AI Agent Engineering
AI가 여러 도구를 사용해 업무를 처리할 때, 작업을 언제 계속하고 멈추며 사람에게 넘길지 설계하는 40강 과정입니다. 1~8강의 모델 호출·도구·실행 루프에서 출발해 9~16강의 n8n 업무 비서, 17~25강의 코드·상태·재개·승인 흐름을 구성합니다. 26~36강은 RAG·MCP·협업으로 확장하고 37~40강은 권한·평가·비용·통합 배포를 연결합니다. 실행 성공뿐 아니라 근거가 없는 답변, 중단된 작업, 승인 전 동작을 점검하려는 학습자에게 맞는 범위입니다.
공개 40강총 8시간 4분
실제 강의소개·샘플·수강정보 →전체 공개 목차 40강
- AI Agent Engineering 시작하기
AI 에이전트 개발을 위한 실습 환경 완성하기
- AI 에이전트의 실행 구조 이해하기
대답하는 챗봇을 실제 일을 처리하는 에이전트로 바꾸기
- LLM API로 첫 AI 프로그램 만들기
Python에서 AI 모델을 호출하고 답변 출력하기
- 프롬프트와 컨텍스트 설계하기
에이전트가 맡은 역할과 작업 규칙 정확하게 지정하기
- JSON 구조화 응답 구현하기
AI의 답변을 프로그램에서 사용하는 데이터로 변환하기
- Function Calling 도구 제작하기
에이전트가 계산·검색·파일 조회 함수를 사용하게 만들기
- 자율 실행 에이전트 루프 만들기
AI가 작업을 판단하고 도구를 반복 호출하게 만들기
- 첫 번째 AI 리서치 에이전트 완성하기
질문을 입력하면 정보를 조사하고 출처를 정리하는 프로그램 만들기
- n8n 자동화 개발 환경 시작하기
노코드 방식으로 에이전트를 제작할 작업 공간 준비하기
- 트리거와 워크플로 구성하기
폼 입력과 일정에 따라 자동 실행되는 작업 만들기
- 조건 분기와 데이터 가공하기
입력된 요청에 따라 서로 다른 업무를 처리하기
- n8n AI Agent와 기억 기능 연결하기
대화 내용과 도구를 활용하는 AI 업무 비서 제작하기
- 이메일 분류·답장 초안 에이전트 만들기
고객 문의를 분석해 안전한 답변 초안 자동 생성하기
- 뉴스·시장 동향 수집 에이전트 만들기
정해진 주제의 정보를 수집하고 요약 보고서 만들기
- 스프레드시트 보고서 자동화하기
수집한 결과를 표로 정리하고 업무 보고서 만들기
- n8n 실전 업무 비서 완성하기
정보 수집부터 보고·승인까지 이어지는 자동화 구축하기
- OpenAI Agents SDK 시작하기
Python 코드로 에이전트를 생성하고 실행하기
- Python 에이전트에 외부 도구 연결하기
사용자 요청에 맞춰 여러 도구를 선택하는 에이전트 제작하기
- 세션·메모리·컨텍스트 관리하기
이전 대화를 기억하면서 불필요한 정보는 줄이기
- LangChain 에이전트 개발하기
모델과 도구를 하나의 재사용 가능한 구조로 묶기
- LangGraph 상태 그래프 설계하기
복잡한 에이전트 작업을 노드와 연결선으로 제어하기
- LangGraph 조건 분기·반복 구현하기
결과에 따라 재검색하거나 다음 작업으로 이동하기
- 체크포인트와 작업 재개 구현하기
중단된 작업을 저장하고 이어서 처리하는 에이전트 만들기
- 스트리밍과 실행 상태 화면 만들기
에이전트가 진행하는 작업을 실시간으로 보여주기
- Human-in-the-loop 승인 기능 만들기
중요한 작업은 사용자가 검토한 뒤 실행하게 만들기
- 문서 수집과 RAG 데이터 준비하기
사내 매뉴얼·FAQ를 AI가 검색할 수 있도록 가공하기
- 임베딩과 벡터 검색 구축하기
질문의 의미와 가까운 문서 내용을 찾아내기
- RAG 검색 정확도 개선하기
근거가 부족한 답변과 잘못된 검색 결과 줄이기
- 문서 기반 상담 RAG Agent 완성하기
질문에 맞는 자료를 찾아 근거와 함께 답하는 상담원 제작하기
- MCP의 구조와 연결 방식 이해하기
외부 데이터와 도구를 표준 방식으로 연결하기
- MCP 서버 연결 실습하기
에이전트가 허용된 외부 도구를 안전하게 사용하게 만들기
- Python으로 MCP 서버 제작하기
직접 만든 업무 도구를 MCP로 공개하고 연결하기
- 멀티 에이전트 역할 분담 구현하기
조사·작성·검토 에이전트가 협업하도록 설계하기
- Google ADK로 에이전트 팀 만들기
다른 프레임워크로 협업형 에이전트를 구현해 비교하기
- 웹 브라우저 작업 에이전트 만들기
웹페이지 정보를 확인하고 정해진 작업을 수행하게 만들기
- Agent Skills와 작업 지침 재사용하기
에이전트의 전문 작업을 모듈로 만들고 재활용하기
- 에이전트 보안과 권한 통제하기
데이터 유출과 위험한 자동 실행을 막는 보호 기능 만들기
- 에이전트 평가·추적·비용 최적화하기
결과의 정확도와 안정성을 수치로 측정하기
- 통합 프로젝트: AI 업무 지원 시스템 구축하기
RAG·MCP·멀티 에이전트를 하나의 서비스로 연결하기
- AI Agent 서비스 배포와 최종 검증하기
제작한 에이전트를 실제 사용할 수 있는 서비스로 완성하기