KT 에이블스쿨 2달차 후기(2)

DX 컨설턴트 과정

안녕하세요! 하하 정말 간만에 뵙습니다

그동안 무척 바쁘기도 했고 사실 게으르기도 해서 글을 많이 쓰지 못했었는데요,

이제 2달 가량의 프로젝트가 끝난 만큼 그전에 배웠던 부분들을 복습차, 그리고 여러분께 소개차 말씀드리기 위해서 글을 다시 쓰게 됐습니다!

미니프로젝트 3차 - AGENT 시스템 구축

---

미니프로젝트 3차입니다!

7주차에 진행했던 프로젝트로, 각자 원하는 도메인에 대해 챗봇 형태로 알려줄 에이전트 시스템을 구축하는 거였는데요, 지난번에 에이전트의 개념에 대해 설명했기 떄문에 만약 모르고 계신다면 먼저 보고 와주시면 감사하겠습니다!

우선 에이전트를 구축하는 것에 있어 여러 방법이 있는데요, 기존 LLM인 OpenAI나 Claude 등의 api를 호출함으로써 LLM을 끌고 오는 방식이 있고, 점점 컴퓨터의 성능이 좋아지는 지금

RAM이 100GB가 넘어간다면, 로컬에서 LLM을 구성하고 에이전트를 덧입힘으로써 에이전트를 구축할 수 있습니다!

그중에서 이번 프로젝트는, LG GRAM으로는 100기가가 되지 않기 때문에ㅎㅎ

외부 api를 호출해서 진행하는 방식이었습니다!

사실 글을 쓰고 있는 지금은 사장되어가는 Cursor를 사용해서 진행했었는데요,

우선 간략하게 설명드리도록 하겠습니다.

Cursor에 쓸 프로젝트를 디렉토리로 만든 후,

해당 디렉토리 내에 dependencies와 우리가 만들 agent에 대한 코드를 py 확장자로 저장해줍니다.

그리고 멀티 에이전트 시스템을 구축할 생각이기 때문에, 가장 중요한 건 여러 에이전트를 라우팅해줄 오케스트레이터가 필요한데요, 최상단 디렉토리 내에 오케스트레이터용 파일을 넣어둔 뒤 구글 ADK로 대시보드화함으로써 에이전트를 구축하는 프로젝트였습니다.

물론 비전공자로서 모든 코드를 이해할 수는 없었기에 어려울 것으로 생각했지만,

매우매우 다행이었던 점은 Cursor나 다른 IDE 들에서는 바이브 코딩, 즉 프롬프팅을 통해 AI가 대신 코딩해주는 기능을 지원한다는 것이었죠!

그렇기에 Cursor 내에 내장된 Agent 툴을 이용해 디버깅을 거듭해나갔고, 완료하게 됩니다 하하

Cursor 내 디렉토리 생성

ADK 환경 내 챗봇 활용

물론 서비스화하지 못했고 간단한 실습 과정으로 느껴지실 수도 있겠지만,

저 안엔 꽤나 많은 코딩이 들어가있고 그 코딩들에 대한 이해와 에이전트의 워크플로우를 확인하면서

에이전트 시스템이 어떻게 흘러가는가!에 대해 알아볼 수 있는 좋은 순간이었다고 생각합니다.

현재 오픈클로라는 에이전트 툴이 엄청 바이럴됐고 소비전력이 적은 맥미니가 희귀해질 정도로 찾는 사람들이 많아졌다는데요,

저도 500만원 넘게 들여서 컴퓨터를 맞출 수 있다면 꼭! 오픈클로로 24시간 자동화 돌려보고 싶다는 생각이 듭니다. 현재 유튜브에도 오픈클로 사용법에 대한 많은 영상들이 나와있는데요, 단순히 툴을 사용하기보다 툴의 작동 원리와 그 구조에 대해 이해하다보면 남들보다 더 깊은 인사이트를 만들어내고, 활용도를 높일 수 있을 거라고 생각합니다!

오늘은 아주 간략하게 2달차에 다뤘던 생성형 AI와 Agent 시스템에 대한 이야기를 해봤습니다.

다음 글부터는 생성형 AI 과정이 끝나고, 이후 인프라와 클라우드에 대한 과정을 소개하도록 하겠습니다.

감사합니다!