Learning Path
AI 에이전트를 활용하고 싶을 때
목표와 도구, 작업 절차를 엮어 AI가 여러 단계를 수행하게 만들어요.
Overview
이 경로에서 배우는 것
에이전트는 단순한 질문 답변을 넘어 목표를 해석하고 도구를 사용하며 여러 단계를 이어서 수행합니다.
완주하면 프롬프트, 스킬, MCP의 역할을 구분하고 에이전트 작업을 구성하고 검증하는 기본 구조를 이해할 수 있습니다.
For whom
이런 분께 추천해요
AI에게 답변만 받는 것을 넘어 파일 수정, 조사, 문서 정리, 코드 작업 같은 여러 단계의 업무를 맡기고 싶은 사람에게 적합합니다.
Before you start
시작 전에 확인하세요
- AI의 답변이 틀릴 수 있고 결과 검증이 필요하다는 이해
- 에이전트에 허용할 파일, 서비스, 작업 범위를 정하기
Use cases
이럴 때 활용할 수 있어요
- 저장소를 분석하고 코드 수정과 테스트 수행
- 여러 출처를 조사해 구조화된 보고서 작성
- 정해진 절차에 따라 반복 업무 실행
Step by step
추천 학습 순서
- 01 용어 보기
LLM
텍스트를 이해하고 생성하는 기반 모델의 능력과 지식 한계, 환각 가능성을 먼저 파악합니다.
텍스트를 이해하고 생성하는 대규모 언어 모델. - 02 용어 보기
프롬프트(Prompt)
목표, 맥락, 제약, 완료 기준을 명확히 전달해 에이전트의 판단 범위를 정합니다.
AI에게 원하는 작업, 맥락, 제약, 출력 형식을 알려주는 입력 지시문. - 03 용어 보기
에이전트(Agent)
계획을 세우고 도구 결과를 읽으며 다음 행동을 선택하는 반복 실행 구조를 이해합니다.
목표를 받고 도구를 사용해 여러 단계를 진행하는 AI 작업자 개념. - 04 용어 보기
스킬(Skill)
특정 업무의 순서와 판단 기준을 재사용 가능한 지침으로 묶어 결과의 일관성을 높입니다.
AI 에이전트가 특정 작업을 더 잘 수행하도록 절차와 도구 사용법을 묶어둔 능력 단위. - 05 용어 보기
MCP
파일, 브라우저, 외부 서비스 같은 도구를 표준 방식으로 연결하고 접근 권한을 제한합니다.
AI 모델과 외부 도구, 데이터 소스를 표준 방식으로 연결하기 위한 프로토콜. - 06 용어 보기
하네스(Harness)
작업 성공 여부를 같은 조건에서 반복 실행하고 측정해 우연히 잘 된 결과와 안정적인 결과를 구분합니다.
AI 모델이나 에이전트를 실행, 평가, 연결하기 위해 감싸는 테스트/운영 틀.
FAQ
이 경로에서 자주 묻는 질문
챗봇과 AI 에이전트는 무엇이 다른가요?
챗봇은 주로 입력에 답변하지만 에이전트는 목표를 달성하기 위해 계획을 세우고 파일, 브라우저, API 같은 도구를 여러 차례 사용할 수 있습니다.
에이전트가 모든 업무를 자동으로 처리하게 해도 되나요?
민감한 정보 접근, 외부 메시지 전송, 결제, 삭제 같은 영향이 큰 작업은 권한을 제한하고 실행 전에 사람이 확인하도록 설계해야 합니다.