🤖 AI 오케스트레이션: 멀티 에이전트 시스템의 협업과 조율
특강 | 2~3시간 과정 기반 도서: Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems — Antonio Gullí
📋 강의 개요
| 항목 | 내용 |
|---|---|
| 주제 | 멀티 에이전트 시스템의 협업과 조율 (AI Orchestration) |
| 시간 | 2시간 30분 (쉬는 시간 포함) |
| 대상 | SW 개발자, 웹 개발자, 웹 퍼블리셔, 비개발자(토목 엔지니어 등) |
| 목표 | AI 에이전트와 오케스트레이션의 개념을 이해하고, 실무에 적용할 수 있는 패턴을 익힌다 |
📑 목차
| 시간 | 섹션 | 내용 |
|---|---|---|
| 00:00 ~ 00:30 | Part 1 | AI 에이전트란 무엇인가? |
| 00:30 ~ 01:00 | Part 2 | 오케스트레이션의 핵심 패턴 |
| 01:00 ~ 01:10 | ☕ | 쉬는 시간 |
| 01:10 ~ 01:50 | Part 3 | 멀티 에이전트 협업 패턴 심화 |
| 01:50 ~ 02:20 | Part 4 | 실전 사례와 프레임워크 |
| 02:20 ~ 02:30 | Part 5 | 정리 및 Q&A |
Part 1: AI 에이전트란 무엇인가? (30분)
1.1 전통적인 프로그램 vs AI 에이전트
전통적인 프로그램
입력 → [고정된 로직] → 출력
- 정해진 규칙대로만 동작
- 예외 상황에 대처 불가
- 사람이 모든 경우의 수를 미리 정의해야 함
AI 에이전트
목표 → [인지 → 판단 → 행동 → 학습] → 결과
↑ ↓
└──────── 피드백 ──────────┘
- 자율적으로 환경을 인식하고 판단
- 도구(Tool)를 스스로 선택하여 사용
- 실패 시 스스로 수정하고 재시도
1.2 AI 에이전트의 구성 요소
💡 비유: AI 에이전트는 “유능한 신입사원”과 같습니다
- LLM(대규모 언어모델) = 두뇌 (사고력)
- 프롬프트 = 업무 지시서
- 도구(Tools) = 사용할 수 있는 소프트웨어/장비
- 메모리 = 업무 노트와 경험
┌───────────────────────────────────────────────────┐
│ AI 에이전트 │
│ │
│ ┌──────────┐ ┌────────────┐ ┌──────────────┐ │
│ │ 🧠 LLM │ │ 📋 프롬프트 │ │ 💾 메모리 │ │
│ │ (두뇌) │ │ (지시서) │ │ (경험/기억) │ │
│ └────┬─────┘ └─────┬──────┘ └──────┬───────┘ │
│ │ │ │ │
│ └──────────┬───┘────────────────┘ │
│ ▼ │
│ ┌──────────────────┐ │
│ │ 🔧 도구 (Tools) │ │
│ ├──────────────────┤ │
│ │ • 웹 검색 │ │
│ │ • 코드 실행 │ │
│ │ • DB 조회 │ │
│ │ • API 호출 │ │
│ │ • 파일 처리 │ │
│ └─────────────────┘ │
└───────────────────────────────────────────────────┘
1.3 왜 “오케스트레이션”이 필요한가?
단일 에이전트의 한계
혼자서 모든 일을 하는 것은 비효율적입니다.
| 상황 | 단일 에이전트 | 멀티 에이전트 오케스트레이션 |
|---|---|---|
| 복잡한 프로젝트 | 한 사람이 기획+디자인+개발+테스트 | 각 전문가가 분업하여 협업 |
| 대용량 데이터 처리 | 순차적 처리 (느림) | 병렬 처리 (빠름) |
| 의사결정 | 한 가지 관점 | 다양한 관점 → 더 나은 결정 |
| 오류 대응 | 실패 시 전체 중단 | 실패한 부분만 재시도 |
오케스트라 비유
💡 오케스트레이션 = 오케스트라 지휘
- 지휘자 (Orchestrator) = 전체 흐름을 조율하는 중앙 에이전트
- 연주자 (Worker Agents) = 각자 전문 분야를 담당하는 에이전트들
- 악보 (Workflow) = 작업의 순서와 규칙
- 합주 (Collaboration) = 에이전트 간 정보 교환과 협업
┌─────────────┐
│ 🎼 지휘자 │
│ (Orchestrator)│
└──────┬──────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ 🎻 바이올린 │ │ 🎺 트럼펫 │ │ 🥁 드럼 │
│ (리서치) │ │ (분석) │ │ (실행) │
└────────────┘ └────────────┘ └────────────┘
Part 2: 오케스트레이션의 핵심 패턴 (30분)
2.1 패턴 1: Prompt Chaining (프롬프트 체이닝)
개념
복잡한 작업을 여러 단계로 쪼개서 순차적으로 처리하는 패턴
다이어그램
[1단계: 요구사항 분석]
│
▼
[2단계: 설계 초안 작성]
│
▼
[3단계: 상세 설계]
│
▼
[4단계: 검토 및 수정]
│
▼
[최종 결과물]
실생활 비유
🏗️ 토목 설계 프로세스와 동일합니다
- 고객 요구 사항 수집
- 기본 설계 (Concept Design)
- 실시 설계 (Detailed Design)
- 구조 검토 (Review)
- 최종 도면 출력
코드 개념
# Prompt Chaining 의사코드
result_1 = agent.run("사용자 요구사항을 분석해줘: {input}")
result_2 = agent.run(f"이 분석을 바탕으로 설계해줘: {result_1}")
result_3 = agent.run(f"이 설계를 검토하고 개선해줘: {result_2}")
final = agent.run(f"최종 결과물을 정리해줘: {result_3}")2.2 패턴 2: Routing (라우팅)
개념
입력의 유형이나 조건에 따라 적절한 에이전트(전문가)에게 작업을 배정하는 패턴
다이어그램
┌──────────────┐
사용자 요청 ───▶ │ 🚦 라우터 │
│ (분류/판단) │
└──────┬───────┘
│
┌────────────┼─────────────┐
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│ 기술 질문 │ │ 영업 문의 │ │ 불만 처리 │
│ 에이전트 │ │ 에이전트 │ │ 에이전트 │
└───────────┘ └───────────┘ └───────────┘
실생활 비유
📞 콜센터 ARS 시스템
- “기술 지원은 1번, 결제 문의는 2번, 상담원 연결은 0번”
- 고객의 요청을 분류하여 적절한 담당자에게 연결
적용 예시
| 입력 유형 | 라우팅 대상 | 처리 방식 |
|---|---|---|
| 코드 관련 질문 | 코딩 전문 에이전트 | 코드 분석 + 수정 제안 |
| 문서 번역 요청 | 번역 전문 에이전트 | 다국어 번역 처리 |
| 데이터 분석 요청 | 데이터 분석 에이전트 | 차트 생성 + 인사이트 도출 |
| 일반 대화 | 범용 대화 에이전트 | 자연스러운 대화 응답 |
2.3 패턴 3: Parallelization (병렬화)
개념
독립적인 작업들을 동시에 여러 에이전트가 병렬로 처리하는 패턴
다이어그램
┌───────────────────┐
│ 작업 분배기 │
└────────┬──────────┘
│
┌────────────┼────────────┐
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│ 에이전트A │ │ 에이전트B │ │ 에이전트C │
│ (시장조사) │ │ (경쟁분석) │ │ (기술검토) │
└─────┬─────┘ └─────┬─────┘ └─────┬─────┘
│ │ │
▼ ▼ ▼
┌───────────────────────────────────┐
│ 결과 통합 (Aggregator) │
│ 시장조사 + 경쟁분석 + 기술검토 │
└───────────────────────────────────┘
두 가지 유형
① Sectioning (분할)
- 하나의 큰 작업을 독립적인 부분으로 나눠서 동시 처리
- 예: 보고서의 각 섹션을 다른 에이전트가 동시에 작성
② Voting (투표)
- 같은 작업을 여러 에이전트가 독립적으로 수행 후 다수결
- 예: 코드 리뷰를 3개 에이전트가 각각 수행 → 공통 의견 채택
2.4 패턴 4: Reflection (반성/검토)
개념
에이전트가 자신의 결과물을 스스로 검토하고 개선하는 패턴
다이어그램
┌────────────────────────────────────────┐
│ Reflection Loop │
│ │
│ [생성] ──▶ [검토] ──▶ [개선] │
│ ▲ │ │
│ │ │ │
│ └───── 품질 미달 ◀──────┘ │
│ │
│ 품질 충족 ──▶ [최종 결과] │
└────────────────────────────────────────┘
실생활 비유
✍️ 글쓰기 → 퇴고 과정
- 초고 작성
- 읽어보며 문제점 발견
- 수정
- 다시 검토 → 만족할 때까지 반복
Part 3: 멀티 에이전트 협업 패턴 심화 (40분)
3.1 Multi-Agent 패턴: 에이전트 팀 구성
핵심 개념
여러 에이전트가 각자의 역할을 가지고 팀으로 협업하여 복잡한 문제를 해결하는 패턴
팀 구조 다이어그램
┌───────────────────────────────────────────────────────┐
│ 프로젝트 매니저 │
│ (Orchestrator Agent) │
│ │
│ "전체 작업을 조율하고, 각 에이전트에게 작업을 분배" │
└───────────────────────┬───────────────────────────────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
┌──────────────┐ ┌────────────┐ ┌───────────────┐
│ 🔍 리서처 │ │ ✍️ 작성자 │ │ ✅ 검수자 │
│ (Researcher) │ │ (Writer) │ │ (Reviewer) │
│ │ │ │ │ │
│ • 정보 수집 │ │ • 문서 작성 │ │ • 품질 검토 │
│ • 데이터 분석 │ │ • 코드 작성 │ │ • 오류 검출 │
│ • 팩트체크 │ │ • 보고서 │ │ • 피드백 제공 │
└──────┬───────┘ └─────┬──────┘ └──────┬────────┘
│ │ │
└───────────────┼───────────────┘
▼
┌─────────────────┐
│ 📦 최종 결과물 │
└─────────────────┘
3.2 에이전트 간 통신 패턴 (Inter-Agent Communication)
3가지 통신 방식
① 중앙 집중형 (Hub-and-Spoke)
┌──────────┐
┌──────▶│ 중앙 허브 │◀──────┐
│ └──────────┘ │
│ ▲ ▲ │
┌────┴───┐ │ │ ┌────┴───┐
│Agent A │ │ │ │Agent D │
└────────┘ │ │ └────────┘
┌────┴──┐ ┌──┴────┐
│Agent B│ │Agent C│
└───────┘ └───────┘
- 장점: 관리가 쉽고, 전체 상태 파악이 용이
- 단점: 중앙 허브가 병목이 될 수 있음
- 적합한 경우: 명확한 위계가 있는 작업
② 분산형 (Peer-to-Peer)
┌────────┐ ◀──────▶ ┌────────┐
│Agent A │ │Agent B │
└────┬───┘ └───┬────┘
│ ◀──────────────▶ │
│ │
┌────┴───┐ ┌───┴────┐
│Agent C │ ◀──────▶ │Agent D │
└────────┘ └────────┘
- 장점: 유연하고 확장성이 좋음
- 단점: 조율이 복잡해질 수 있음
- 적합한 경우: 자율적 협업이 필요한 작업
③ 계층형 (Hierarchical)
┌────────────┐
│ 총괄 매니저 │
└─────┬──────┘
┌─────────┼─────────┐
▼ ▼ ▼
┌────────┐ ┌────────┐ ┌────────┐
│팀장 A │ │팀장 B │ │팀장 C │
└───┬────┘ └───┬────┘ └───┬────┘
┌──┴──┐ ┌──┴──┐ ┌──┴──┐
▼ ▼ ▼ ▼ ▼ ▼
[a1] [a2] [b1] [b2] [c1] [c2]
- 장점: 대규모 작업 처리에 적합
- 단점: 계층 간 통신 지연
- 적합한 경우: 대규모 프로젝트, 부서별 분업
3.3 MCP (Model Context Protocol)
MCP란?
💡 MCP = AI 에이전트를 위한 “USB 포트”
다양한 외부 도구와 데이터 소스를 표준화된 방식으로 연결하는 프로토콜
MCP 구조
┌────────────────────────────────────────────────────┐
│ AI 에이전트 │
│ │
│ ┌─────────────────────────────────────────────┐ │
│ │ MCP 클라이언트 │ │
│ │ (표준화된 연결 인터페이스) │ │
│ └─────────────────┬───────────────────────────┘ │
└────────────────────┼───────────────────────────────┘
│
┌───────────────┼───────────────┐
▼ ▼ ▼
┌──── ─────┐ ┌──────────┐ ┌──────────┐
│MCP 서버1 │ │MCP 서버2 │ │MCP 서버3 │
│(GitHub) │ │(Slack) │ │(Google │
│ │ │ │ │ Drive) │
└──────────┘ └──────────┘ └──────────┘
왜 MCP가 중요한가?
| MCP 이전 | MCP 이후 |
|---|---|
| 도구마다 다른 연결 방식 | 하나의 표준 프로토콜 |
| N개 도구 × M개 에이전트 = N×M 개 커넥터 필요 | N+M 개의 커넥터만 필요 |
| 새 도구 추가 시 모든 에이전트 수정 | 새 MCP 서버만 추가하면 끝 |
3.4 A2A (Agent-to-Agent Protocol)
A2A란?
💡 A2A = 에이전트들끼리 대화하는 “공용 언어”
서로 다른 프레임워크, 다른 회사에서 만든 에이전트들이 표준화된 방식으로 서로 소통할 수 있게 해주는 프로토콜
MCP vs A2A 비교
┌─────────────────────────────────────────────┐
│ │
│ MCP: 에이전트 ←→ 도구(Tool) 연결 │
│ │
│ ┌────────┐ MCP ┌────────┐ │
│ │에이전트 │ ◀──────▶ │ 도구 │ │
│ └────────┘ └────────┘ │
│ │
│ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─│
│ │
│ A2A: 에이전트 ←→ 에이전트 연결 │
│ │
│ ┌────────┐ A2A ┌────────┐ │
│ │에이전트A│ ◀──────▶ │에이전트B│ │
│ └────────┘ └────────┘ │
│ │
└─────────────────────────────────────────────┘
3.5 Human-in-the-Loop (사람 개입)
개념
자동화된 프로세스에서 중요한 결정 포인트에 사람이 개입하는 패턴
다이어그램
[에이전트 작업 시작]
│
▼
[초안 생성] ───▶ [자동 검토]
│
┌────┴────┐
▼ ▼
[확신 높음] [확신 낮음]
│ │
▼ ▼
[자동 승인] [👤 사람에게 확인 요청]
│ │
│ ┌────┴────┐
│ ▼ ▼
│ [승인] [수정 요청]
│ │ │
│ │ ▼
│ │ [에이전트 수정]
│ │ │
└────┴────┬────┘
▼
[최종 실행]
언제 사람이 개입해야 하는가?
| 상황 | 사람 개입 필요 여부 | 이유 |
|---|---|---|
| 이메일 자동 분류 | ❌ | 실수해도 영향 적음 |
| 중요 계약서 검토 | ✅ | 법적/재무적 리스크 |
| 코드 자동 포맷팅 | ❌ | 되돌리기 쉬움 |
| 프로덕션 배포 승인 | ✅ | 서비스 장애 위험 |
| SNS 게시글 초안 | ⚠️ | 브랜드 이미지 영향 |
Part 4: 실전 사례와 프레임워크 (30분)
4.1 실전 사례: 자동 보고서 생성 시스템
시나리오
“매주 시장 동향 보고서를 자동으로 생성하는 시스템을 만들고 싶습니다”
멀티 에이전트 설계
┌─────────────────────────────────────────────────────────────┐
│ 📊 주간 보고서 생성 시스템 │
│ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ 🎼 오케스트레이터 │ │
│ │ (전체 워크플로우 관리) │ │
│ └──────────────────────┬───────────────────────────────┘ │
│ │ │
│ ┌───────────────┼───────────────┐ │
│ ▼ ▼ ▼ │
│ ┌─────────────┐ ┌─────────────┐ ┌────────────┐ │
│ │ 📰 뉴스 │ │ 📈 데이터 │ │ 🏢 경쟁사 │ │
│ │ 수집 에이전트│ │ 분석 에이전트 │ │ 모니터링 │ │
│ │ │ │ │ │ 에이전트 │ │
│ │ • 뉴스 API │ │ • 시장 데이터 │ │ • 경쟁사 │ │
│ │ • RSS 피드 │ │ • 통계 분석 │ │ 웹사이트 │ │
│ │ • SNS 트렌드│ │ • 차트 생성 │ │ • 보도자료 │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬─────┘ │
│ │ │ │ │
│ └───────────────┼───────────────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ ✍️ 보고서 작성 │ │
│ │ 에이전트 │ │
│ └────────┬───────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ ✅ 품질 검토 │ │
│ │ 에이전트 │ │
│ └────────┬───────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ 👤 담당자 검토 │ │
│ │ (Human-in-Loop)│ │
│ └────────┬───────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ 📤 배포 │ │
│ │ (이메일/슬랙) │ │
│ └────────────────┘ │
└─────────────────────────────────────────────────────────────┘
4.2 실전 사례: 소프트웨어 개발 지원 시스템
에이전트 팀 구성
┌──────────────────────────────────────────────────┐
│ 🖥️ 개발 지원 멀티 에이전트 팀 │
│ │
│ ┌──────────┐ │
│ │ PM Agent │─── "사용자 로그인 기능 만들어줘" │
│ └─────┬────┘ │
│ │ │
│ ┌────┴────────────────────────────┐ │
│ ▼ ▼ ▼ ▼ │
│ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │설계자 │ │개발자 │ │테스터 │ │리뷰어 │ │
│ │Agent │ │Agent │ │Agent │ │Agent │ │
│ ├──────┤ ├──────┤ ├──────┤ ├──────┤ │
│ │API │ │코드 │ │테스트 │ │코드 │ │
│ │설계 │ │구현 │ │작성 │ │리뷰 │ │
│ │DB │ │에러 │ │버그 │ │보안 │ │
│ │스키마 │ │처리 │ │리포트 │ │체크 │ │
│ └──────┘ └──────┘ └──────┘ └──────┘ │
│ │
│ 작업 흐름: 설계 → 개발 → 테스트 → 리뷰 → 완료 │
└──────────────────────────────────────────────────┘
4.3 주요 프레임워크 비교
책에서 다루는 3대 프레임워크
| 항목 | LangChain / LangGraph | CrewAI | Google ADK |
|---|---|---|---|
| 핵심 개념 | 그래프 기반 워크플로우 | 역할 기반 에이전트 팀 | Google 생태계 통합 |
| 비유 | 🗺️ 지도 위의 경로 설계 | 👥 팀 빌딩 | 🏢 Google 사무실 |
| 장점 | 세밀한 흐름 제어 | 직관적인 팀 구성 | Google 서비스 연동 |
| 난이도 | ⭐⭐⭐ 중상 | ⭐⭐ 중 | ⭐⭐ 중 |
| 적합한 경우 | 복잡한 조건부 워크플로우 | 역할 분담이 명확한 작업 | Google Workspace 환경 |
LangGraph 워크플로우 예시
┌─────────┐
│ START │
└────┬────┘
│
▼
┌───────────┐
│ 입력 분석 │
└─────┬─────┘
│
┌────┴────┐
▼ ▼
[기술 작업] [문서 작업] ◀── 조건부 분기
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 코드 생성 │ │ 문서 생성 │
└─────┬────┘ └─────┬────┘
│ │
└─────┬──────┘
▼
┌───────────┐
│ 품질 검토 │
└─────┬─────┘
│
┌────┴────┐
▼ ▼
[통과] [반려]
│ │
▼ └──▶ [수정] ──▶ [품질 검토]
┌──────┐ (루프)
│ END │
└──────┘
CrewAI 팀 구성 예시
# CrewAI 의사코드 (개발자용)
from crewai import Agent, Task, Crew
# 에이전트 정의 (팀원 채용)
researcher = Agent(
role="시장 리서처",
goal="최신 시장 동향을 조사하고 핵심 인사이트 도출",
tools=[web_search, news_api]
)
analyst = Agent(
role="데이터 분석가",
goal="수집된 데이터를 분석하여 의미 있는 패턴 발견",
tools=[data_analysis, chart_generator]
)
writer = Agent(
role="보고서 작성자",
goal="분석 결과를 읽기 쉬운 보고서로 작성",
tools=[document_editor]
)
# 작업 정의 (업무 지시)
research_task = Task("AI 시장 동향 조사", agent=researcher)
analysis_task = Task("조사 데이터 분석", agent=analyst)
writing_task = Task("최종 보고서 작성", agent=writer)
# 팀 구성 및 실행
crew = Crew(
agents=[researcher, analyst, writer],
tasks=[research_task, analysis_task, writing_task],
process="sequential" # 순차 실행
)
result = crew.kickoff() # 팀 업무 시작!4.4 직군별 활용 시나리오
👨💻 SW 개발자 / 웹 개발자
| 시나리오 | 에이전트 구성 | 기대 효과 |
|---|---|---|
| 코드 리뷰 자동화 | 리뷰어 + 보안검사 + 성능분석 | 리뷰 시간 70% 단축 |
| API 문서 자동 생성 | 코드분석 + 문서작성 + 예제생성 | 문서 최신 상태 유지 |
| 버그 자동 분류/할당 | 분류기 + 우선순위 + 담당자배정 | 대응 속도 향상 |
🎨 웹 퍼블리셔
| 시나리오 | 에이전트 구성 | 기대 효과 |
|---|---|---|
| 디자인→코드 변환 | 디자인분석 + HTML생성 + CSS생성 | 퍼블리싱 속도 향상 |
| 접근성 자동 검사 | WCAG검사 + 수정제안 + 리포트 | 접근성 품질 보장 |
| 반응형 테스트 | 디바이스별테스트 + 스크린샷 + 리포트 | 크로스브라우징 효율화 |
🏗️ 토목 엔지니어 (비개발자)
| 시나리오 | 에이전트 구성 | 기대 효과 |
|---|---|---|
| 설계 문서 검토 | 규정검사 + 수치검증 + 보고서 | 검토 시간 단축 |
| 현장 보고서 자동화 | 사진분석 + 텍스트생성 + 포맷팅 | 보고서 작성 간소화 |
| 자재 발주 최적화 | 수량산출 + 가격비교 + 발주서생성 | 비용 절감 |
Part 5: 정리 및 Q&A (10분)
5.1 핵심 패턴 요약
┌────────────────────────────────────────────────────────┐
│ 🎯 AI 오케스트레이션 핵심 패턴 맵 │
│ │
│ ┌────────────────┐ ┌────────────────┐ │
│ │ 기본 패턴 │ │ 협업 패턴 │ │
│ ├────────────────┤ ├────────────────┤ │
│ │ • Prompt Chain │ │ • Multi-Agent │ │
│ │ • Routing │ │ • A2A Protocol │ │
│ │ • Parallelization│ │ • MCP │ │
│ │ • Reflection │ │ • Human-in-Loop │ │
│ └────────────────┘ └────────────────┘ │
│ │
│ ┌────────────────┐ ┌────────────────┐ │
│ │ 지원 패턴 │ │ 실행 환경 │ │
│ ├────────────────┤ ├────────────────┤ │
│ │ • Planning │ │ • LangGraph │ │
│ │ • Memory Mgmt │ │ • CrewAI │ │
│ │ • Tool Use │ │ • Google ADK │ │
│ │ • Error Recovery│ │ │ │
│ └────────────────┘ └────────────────┘ │
└────────────────────────────────────────────────────────┘
5.2 시작하기 위한 로드맵
단계별 학습 경로
Level 1: 기초 이해 (오늘 강의)
│
├── AI 에이전트 개념 이해 ✅
├── 핵심 디자인 패턴 이해 ✅
└── 멀티 에이전트 협업 개념 이해 ✅
│
▼
Level 2: 실습 (1~2주)
│
├── ChatGPT/Claude로 프롬프트 체이닝 실습
├── 간단한 에이전트 워크플로우 구성
└── MCP 서버 연결 체험
│
▼
Level 3: 프레임워크 활용 (2~4주)
│
├── LangGraph 또는 CrewAI 선택하여 학습
├── 2~3개 에이전트로 구성된 팀 만들기
└── 실무 문제에 적용
│
▼
Level 4: 실전 적용 (1~3개월)
│
├── 팀/조직 내 반복 업무 자동화
├── 프로덕션 레벨 멀티 에이전트 시스템 구축
└── 모니터링 및 최적화
5.3 추천 리소스
| 리소스 | 유형 | 대상 |
|---|---|---|
| Agentic Design Patterns (Antonio Gullí) | 📕 도서 | 개발자 |
| LangChain/LangGraph 공식 문서 | 📖 문서 | 개발자 |
| CrewAI 공식 튜토리얼 | 🎥 영상/문서 | 개발자 |
| Anthropic MCP 문서 | 📖 문서 | 개발자 |
| Google A2A 프로토콜 | 📖 문서 | 개발자 |
| ChatGPT / Claude 활용 | 🔧 실습 | 모든 수준 |
5.4 핵심 메시지
🎯 기억해야 할 3가지
1. 분업이 핵심이다 하나의 만능 AI보다, 전문화된 여러 AI의 협업이 더 강력합니다.
2. 패턴을 알면 설계가 보인다 소프트웨어 디자인 패턴처럼, 에이전틱 패턴을 알면 복잡한 AI 시스템도 체계적으로 설계할 수 있습니다.
3. 사람의 역할은 사라지지 않는다 Human-in-the-Loop — AI는 도구이고, 최종 판단은 사람의 몫입니다. 중요한 건 AI와 협업하는 능력입니다.
📝 Q&A
질문을 받겠습니다.
강의 자료 정보
- 기반 도서: Agentic Design Patterns — Antonio Gullí (Springer, 2025)
- 강의 자료 작성: AI 활용
- 라이선스: 교육 목적 사용 가능