에이전트 빌더 코스

AI 에이전트에 Python 작업, 실행 전 확인 단계, 지식 검색, 허용 목록을 연결한 뒤 배포와 실행 기록까지 확인합니다.

0/6 완료

코스 소개

이 코스에서는 에이전트 빌더를 사용해 AI 에이전트를 처음부터 만듭니다. 각 레슨에서 같은 에이전트에 리소스를 하나씩 추가하므로, 처음 접하는 사용자도 생성 화면과 실행 순서를 놓치지 않고 따라갈 수 있습니다.

flowchart TB
    accTitle: 에이전트 빌더 코스 리소스 구성
    accDescr: agent-builder-course 에이전트가 범위 확인 도구, 문자열 정리 도구, 승인 액터, RAG 지식 리소스를 함께 사용하는 계층입니다.
    agent[agent-builder-course<br/>AI 에이전트]
    scope[course_check_scope<br/>허용 목록 확인 도구]
    normalize[course_normalize_text<br/>문자열 정리 도구]
    actor[course_confirm_action<br/>실행 전 승인 액터]
    knowledge[agent_builder_policy<br/>RAG 지식과 수동 문서]
    agent --> scope
    agent --> normalize
    agent --> actor
    agent --> knowledge

6개 레슨의 예상 학습 시간은 약 75분입니다.

시작 전에 알아둘 용어

대규모 언어 모델(LLM): 자연어 요청을 해석하고 답변이나 도구 호출을 생성하는 모델이며, 이 코스에서 에이전트의 추론을 담당합니다.
도구: 에이전트가 조회·변환 같은 실제 작업을 수행할 때 호출하는 함수입니다.
액터: 도구 실행 전후의 확인이나 승인처럼 워크플로의 한 단계를 담당하는 구성 요소입니다.
검색 증강 생성(RAG): 관련 지식 문서를 먼저 검색한 뒤 그 근거를 모델 답변에 포함하는 방식입니다.
사람 참여 검토(HITL): 위험하거나 중요한 작업을 실행하기 전에 사람이 확인하거나 승인하는 절차입니다.

사전 준비

D.Hub 포털에 로그인할 수 있는 계정
에이전트, 도구, 액터와 지식을 만들 수 있는 실습 컬렉션 1개
에이전트 배포와 RAG 테스트까지 진행하려면 같은 컬렉션에 등록할 LLM 모델의 제공자, 모델 id, 엔드포인트와 필요한 API 키
시맨틱 검색을 사용할 경우 선택 가능한 임베딩 모델

모델 자격증명이 없어도 에이전트 정의, Python 도구와 액터, 키워드 지식 문서는 만들 수 있습니다. 다만 LLM 모델 선택 이후의 RAG 테스트와 에이전트 배포·채팅은 진행할 수 없습니다. 각 레슨은 이 지점을 별도로 안내합니다.

레슨별 결과

레슨	실제로 만드는 결과
1. 첫 AI 에이전트 만들기	`agent-builder-course` AI 에이전트와 빌더 기본 화면
2. Python 도구 만들고 테스트하기	`course_normalize_text`와 성공한 runner 결과
3. 확인 정책 액터 만들고 연결하기	`course_confirm_action`, 확인 정책, 시스템 지시문
4. 지식 문서를 만들고 RAG 도구 준비하기	`agent_builder_policy`, `response_policy`, 초기 청크와 `@use_rag` 구성
5. 허용 목록 도구로 요청 범위 확인하기	`course_check_scope`의 허용·거부 테스트 결과
6. 배포하고 실행 기록으로 문제 찾기	저장·배포·미리보기·채팅과 단계별 실행 기록 확인

완료 후 할 수 있는 것

AI 에이전트와 워크플로우 모드의 차이를 설명하고 기본 에이전트를 만들 수 있습니다.
입력 파라미터와 execute 함수를 작성해 Python 도구를 저장 전에 테스트할 수 있습니다.
자동, 확인, 거부 정책의 차이를 이해하고 액터 호출에 사용자 승인을 적용할 수 있습니다.
지식의 검색 방식과 모델 선행 조건을 확인하고 수동 문서의 첫 청크를 만들 수 있습니다.
@use_rag로 지식, 검색 전략, retriever와 등록 모델을 도구에 연결할 수 있습니다.
결정론적인 허용 목록 도구와 강제 접근 제어의 차이를 설명할 수 있습니다.
에이전트를 저장·배포하고 채팅의 실행 기록에서 도구, 액터, 승인과 오류 단계를 확인할 수 있습니다.

학습할 때 지킬 원칙

화면에 표시된 한국어 메뉴와 버튼 이름을 기준으로 진행합니다.
코드를 저장하기 전에 각 리소스의 테스트 실행을 먼저 사용합니다.
모델, 지식, 도구, 액터를 모두 같은 컬렉션에 둡니다.
시스템 지시문만으로 보안을 강제할 수 있다고 가정하지 않습니다.
실행 중인 에이전트의 구성을 바꾼 뒤에는 저장하고 재배포합니다.

레슨을 완료할 때마다 체크박스를 선택하세요. 학습 진행 상황은 자동으로 저장됩니다.

이 코스 다음에 무엇이 있을까

관리자 코스에서는 사용자, 역할과 세분화된 접근 제어를 구성합니다.
데이터 엔지니어 코스에서는 데이터셋과 파이프라인을 만들어 에이전트가 사용할 데이터를 준비합니다.
온톨로지 모델러 코스에서는 엔티티와 관계를 모델링하고 데이터를 적재합니다.