software

사용자에서 빌더로: Google의 5일 AI Agents 집중 코스에 대한 솔직한 리뷰 (Kaggle와 함께)

발행: (2025년 12월 12일 오후 11:58 GMT+9)
7 min read
원문: Dev.to

Source: Dev.to

코스 개요

지난 5일 동안 저는 Google과 Kaggle이 제공하는 AI Agents Intensive에 몰두했습니다. 이 실습형 학습 스프린트는 참가자들이 실용적인 도구와 실제 과제를 통해 AI 에이전트를 이해하고, 구축하며, 배포하도록 설계되었습니다. 호기심으로 시작한 것이 곧 지능형 자동화의 미래를 탐구하는 구조적이고 통찰력 있는 여정으로 발전했습니다.

1일차 — AI 에이전트의 기초

  • 핵심 개념: AI 에이전트가 무엇이며, 어떻게 인식하고, 추론하며, 행동하는지.

2일차 — 도구, 프레임워크 및 노트북 walkthrough

  • AI 에이전트 뒤에 있는 실용적인 생태계를 탐색했습니다.
  • 에이전트 도구 세트를 사용하고, 간단한 에이전트 행동을 수정하며, 작업 최적화를 위한 프롬프트 엔지니어링을 실험했습니다.
  • 학습을 넘어 실제 구축의 첫 맛을 보았습니다.

3일차 — 첫 번째 에이전트 구축

  • 에이전트 목표를 정의하고, 도구와 제약을 제공하며, 에이전트의 추론 흐름을 평가하고, 반복 피드백을 통해 행동을 개선했습니다.
  • 에이전트가 작업을 처음부터 끝까지 완수하는 모습을 보는 것은 매우 보람 있었습니다.

4일차 — 고급 에이전트 워크플로 및 최적화

  • 도구를 체인하고, 메모리와 상태를 추가하며, 추론 패턴을 개선하고, Kaggle의 평가 벤치마크를 활용했습니다.
  • 사용자의 입장에서 시스템 설계자로 사고방식을 전환했습니다.

5일차 — 캡스톤 챌린지 및 회고

  • 미니 프로젝트를 완료했습니다: 최소한의 개입으로 현실적인 문제를 해결할 수 있는 에이전트를 만들었습니다.
  • 자율적이고 목표 지향적인 시스템이 인간과 협업하여 작업을 간소화하고, 데이터를 탐색하며, 의미 있는 문제를 해결할 수 있음을 되돌아보았습니다.
  • 핵심 인사이트:
    • 올바른 도구만 있으면 초보자도 기능적인 에이전트를 구축할 수 있습니다.
    • 실험은 이러한 시스템이 어떻게 사고하는지 이해하는 가장 빠른 방법입니다.
    • 미래의 업무는 인간‑에이전트 협업에 의해 형성될 것입니다.

다중 에이전트 고객 지원 어시스턴트 — 캡스톤 프로젝트 개요

엔터프라이즈 에이전트 트랙을 위해 제작된 간단하지만 완전하게 동작하는 다중 에이전트 고객 지원 어시스턴트입니다.

시스템이 수행하는 작업

사용자가 메시지를 보낼 때(예: “환불이 필요합니다” 또는 “청구 금액이 잘못되었습니다”), 시스템은 네 개의 전문 에이전트를 사용해 이를 처리합니다:

  1. Intent Agent – 메시지를 분석하고, 의도(환불, 취소, 청구 문제 등)와 긴급도(낮음, 보통, 높음)를 식별합니다.
  2. Reply Agent – 식별된 의도에 기반해 짧고 깔끔하며 전문적인 고객 지원 답변을 생성합니다.
  3. Escalation Agent – 인간 지원이 필요한지 여부를 판단합니다.
  4. Coordinator Agent – 시스템의 “뇌” 역할을 수행합니다: 메시지를 받고, 세 개의 전문 에이전트를 호출하고, 그들의 출력을 수집하여 다음과 같은 완전한 응답 패키지를 반환합니다:
    • 예측된 의도
    • 긴급도 수준
    • 자동 생성된 답변
    • 에스컬레이션 결정
    • 깔끔한 JSON 출력

이 아키텍처는 다중 에이전트 시스템이 개별적인 의사결정보다 오케스트레이션에 의존한다는 점을 보여줍니다.

이 프로젝트를 만든 이유

  • 엔터프라이즈 적합성: 엔터프라이즈 에이전트 트랙과 일치하며, 일반적인 비즈니스 워크플로에서 다중 에이전트 협업을 시연합니다.
  • 명확한 책임 분담: 각 에이전트가 잘 정의된 역할을 가지고 있어 시스템을 이해하고 예측하기 쉽습니다.
  • 다중 에이전트 아키텍처에 이상적: 고객 지원은 이해, 답변, 에스컬레이션으로 자연스럽게 구분됩니다.
  • 경량 및 실용성: 무거운 모델 대신 간단한 규칙 기반 로직을 사용해 빠른 실행, 쉬운 이해, 외부 API 호출 없이 안전한 운영을 구현했습니다. 구조는 확장 가능하며, 더 고급 버전에서는 각 에이전트를 LLM으로 교체할 수 있습니다.
  • Kaggle 대회 요구 사항 충족.

자료

Google과 Kaggle 팀에게 큰 감사를 전합니다. 차세대 AI 구축에 진지한 모든 개발자와 아키텍트에게 이 자료들을 강력히 추천합니다.

Back to Blog

관련 글

더 보기 »