프롬프트에서 자율 시스템까지: AI Agents Intensive에서의 나의 학습 여정

Source: Dev.to

Introduction

이 글은 Google AI Agents Writing Challenge에 제출한 작품입니다.
이 과정을 시작하기 전까지 저는 AI를 프롬프트를 받아 답을 반환하는 시스템으로만 생각했습니다. 5일 동안 AI를 목표‑지향적이고 자율적이며 시간에 걸쳐 행동할 수 있는 존재로 인식하게 되었습니다 — 단 한 번의 응답에 그치지 않게 말이죠.

Key Concepts that Impacted Me

• 에이전트는 단순히 답변을 제공하지 않고 계획을 세우고 행동합니다.
• 툴 사용은 AI의 텍스트 생성 능력을 넘어서는 기능을 확장합니다.
• 메모리는 중요합니다. 장기·단기 메모리를 통해 에이전트는 적응하고 개선할 수 있습니다.
• 여러 에이전트가 협업하면 단일 모델보다 복잡한 작업을 더 효과적으로 해결할 수 있습니다.

이러한 아이디어는 에이전트가 기존의 프롬프트‑응답 AI를 넘어서는 다음 단계임을 이해하는 데 도움을 주었습니다.

Mental Model for Designing Agents

Goal → Plan → Act → Observe → Improve

이제는 “더 좋은 프롬프트”를 고민하기보다 다음을 생각합니다:

• 에이전트의 목표는 무엇인가?
• 어떤 도구를 사용할 수 있는가?
• 스스로의 진행 상황을 어떻게 평가할 것인가?
• 메모리가 시간에 따라 행동을 어떻게 형성할 수 있는가?

이 사고 방식의 전환이 가장 큰 수확이었습니다.

Final Challenge Project

저는 학생들을 돕는 에이전트를 만들었습니다:

• 주제 계획
• 학습 진행 상황 추적
• 복습용 퀴즈 생성

이 에이전트는 일회성 챗봇이 아니라 개인 학습 파트너처럼 동작합니다. 이를 구현하면서 다음을 깊이 이해하게 되었습니다:

• 에이전트 루프 만들기
• 명확한 작업과 역할 설계
• 장기 사용을 위한 메모리 지속

작은 프로젝트였지만, 에이전시적 사고를 실제 워크플로에 적용하는 데 큰 도움이 되었습니다.

Looking Ahead

이 과정을 통해 AI가 지시를 기다리는 것이 아니라 스스로 주도하는 시스템을 설계할 자신감을 얻었습니다. 앞으로도 다음을 탐구하고 싶습니다:

• 다중 에이전트 협업
• 자기 평가 에이전트
• 메모리 강화 에이전트
• 실제 API 및 툴 통합

에이전시적 AI는 미래의 미리보기를 제공하는 듯하며, 이 집중 과정을 통해 첫 발을 내딛게 되어 기쁩니다.

Acknowledgements

Google, Kaggle, 그리고 커뮤니티에 감사드립니다. 🙌