Agents, Tools, and Workflows 이해하기: 나의 집중 학습 경험

발행: 1일 전 (2025년 12월 4일 오후 01:47 GMT+9)

10 min read

Source: Dev.to

왜 나는 인텐시브에 참여했는가

나는 AI를 매우 크고 복잡한 것으로만 생각해 왔으며, 전문가만이 이해할 수 있다고 믿었다. 이 프로그램에 대한 글을 읽었을 때 무언가가 끊겼다—매일 사용하는 시스템의 내부를 단순히 사용자 입장이 아니라 창조자 입장에서 finally 이해할 수 있는 기회처럼 느껴졌다. 나는 이론만 읽는 것이 아니라 실제 과제, 실제 예시, 그리고 실습을 통해 배우고 싶었다.

내가 배운 것

인텐시브를 진행하면서 AI 에이전트가 단순히 “똑똑한 코드” 그 이상이라는 것을 깨달았다. 에이전트는:

관찰하고
사고하고
결정을 내리고
도구를 사용하고
기억을 저장한다

이러한 개념들은 연습 문제에 적용하면서 추상적인 것이 아니라 구체적인 것이 되었다.

학습 도구 및 기법

프롬프트, 도구, 그리고 다양한 추론 단계들을 다루는 것은 도전적이면서도 보람 있었다. 나는 도구 호출이 어떻게 작동하는지, 그리고 올바른 워크플로우 설계가 왜 중요한지를 배웠다. 첫 시도에 성공하든 여러 번 반복하든, 각 시도마다 새로운 것을 배울 수 있었다.

캡스톤 경험

캡스톤 프로젝트는 인텐시브 중 가장 도전적이면서도 보람 있는 부분이었다. 처음에는 모든 단계를 연결하는 데 어려움을 겪었고, 에이전트가 기대대로 답변하지 않았으며, 구조를 제대로 잡지 못하는 경우가 많았다. 프롬프트를 반복적으로 다듬고, 아이디어를 테스트하고, 실수를 고쳐가며 결국 내가 원하는 대로 작동하는 에이전트를 만들 수 있었다. 자부심은 완벽함에서 온 것이 아니라 스스로 구축했다는 점에서 왔다.

직면한 도전

때때로 나는 막힌 느낌을 받았다—몇몇 레슨은 이해하기 어려웠고, 과제는 처음에 혼란스러웠다. 이러한 도전은 인내심을 길러 주었고, AI에서는 첫 시도에 모든 것을 맞추기란 드물다는 것을 다시 한 번 깨닫게 해 주었다. 끈기, 실험, 그리고 반복적인 개선이 핵심이다.

나에게 가장 큰 영향을 준 것

가장 좋았던 점은 실용적인 초점이었다:

실제 사례
간결한 설명
개념의 점진적 축적
실험의 자유

이 접근 방식 덕분에 AI가 덜 두렵고 더 흥미롭게 느껴졌다.

이 여정이 나를 바꾼 방식

코스를 시작하기 전에는 스스로 AI로 무언가를 만들 수 있을 거라고 생각하지 못했다. 이제는 다음을 할 자신이 있다:

AI 시스템 이해
워크플로우 생성
책임감 있게 프롬프트 설계
지속적인 학습 및 역량 확장

인텐시브는 나를 학습자로서 바라보는 시각을 재구성했다.

다음에 하고 싶은 일

인텐시브를 마친 후 나는 다음을 탐구할 계획이다:

에이전트를 활용한 자동화
고급 프롬프트 엔지니어링
데이터 사이언스 기초
유용한 도구 제작
보다 복잡한 워크플로우

프로그램을 통해 탄탄한 출발점을 얻었으며, 앞으로도 계속 나아가고 싶다.

마무리 생각

AI Agents Intensive는 단순한 강의가 아니라 작은 승리, 혼란, 실험, 그리고 성장으로 가득한 여정이었다. Kaggle 팀, 멘토들, 그리고 프로그램을 친절하고 접근하기 쉽게 만든 모든 사람들에게 감사한다. 사전 경험이 전혀 없던 나와 같은 사람도 AI를 배울 수 있다는 믿음을 심어준 것에 고맙다. 이 인텐시브의 일원이 된 것이 자랑스럽고, 앞으로 이 학습이 어디로 나를 이끌지 기대된다.

다룬 핵심 주제

에이전트 소개

AI 에이전트는 관찰하고, 계획하고, 추론하며 행동을 취하는 전체 시스템이며, 단순히 질문‑답변 봇이 아니다는 것을 배웠다. 이 섹션에서는 에이전트가 문제를 분해하고, 워크플로우를 구조화하며, 구성 요소를 통합하는 방식을 다뤘다.

에이전트 도구 및 모델 컨텍스트 프로토콜(MCP)과의 상호 운용성

이 섹션에서는 에이전트가 모델 출력에만 의존하지 않고 외부 도구를 활용하는 방법을 보여준다. MCP는 도구, 모델, 메모리가 공유 프로토콜을 통해 소통하도록 하여 신뢰성 있고 확장 가능한 도구 호출을 가능하게 한다.

컨텍스트 엔지니어링: 세션 및 메모리

연속성을 위해 컨텍스트가 얼마나 중요한지 알게 되었다. 세션은 지속적인 상호작용을 유지하고, 메모리는 정보를 전략적으로 저장한다—단기와 장기 컨텍스트, 사용자별 데이터, 그리고 무엇을 기억하고 잊을지에 대한 결정을 구분한다.

에이전트 품질

에이전트 품질을 평가하는 것은 기능성만으로는 충분하지 않다. 나는 다음을 평가하는 방법을 배웠다:

신뢰성
안전성
추론 품질
예측 가능성
오류 처리
사용자 경험

이 기준들은 책임감 있는 프롬프트와 워크플로우 설계를 안내한다.

프로토타입에서 프로덕션까지

이 부분에서는 아이디어를 작동하는 프로토타입으로 전환하고, 빠르게 반복하며, 지속적으로 테스트하고, 워크플로우를 정리하며, 에이전트를 실제 배포용으로 준비하는 방법을 배웠다. 이 과정은 캡스톤 프로젝트를 개념 단계에서 안정적인 제품으로 전환하는 명확한 경로를 제공해 주었다.

Kaggle 학습 시스템 탐색

인텐시브에 참여하기 전에는 Kaggle이 다양한 무료 마이크로‑코스를 제공한다는 사실을 몰랐다. 카탈로그에는 Python, SQL, 머신러닝, 데이터 시각화, Pandas, 딥러닝, 컴퓨터 비전, 시계열, AI 윤리, 지리공간 분석 등 다양한 주제가 포함돼 있다. 각 코스는 짧고 실습 위주이며, 실용적인 이해에 초점을 맞추고, 기본부터 고급 개념까지 명확한 학습 경로를 제공한다. 이러한 리소스를 더 탐색하면서 전체 AI 교육이 한층 풍부해졌다.