(위 이미지를 클릭하면 이 수업의 동영상을 시청할 수 있습니다)
초보자를 위한 AI 에이전트 과정에 오신 것을 환영합니다! 이 과정은 AI 에이전트를 처음부터 구축할 수 있는 기초 지식과 실제 작동하는 코드를 제공합니다.
Azure AI Discord 커뮤니티에 들러 인사하세요 — 질문에 답변해줄 학습자와 AI 개발자들이 가득합니다.
본격적으로 구축에 들어가기 전에, AI 에이전트가 무엇인지 그리고 언제 사용하는 것이 적절한지 확실히 이해해 보겠습니다.
이 수업에서 다루는 내용:
- AI 에이전트가 무엇이고, 존재하는 다양한 유형들
- AI 에이전트가 가장 적합한 작업 종류
- 에이전트형 솔루션을 설계할 때 사용하는 핵심 구성 요소
이 수업이 끝나면 다음을 할 수 있어야 합니다:
- AI 에이전트가 무엇인지 설명하고 일반 AI 솔루션과 어떻게 다른지 이해하기
- AI 에이전트를 사용해야 할 때와 사용하지 말아야 할 때를 알기
- 실제 문제에 대해 기본적인 에이전트형 솔루션 설계를 스케치하기
간단한 설명입니다:
AI 에이전트는 대형 언어 모델(LLM)이 단순히 프롬프트에 반응하는 것이 아니라, 도구와 지식을 활용하여 실제 세상에서 무언가를 수행할 수 있게 하는 시스템입니다.
이 내용을 조금 더 자세히 살펴보겠습니다:
- 시스템 — AI 에이전트는 단일 개체가 아니라 여러 구성 요소가 함께 작동하는 집합입니다. 모든 에이전트는 기본적으로 세 가지 요소로 구성됩니다:
- 환경 — 에이전트가 작동하는 공간입니다. 여행 예약 에이전트라면, 예약 플랫폼 자체가 환경이 됩니다.
- 센서 — 에이전트가 환경의 현재 상태를 읽는 방법입니다. 여행 에이전트는 호텔 이용 가능 여부 또는 항공권 가격을 확인할 수 있습니다.
- 행위기 — 에이전트가 행동을 취하는 방법입니다. 여행 에이전트는 방을 예약하거나 확인 메시지를 보내거나 예약을 취소할 수 있습니다.
-
대형 언어 모델(LLM) — 에이전트는 LLM 이전에도 존재했지만, 현대 에이전트를 강력하게 만드는 것은 LLM입니다. LLM은 자연어를 이해하고, 문맥을 추론하며, 모호한 사용자 요청을 구체적 실행 계획으로 변환할 수 있습니다.
-
행동 수행 — 에이전트 시스템이 없으면 LLM은 단순히 텍스트를 생성할 뿐입니다. 에이전트 시스템 안에서 LLM은 데이터베이스 검색, API 호출, 메시지 전송 등 단계적인 실행을 할 수 있습니다.
-
도구 접근권 — 에이전트가 사용할 수 있는 도구는 (1) 실행 환경과 (2) 개발자가 제공한 도구에 따라 달라집니다. 여행 에이전트는 항공편 검색은 할 수 있어도 고객 기록을 편집하지 못할 수 있습니다 — 모두 연결하는 방식에 달려 있습니다.
-
기억 + 지식 — 에이전트는 단기 기억(현재 대화)과 장기 기억(고객 데이터베이스, 과거 상호작용)을 가질 수 있습니다. 여행 에이전트는 당신이 창가 좌석을 선호한다는 것을 ‘기억’할 수도 있습니다.
모든 에이전트가 동일하게 구축된 것은 아닙니다. 주요 유형을 여행 예약 에이전트를 예시로 들어 설명합니다:
| 에이전트 유형 | 기능 | 여행 에이전트 예시 |
|---|---|---|
| 단순 반사 에이전트 | 하드코딩된 규칙을 따름 — 기억 X, 계획 X. | 불만 이메일 발견 → 고객 서비스로 전달. 그게 전부. |
| 모델 기반 반사 에이전트 | 세상의 내부 모델을 유지하고 변화에 따라 업데이트함. | 과거 항공권 가격 기록을 추적하고 갑자기 가격이 오른 노선을 표시함. |
| 목표 기반 에이전트 | 목표를 설정하고 이를 달성하기 위한 단계별 방법을 알아냄. | 현재 위치에서 목적지까지의 전체 여행(항공편, 렌터카, 호텔) 예약. |
| 유틸리티 기반 에이전트 | 단순히 하나의 해결책이 아니라, 여러 요소를 따져 가장 최적의 해결책을 찾음. | 비용과 편의성을 균형 있게 고려해 선호도에 가장 높은 점수를 주는 여행 계획 찾기. |
| 학습 에이전트 | 피드백을 통해 시간이 지날수록 더 나아짐. | 여행 후 설문 결과를 바탕으로 미래 예약 권장사항 조정. |
| 계층적 에이전트 | 고수준 에이전트가 작업을 하위 과제로 나누어 하위 에이전트에 위임함. | ‘여행 취소’ 요청이 항공편, 호텔, 렌터카 취소로 구분되어 각각 하위 에이전트가 처리. |
| 다중 에이전트 시스템(MAS) | 여러 독립된 에이전트가 협력하거나 경쟁함. | 협력: 호텔, 항공편, 엔터테인먼트를 각각 담당하는 에이전트들. 경쟁: 최적 가격으로 호텔 방을 채우기 위해 여러 에이전트가 경쟁. |
AI 에이전트를 쓸 수 있다고 해서 항상 써야 하는 건 아닙니다. 에이전트가 특히 효과를 발휘하는 상황은 다음과 같습니다:
- 개방형 문제 — 문제 해결 단계가 미리 프로그래밍될 수 없을 때. LLM이 동적으로 경로를 찾아야 합니다.
- 다단계 프로세스 — 도구를 여러 단계에 걸쳐 사용해야 하고 단순 조회나 생성만으로는 부족한 작업.
- 시간에 따른 개선 — 사용자 피드백이나 환경 신호를 기반으로 시스템이 점점 똑똑해지길 원할 때.
이 과정의 후반부인 신뢰할 수 있는 AI 에이전트 구축 수업에서 언제 AI 에이전트를 사용할지 (그리고 사용하지 말아야 할지) 더 깊이 다룰 예정입니다.
에이전트를 구축할 때 가장 먼저 하는 일은 무엇을 할 수 있는지 정의하는 것입니다 — 도구, 행동, 행동 양식.
이 과정에서는 Microsoft Foundry Agent Service를 주 플랫폼으로 사용합니다. 이 서비스는 다음을 지원합니다:
- OpenAI, Mistral, Meta (Llama) 같은 공급자의 모델
- Tripadvisor 같은 공급자의 라이선스 데이터
- 표준화된 OpenAPI 3.0 도구 정의
LLM과 소통할 때는 프롬프트를 사용합니다. 하지만 에이전트는 모든 프롬프트를 수작업으로 작성할 수 없습니다 — 여러 단계에 걸쳐 행동해야 하기 때문입니다. 그래서 에이전트형 패턴이 필요합니다. 이는 LLM을 보다 확장 가능하고 신뢰성 있게 프롬트하고 조정하는 재사용 가능한 전략입니다.
이 과정은 가장 일반적이고 유용한 에이전트형 패턴을 중심으로 구성되어 있습니다.
에이전트형 프레임워크는 개발자들에게 에이전트 구축용 기성 템플릿, 도구, 인프라를 제공합니다. 이를 통해 다음 작업이 더 쉬워집니다:
- 도구 및 기능 연결하기
- 에이전트가 무엇을 하는지 관찰하고 (실패 시 디버깅하기)
- 여러 에이전트 간 협업하기
이 과정에서는 프로덕션 준비된 에이전트를 구축하기 위해 Microsoft Agent Framework (MAF)에 중점을 둡니다.
실제 작동하는 모습을 보고 싶나요? 이 수업의 코드 샘플은 다음과 같습니다:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Microsoft Foundry Discord에 가입해 다른 학습자들과 교류하고, 오피스 아워에 참석하며, AI 에이전트 관련 질문에 커뮤니티의 답변을 받아보세요.
Lesson 16에서 에이전트를 배포하는 방법을 배우게 되면, 이 수업의 TravelAgent에 대해 사후 배포 건강 검사를 빠르게 추가할 수 있습니다. 준비된 카탈로그는 tests/lesson-01-smoke-tests.json에 있습니다. 실행 방법은 tests/README.md를 참조하세요.
면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서의 원어본이 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문가의 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.