나의 학습 회고 – AI Agents Intensive

Source: Dev.to

소개

이는 Google AI Agents Writing Challenge: Learning Reflections에 대한 제출물입니다.

AI Agents Intensive는 솔직히 말해 오랫동안 경험한 것 중 가장 눈을 뜨게 하는 학습 경험 중 하나였습니다. 처음 시작했을 때 AI 에이전트가 무엇인지에 대한 기본적인 아이디어는 있었지만, 그들이 어떻게 생각하고, 어떻게 결정을 내리며, 실제로 얼마나 자율성을 가질 수 있는지는 전혀 이해하지 못했습니다. 이 과정은 그 모든 것을 완전히 바꾸어 놓았습니다.

나에게 깊이 남은 개념들

1. Reasoning Loops & Agent Architecture – React와 Reflexion 같은 프레임워크를 이해하면서 에이전트 뒤에 있는 “마인드셋”—관찰하고, 추론하고, 계획하고, 행동하는 방식을 볼 수 있었습니다. 마치 지능의 청사진을 처음으로 보는 느낌이었습니다.
2. Tool Use – 큰 “아하” 순간이었습니다. 에이전트가 API, 브라우저, 데이터베이스와 같은 도구와 상호작용할 수 있을 때 강력해진다는 것을 깨달으며 AI에 대해 알던 모든 것을 다시 생각하게 되었습니다. 에이전트의 진정한 힘은 정보와 행동을 얼마나 잘 연결하느냐에 달려 있습니다.
3. Multi‑Agent Systems – 여러 에이전트가 서로 다른 역할로 협업하는 모습을 보는 것이 정말 즐거웠습니다. 이는 인간처럼, 하지만 AI‑네이티브 방식으로 스마트한 팀워크를 통해 실제 업무를 얼마나 자동화할 수 있는지를 생각하게 만들었습니다.
4. Memory – 에이전트가 기억을 저장하고, 회상하며, 활용하는 방식을 배우면서 그들이 어떻게 연속성을 구축하고 시간이 지남에 따라 개선되는지에 대한 새로운 감탄을 얻게 되었습니다.

내 이해가 어떻게 발전했는가

이 과정을 시작하기 전, 나는 에이전트를 단순히 고급 챗봇이라고 생각했습니다. 이제는 그들을 다음과 같이 바라봅니다:

• 자율적인 작업자
• 의사결정자
• 문제 해결자
• 협업자
• 여러 면에서… 디지털 팀원

에이전트가 목표를 분해하고, 다음 단계를 결정하며, 정보를 수집하고, 필요하면 스스로를 교정하는 방식을 이제 이해하게 되었습니다. 이 관점의 전환은 저에게 큰 변화를 가져다 주었습니다.

나의 캡스톤 프로젝트

캡스톤으로 Smart Viz Analyst를 구축했으며, 이를 통해 추론 프레임워크, 도구 통합, 메모리, 자율 루프 등 모든 요소를 적용할 수 있었습니다. 이 과정에서 엣지 케이스를 다루는 방법, 불확실한 상황에서 에이전트를 안내하는 방법, 지속적인 지시 없이도 실제로 작업을 완수하는 시스템을 설계하는 방법을 배웠습니다.

최종 정리

• 이 과정은 AI 에이전트를 만드는 방법만 가르친 것이 아니라, AI 에이전트 제작자의 사고방식을 가르쳐 주었습니다.
• 이제 에이전시 시스템의 미래에 대해 그 어느 때보다 자신감과 영감, 그리고 흥분을 느낍니다.
• 더 견고한 기반, 명확한 비전, 그리고 간단한 어시스턴트부터 다중 에이전트 워크플로우까지 처음부터 구축할 수 있는 능력을 갖추게 되었습니다.

솔직히 말해서, 이것은 정말 엄청난 힘을 부여받은 느낌입니다.