하다. Vertex AI Agent Engine을 사용해 전체 시스템을 배포하고, 학교·대학·교육자를 위한 실제 제품을 만들 계획이다. 캡스톤이 이미 현실 문제를 다루고 있기 때문에, 이를 프로덕션에 옮기는 것이 자연스러운 다음 단계처럼 느껴진다.
미래 참가자에게 전하는 메시지
이 인텐시브는 AI 에이전트를 깊이 있게 직접 체험할 수 있는 드문 기회다. 뛰어들어 실험하고, 오케스트레이션된 아키텍처가 AI 시스템에 대한 당신의 사고 방식을 어떻게 바꾸는지 경험해 보라.
최종 회고
AI Agents Intensive는 나에게 기술 그 이상을 주었다—명확함, 자신감, 그리고 방향성을. 기본 지식으로 시작했지만, 이제는 실제 멀티‑에이전트 시스템을 설계·오케스트레이션·구축할 수 있게 되었다. 다음 단계에 나설 준비가 되었다.