ai-agents-for-beginners
(위 이미지 클릭 시 이 수업의 비디오를 시청할 수 있습니다)
AI 에이전트와 에이전트 활용 사례 소개
초보자를 위한 AI 에이전트 과정에 오신 것을 환영합니다! 이 과정은 AI 에이전트를 처음부터 구축할 수 있는 기초 지식과 실제 작동하는 코드를 제공합니다.
학습자와 AI 제작자들이 질문에 기꺼이 답하는 Azure AI Discord 커뮤니티에서 인사해 주세요.
본격적으로 구축하기 전에, AI 에이전트가 무엇인지 그리고 언제 AI 에이전트를 사용하는 것이 합리적인지 확실히 이해해 봅시다.
소개
이 수업에서는 다음 내용을 다룹니다:
- AI 에이전트란 무엇이며, 존재하는 여러 유형
- AI 에이전트가 가장 적합한 작업 종류
- 에이전트 솔루션 설계에 사용할 핵심 구성 요소
학습 목표
이 수업이 끝나면 다음을 할 수 있어야 합니다:
- AI 에이전트가 무엇인지 그리고 일반 AI 솔루션과 어떻게 다른지 설명할 수 있다
- 언제 AI 에이전트를 써야 하는지(언제 사용하지 말아야 하는지) 알 수 있다
- 실제 문제에 대한 기본적인 에이전트 솔루션 설계를 구상할 수 있다
AI 에이전트 정의 및 유형
AI 에이전트란?
간단히 말하면 이렇게 생각할 수 있습니다:
AI 에이전트는 대형 언어 모델(LLM)이 단순히 프롬프트에 응답하는 것을 넘어서, 도구와 지식을 활용해 실제로 행동할 수 있도록 만드는 시스템입니다.
조금 더 풀어 설명하자면:
- 시스템 — AI 에이전트는 단일 구성 요소가 아닙니다. 여러 부분이 함께 작동하는 집합체입니다. 기본적으로 모든 에이전트는 세 가지 구성 요소를 갖습니다:
- 환경 — 에이전트가 동작하는 공간입니다. 예를 들어 여행 예약 에이전트라면 이 환경은 예약 플랫폼 자체입니다.
- 센서 — 에이전트가 현재 환경 상태를 파악하는 방법입니다. 여행 에이전트는 호텔 이용 가능 여부나 항공권 가격을 확인할 수 있습니다.
- 액추에이터 — 에이전트가 행동을 취하는 방법입니다. 여행 에이전트는 방을 예약하거나 확인 메시지를 보내거나 예약을 취소할 수 있습니다.
-
대형 언어 모델 — 에이전트는 LLM 이전에도 존재했지만, LLM이 현대 에이전트를 강력하게 만든 핵심입니다. 자연어를 이해하고, 맥락을 추론하며, 모호한 사용자 요청을 구체적 실행 계획으로 변환할 수 있습니다.
-
행동 수행 — 에이전트 시스템이 없으면 LLM은 단지 텍스트를 생성할 뿐입니다. 에이전트 시스템 내에선 LLM이 실제로 단계를 실행할 수 있습니다 — 데이터베이스 검색, API 호출, 메시지 전송 등.
-
도구 접근 — 에이전트가 사용할 수 있는 도구는 (1) 실행되는 환경과 (2) 개발자가 부여한 기능에 따라 달라집니다. 여행 에이전트는 항공권 조회는 가능하지만 고객 기록을 수정할 순 없습니다 — 연결한 기능에 달렸습니다.
-
기억 + 지식 — 에이전트는 단기 기억(현재 대화)과 장기 기억(고객 데이터베이스, 과거 상호작용)을 지닐 수 있습니다. 여행 에이전트는 당신이 창가 좌석을 선호한다는 것을 “기억”할 수 있습니다.
AI 에이전트의 다양한 유형
모든 에이전트가 같게 만들어지진 않습니다. 주요 유형을 여행 예약 에이전트를 예로 들어 설명합니다:
| 에이전트 유형 | 역할 | 여행 에이전트 예 |
|---|---|---|
| 단순 반사 에이전트 | 하드코딩된 규칙을 따름 — 기억도, 계획도 없음. | 불만 메일을 보면 → 고객 서비스로 전달함. 그게 전부. |
| 모델 기반 반사 에이전트 | 세상의 내부 모델을 유지하며 상황 변화를 반영함. | 과거 항공권 가격을 추적하고 갑자기 비싸진 노선을 표시함. |
| 목표 기반 에이전트 | 목표를 정하고 단계별로 달성 방법을 찾음. | 현재 위치에서 목적지까지 비행기, 차량, 호텔 예약 등 전체 여행을 예약함. |
| 효용 기반 에이전트 | 단순히 해결하는 게 아니라, 절충안을 고려해 최적 해결책을 찾음. | 비용과 편리함을 저울질해 사용자 선호에 가장 적합한 여행을 찾음. |
| 학습 에이전트 | 피드백을 통해 시간이 지날수록 더 나아짐. | 여행 후 설문 결과를 반영해 미래 예약 추천을 조정함. |
| 계층적 에이전트 | 상위 에이전트가 작업을 하위 에이전트에 위임해 세분화함. | “여행 취소” 요청이 비행기 취소, 호텔 취소, 차량 대여 취소 등으로 나뉘어 각각 하위 에이전트가 처리함. |
| 다중 에이전트 시스템 (MAS) | 여러 독립 에이전트가 협력하거나 경쟁함. | 협력적: 각 에이전트가 호텔, 항공, 엔터테인먼트를 맡음. 경쟁적: 여러 에이전트가 호텔 객실 확보를 위해 경쟁함. |
AI 에이전트를 사용해야 할 때
AI 에이전트를 쓸 수 있다고 해서 항상 써야 하는 건 아닙니다. 에이전트가 진가를 발휘하는 상황은 다음과 같습니다:
- 개방형 문제 — 문제 해결 단계가 미리 정해질 수 없을 때. LLM이 동적으로 경로를 찾아야 함.
- 다단계 프로세스 — 여러 턴에 걸쳐 도구를 사용해야 하는 작업, 단순 조회나 텍스트 생성이 아닌 경우.
- 시간에 따른 향상 — 사용자 피드백이나 환경 신호를 활용해 시스템이 점점 똑똑해져야 할 때.
이 과정의 뒤쪽 수업인 신뢰할 수 있는 AI 에이전트 구축하기에서 AI 에이전트를 써야 하는 경우와 써서는 안 되는 경우를 더 깊이 다룹니다.
에이전트 솔루션 기초
에이전트 개발
에이전트를 구축할 때 가장 먼저 해야 할 일은 무엇을 할 수 있는지 정의하는 것입니다 — 도구, 행동, 동작을 정합니다.
이 과정에서는 주요 플랫폼으로 Azure AI Agent Service를 사용합니다. 이 서비스는 다음을 지원합니다:
- OpenAI, Mistral, Llama 같은 개방형 모델
- Tripadvisor 같은 공급자 라이선스 데이터
- 표준화된 OpenAPI 3.0 도구 정의
에이전틱 패턴
LLM과의 소통은 프롬프트를 통해 이뤄집니다. 에이전트는 모든 프롬프트를 수동으로 작성할 수 없어서 여러 단계에 걸쳐 행동해야 합니다. 여기서 에이전틱 패턴이 등장합니다. 이는 LLM을 더 확장 가능하고 신뢰성 있게 프롬프팅하고 조율하기 위한 재사용 가능한 전략입니다.
이 과정은 가장 보편적이고 유용한 에이전틱 패턴을 중심으로 구성되어 있습니다.
에이전틱 프레임워크
에이전틱 프레임워크는 개발자에게 에이전트 구축에 필요한 템플릿, 도구, 인프라를 제공합니다. 덕분에 다음이 쉬워집니다:
- 도구와 기능 연결
- 에이전트 활동 관찰 및 문제 발생 시 디버깅
- 여러 에이전트 간 협업
이 과정에서는 생산 준비가 된 에이전트 구축을 위해 Microsoft Agent Framework (MAF)를 중점적으로 다룹니다.
코드 샘플
실제로 어떻게 작동하는지 보고 싶나요? 이 수업의 코드 샘플은 다음과 같습니다:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
질문이 있나요?
다른 학습자들과 연결하고 오피스 아워에 참석하거나 커뮤니티에서 AI 에이전트 관련 질문에 답을 얻고 싶다면 Microsoft Foundry Discord에 참여하세요.
이전 수업
다음 수업
면책 조항:
본 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 알려드립니다. 원본 문서의 원어는 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문 인력에 의한 번역을 권장합니다. 본 번역 사용으로 인한 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.