구름 AI 어시스턴트 과정 커리큘럼 수정안 (80H)

2026.05.18 / 동준상.넥스트플랫폼
(AWS SAA, AWS AIF, GCP GenAI Leader)

교육과정 개요

대상: 생성형 AI를 처음 접하거나 업무에 AI 도입을 고민 중인 비전공자 및 실무자
목표:

2026년 현재 AI 어시스턴트 / 에이전트 생태계를 이해하고 실무에 즉시 적용
Claude Desktop + MCP 기반 개인 AI 에이전트 환경 구축 및 활용
GPT API / Gemini API를 활용한 목적형 챗봇 및 Agentic RAG 시스템 구현
과정 종료 후 20개 이상의 AI 어시스턴트 프로젝트 산출물 확보

특징:

코딩 부담을 최소화하되, Claude Desktop · MCP · API 실무 활용에 집중
매일 전반 2시간: 탐구 미션(개념·퀴즈·자료 수집) → Zoom 채팅 / Discord 공유
매일 후반 2시간: 다단계 복합 프로젝트 미션 → Google Drive 산출물 공유
Claude Pro 구독 제공(1개월), LLM API는 GPT API / Gemini API 활용

전체 일정 개요

PART	주제	기간	시간
PART 1	2026 AI 생태계와 Claude Desktop 입문	Day 1–2	8H
PART 2	프롬프트 엔지니어링: 원리에서 설계까지	Day 3–4	8H
PART 3	실무형 프롬프트 설계 + Claude Projects & Skills	Day 5–7	12H
PART 4	Claude Desktop + MCP 에이전트 연동	Day 8–10	12H
PART 5	중간 프로젝트 — MCP 연동 AI 어시스턴트 기획·구현	Day 11–12	8H
PART 6	LLM API 기초 (GPT API · Gemini API)	Day 13–14	8H
PART 7	목적형 챗봇 설계 + Agentic RAG 구현	Day 15–17	12H
PART 8	최종 프로젝트 — AI 어시스턴트 통합 구현	Day 18–20	12H
	합계	20일	80H

📌 일일 진행 구조 (매일 4시간, 19:00–23:00)

[전반 2시간 | 19:00–21:00] 탐구 미션 블록
  ├── 개념 탐구 미션   → 학습자가 스스로 개념 조사·정리
  ├── 퀴즈 풀이 미션   → 실시간 퀴즈 참여 및 토론
  └── 자료 수집 미션   → 사례·도구·뉴스 수집 후 Discord/Zoom 채팅 공유

[후반 2시간 | 21:00–23:00] 프로젝트 미션 블록
  ├── 다단계·복합 프로젝트 미션 부여
  ├── 학습자 개인 또는 팀 구현
  └── 산출물 Google Drive 업로드 (1일 1산출물)

PART 1 | 2026 AI 생태계와 Claude Desktop 입문 `Day 1–2 / 8H`

핵심 업데이트 포인트

기존 커리큘럼의 AI 개론 중심 구조를 2026년 5월 현재 생태계 맥락으로 전면 재구성.
GAMMA 실습을 Claude Desktop 설치 및 MCP 기초 실습으로 교체.

Day 1 | AI 어시스턴트 vs AI 에이전트: 2026년의 지형도

[탐구 미션 블록]

미션 A (개념 탐구): “AI 어시스턴트”와 “AI 에이전트”의 차이 조사 → 3줄 정의 작성 후 Discord 공유
미션 B (퀴즈): Claude · GPT · Gemini 비교 O/X 퀴즈 10문항 실시간 풀이
미션 C (자료 수집): 2026년 현재 자신의 업무에서 AI가 가장 도움될 상황 3가지 찾기

[이론 요소] (강연자 설명 최소화, 핵심 개념만 간략 제시)

LLM의 작동 원리와 한계: 환각(Hallucination), 컨텍스트 윈도우, 지식 컷오프
AI 어시스턴트 유형 분류: 대화형 · 자동화형 · 에이전트형 · 멀티에이전트형
2026 AI 생태계 지형: Claude 4.x / GPT-4o·5 / Gemini 2.x 모델 현황

[프로젝트 미션 블록]

[산출물 #1] “나의 AI 도구 환경 분석 보고서”: 현재 사용 중인 AI 도구 목록 + 개선 필요 업무 3가지 + 목표 AI 어시스턴트 스케치 (Google Slides 1장)

Day 2 | Claude Desktop 설치 · 설정 · 첫 에이전트 경험

[탐구 미션 블록]

미션 A (개념 탐구): Model Context Protocol(MCP)이 무엇인지 공식 문서·영상 탐색 → 핵심 문장 1줄 정리
미션 B (실습 퀴즈): Claude Desktop 설치 완료 스크린샷 Discord 공유 챌린지
미션 C (자료 수집): MCP 서버 목록 탐색 (mcp.so, Anthropic 공식 docs) → 활용하고 싶은 MCP 서버 3가지 발표

[이론 요소]

Claude Desktop 구조: Projects · Skills · MCP Extensions · Custom Connectors
MCP(Model Context Protocol) 개념: “AI를 위한 USB-C” — 표준 연결 인터페이스
Claude Pro 구독 플랜별 기능 차이 및 활용 전략

[프로젝트 미션 블록]

[산출물 #2] “Claude Desktop 첫 에이전트 셋업 문서”: Claude Desktop 설치 → Filesystem MCP 서버 연결 → 로컬 파일 탐색 대화 실행 → 설정 과정 캡처 + 사용 소감 기록 (Google Docs)

PART 2 | 프롬프트 엔지니어링: 원리에서 설계까지 `Day 3–4 / 8H`

핵심 업데이트 포인트

단순 예시 분석 중심에서 2026년 모델 특성을 반영한 구조적 프롬프트 설계로 고도화.
Claude의 System Prompt · Projects 기능과 연계한 실전 설계 포함.

Day 3 | 프롬프트 구조 해부와 모델별 차이 이해

[탐구 미션 블록]

미션 A (개념 탐구): System / User / Assistant 역할 구조 조사 → 각 역할의 목적 1줄씩 정리
미션 B (퀴즈): 좋은 프롬프트 vs 나쁜 프롬프트 사례 판별 퀴즈 + 개선안 작성
미션 C (자료 수집): Claude · ChatGPT · Gemini에게 같은 질문 입력 → 응답 차이 스크린샷 비교

[이론 요소]

프롬프트 구성 요소: 역할(Role) · 맥락(Context) · 지시(Instruction) · 출력 형식(Format) · 예시(Example)
Chain-of-Thought · Few-shot · Zero-shot 기법과 2026 모델에서의 효과
Claude vs GPT vs Gemini 프롬프트 반응 특성 비교

[프로젝트 미션 블록]

[산출물 #3] “프롬프트 설계 비교 실험 보고서”: 동일 업무 시나리오에 대한 3가지 버전 프롬프트 작성 → Claude · GPT · Gemini 결과 비교 → 최적 프롬프트 선정 근거 문서화 (Google Docs)

Day 4 | 업무 시나리오 기반 프롬프트 고도화

[탐구 미션 블록]

미션 A (개념 탐구): “프롬프트 체이닝(Prompt Chaining)”과 “메타 프롬프팅” 개념 탐색
미션 B (실습 퀴즈): 주어진 업무 시나리오를 보고 프롬프트 즉석 작성 → 팀 간 교차 피드백
미션 C (자료 수집): Anthropic 공식 프롬프트 라이브러리 탐색 → 활용 가능한 템플릿 3개 수집

[이론 요소]

프롬프트 체이닝: 단계적 출력 연결 구조 설계
구조화된 출력 요청: JSON · Markdown · XML 형식 지정 기법
Claude Projects를 활용한 프롬프트 재사용 체계 구축

[프로젝트 미션 블록]

[산출물 #4] “나만의 업무 프롬프트 라이브러리”: 자신의 실제 업무 시나리오 5가지에 대한 프롬프트 템플릿 작성 + Claude Projects에 저장 + 결과물 스크린샷 포함 문서 (Google Sheets 형태)

PART 3 | 실무형 프롬프트 설계 + Claude Projects & Skills `Day 5–7 / 12H`

핵심 업데이트 포인트

Google Workspace 연동 실습을 Claude Projects · Skills 기능 및 Claude Desktop 기반 업무 자동화로 전환.
요약·분류·변환 실습을 실제 업무 문서와 결합한 복합 미션으로 고도화.

Day 5 | Claude Projects로 업무 어시스턴트 구성

[탐구 미션 블록]

미션 A (개념 탐구): Claude Projects의 “Knowledge Base” 기능 조사 → 어떤 문서를 넣으면 효과적인지 기준 3가지 도출
미션 B (퀴즈): Projects에 문서를 올린 뒤 발생할 수 있는 한계 상황 예측 퀴즈
미션 C (자료 수집): 자신의 업무 관련 공개 문서 (보고서, 가이드, FAQ 등) 3개 수집

[프로젝트 미션 블록]

[산출물 #5] “업무 지식 기반 AI 어시스턴트”: Claude Project 생성 → 업무 문서 3개 이상 업로드 → System Prompt 작성 → 5개 이상 업무 질문 테스트 → 결과 품질 평가 보고서 (Google Docs)

Day 6 | Claude Skills + 자동화 프롬프트 패턴

[탐구 미션 블록]

미션 A (개념 탐구): Claude Skills 기능 탐색 → Skill과 일반 지시의 차이 정리
미션 B (퀴즈): 요약 · 분류 · 변환 · 질의응답 프롬프트 유형 판별 퀴즈
미션 C (자료 수집): 반복 업무 중 AI로 자동화하고 싶은 작업 3가지 찾고 소요 시간 측정

[이론 요소]

업무 자동화 프롬프트 4대 패턴: 요약(Summarize) · 분류(Classify) · 변환(Transform) · 생성(Generate)
Claude Skills 설계 및 저장 방법
멀티턴 대화에서 맥락 유지 전략

[프로젝트 미션 블록]

[산출물 #6] “반복 업무 자동화 Skill 세트”: 자신의 반복 업무 3가지에 대한 Claude Skill 3개 설계 및 등록 → 실제 적용 테스트 → 시간 절감 효과 측정 보고서 (Google Docs)

Day 7 | 멀티스텝 프롬프트 체이닝 + Claude Desktop 파일 연동

[탐구 미션 블록]

미션 A (개념 탐구): “프롬프트 체이닝”과 “에이전트 루프(Agent Loop)”의 차이 조사
미션 B (퀴즈): 복잡한 업무 시나리오를 단계별 프롬프트로 분해하는 즉석 실습
미션 C (자료 수집): Claude Desktop에서 로컬 파일을 활용한 워크플로 사례 3개 탐색

[프로젝트 미션 블록]

[산출물 #7] “멀티스텝 업무 자동화 플로우”: Claude Desktop + Filesystem MCP로 로컬 문서 읽기 → 요약 → 분류 → 보고서 초안 생성까지 3단계 이상 프롬프트 체인 구성 → 전체 흐름 플로우차트 + 결과물 캡처 (Google Slides)

PART 4 | Claude Desktop + MCP 에이전트 연동 `Day 8–10 / 12H`

핵심 업데이트 포인트

기존 “Claude 에이전트 연동 AI 실습 심화”를 MCP 실전 연동 + 멀티 MCP 워크플로 구성으로 전면 개편.
2026년 현재 2,300개+ MCP 서버 생태계를 직접 탐색하고 활용.

Day 8 | MCP 서버 연결 실전: Filesystem · GitHub · Web Search

[탐구 미션 블록]

미션 A (개념 탐구): MCP의 STDIO 전송 방식과 Streamable HTTP 방식 차이 조사
미션 B (퀴즈): MCP 서버 연결 설정 파일(JSON) 구조 분석 퀴즈
미션 C (자료 수집): 자신의 업무에 유용한 MCP 서버 5개 탐색 (mcp.so / Anthropic 공식 문서)

[이론 요소]

MCP 아키텍처: Host(Claude Desktop) · Client · Server · Tool의 관계
Desktop Extensions(.dxt)와 Custom Connector의 차이
MCP 연결 시 보안 고려사항 (API Key 관리, 권한 범위)

[프로젝트 미션 블록]

[산출물 #8] “멀티 MCP 연동 에이전트 셋업”: Filesystem + Web Search(Brave/Tavily) MCP 2개 이상 동시 연결 → “인터넷에서 정보 검색 → 로컬 파일에 저장”하는 복합 작업 수행 → 설정 문서 + 실행 결과 캡처 (Google Docs)

Day 9 | Notion · GitHub · Slack MCP 연동 실전

[탐구 미션 블록]

미션 A (개념 탐구): Read-only MCP와 Write-enabled MCP의 위험성 차이 조사
미션 B (퀴즈): MCP Tool Call의 입출력 JSON 구조 분석 실습
미션 C (자료 수집): Notion · Slack · GitHub 중 자신에게 필요한 MCP 서버 선택 + 설정 방법 조사

[프로젝트 미션 블록]

[산출물 #9] “업무 도구 연동 에이전트”: Notion 또는 Slack MCP 연결 → Claude가 업무 노트 읽기·요약·작성하는 워크플로 구성 → 실제 사용 시나리오 3가지 실행 + 결과 보고서 (Google Docs)

Day 10 | 멀티 MCP 복합 워크플로 + 에이전트 루프 설계

[탐구 미션 블록]

미션 A (개념 탐구): 에이전트 루프(Agent Loop)의 4단계: Perceive → Plan → Act → Reflect 조사
미션 B (퀴즈): 에이전트가 실패하는 상황 예측 — 에러 복구 전략 토론
미션 C (자료 수집): 멀티에이전트 아키텍처(오케스트레이터 + 서브에이전트) 사례 2개 수집

[이론 요소]

단일 에이전트 vs 멀티에이전트 아키텍처 비교
에이전트 메모리 유형: In-context · External · Episodic
Claude Desktop에서 MCP 컨텍스트 최적화 (3–5개 서버 권장 이유)

[프로젝트 미션 블록]

[산출물 #10] “나만의 개인 AI 에이전트 v1.0”: 3개 이상 MCP 서버 연동 → 복합 업무 시나리오 1개 완전 자동화 → 에이전트 루프 플로우차트 + 실행 결과 + 개선 아이디어 포함 종합 보고서 (Google Slides)

PART 5 | 중간 프로젝트 — MCP 연동 AI 어시스턴트 기획·구현 `Day 11–12 / 8H`

Day 11 | 중간 프로젝트 기획 및 프롬프트 설계

[탐구 미션 블록]

미션 A (기획 탐구): 자신의 직무·생활 문제 중 AI 어시스턴트로 해결할 과제 1개 선정 → 문제 정의 작성
미션 B (퀴즈): 프로젝트 요구사항 명세서(PRD) 작성법 퀴즈 + 팀 간 요구사항 교차 검토
미션 C (설계): 필요한 MCP 서버 목록 + System Prompt 초안 + 기대 산출물 목록 작성

[프로젝트 미션 블록]

[산출물 #11] “중간 프로젝트 기획서”: 문제 정의 → 목표 사용자 → 핵심 기능 3가지 → MCP 구성 계획 → 프롬프트 설계 초안 포함 (Google Docs, 2–3페이지)

Day 12 | 중간 프로젝트 구현 + 발표

[탐구 미션 블록]

미션 A (구현 점검): 어제 기획서 기반 구현 시작 — 첫 번째 MCP 연결 테스트 결과 Discord 공유
미션 B (개선): 팀원 프로젝트 1개씩 테스트 → 개선 피드백 제공

[프로젝트 미션 블록]

[산출물 #12] “중간 프로젝트 결과물 + 발표 덱”: 구현된 AI 어시스턴트 시연 영상 또는 스크린샷 + 5분 발표 슬라이드 (문제 → 구현 → 결과 → 한계 및 개선점) (Google Slides)

PART 6 | LLM API 기초 (GPT API · Gemini API) `Day 13–14 / 8H`

핵심 업데이트 포인트

기존 OpenAI API 단독 실습에서 GPT API + Gemini API 병행 실습으로 확장.
구조화된 출력(Structured Outputs) · 함수 호출(Function Calling) · 프롬프트 캐싱 등 2026 핵심 API 기능 포함.

Day 13 | API 개념 이해 + GPT API · Gemini API 첫 호출

[탐구 미션 블록]

미션 A (개념 탐구): REST API · JSON · HTTP 메서드 개념 탐색 → 비개발자 친화적 설명 작성
미션 B (퀴즈): API Key 보안 실수 사례 분석 퀴즈 → .env 파일 사용 이유 이해
미션 C (자료 수집): GPT API와 Gemini API의 가격 · 모델 · 한도 비교표 작성

[이론 요소]

API 개념, REST 구조, JSON 데이터 형식 이해
.env 환경 변수 설정 및 보안 관리 원칙
GPT API (openai Python 패키지) vs Gemini API (google-generativeai) 구조 비교
토큰 비용 계산 방법 및 비용 최적화 전략

[프로젝트 미션 블록]

[산출물 #13] “GPT API + Gemini API 첫 호출 실습 노트북”: 두 API 각각으로 동일한 프롬프트 전송 → 응답 비교 → 토큰 수 · 응답 품질 · 속도 비교 분석 표 (Google Colab 노트북 + Google Docs 분석 보고서)

Day 14 | System/User 프롬프트 분리 설계 + 구조화된 출력

[탐구 미션 블록]

미션 A (개념 탐구): “구조화된 출력(Structured Outputs)”과 “Function Calling”이 왜 에이전트에 필수인지 조사
미션 B (퀴즈): API 응답 JSON 파싱 오류 사례 분석 + 방어 코드 작성 퀴즈
미션 C (자료 수집): GPT-4o · Gemini 2.x에서 Function Calling 활용 사례 3개 수집

[이론 요소]

System Prompt와 User Prompt 분리의 필요성과 설계 패턴
구조화된 출력: JSON Mode · Pydantic 스키마 활용
Function Calling / Tool Use: 2026 모델에서의 신뢰성 향상
멀티턴 대화 히스토리 관리 패턴

[프로젝트 미션 블록]

[산출물 #14] “구조화된 출력 기반 정보 추출기”: 비정형 텍스트(뉴스·보고서 등) 입력 → JSON 형식으로 구조화 출력하는 간단한 Python 스크립트 → GPT API + Gemini API 두 버전 구현 + 결과 비교 (Google Colab)

PART 7 | 목적형 챗봇 설계 + Agentic RAG 구현 `Day 15–17 / 12H`

핵심 업데이트 포인트

기존 단순 문서 기반 챗봇(기초 RAG)에서 Agentic RAG + 멀티 소스 검색 + 도구 활용 챗봇으로 고도화.
2026년 표준 기술인 Tool Use · Function Calling을 챗봇에 통합.

Day 15 | 맥락 유지 챗봇 구조 + 특화 목적 ChatBot 설계

[탐구 미션 블록]

미션 A (개념 탐구): 챗봇이 “맥락을 기억”하는 방법 조사 → 단기 기억 vs 장기 기억 전략 비교
미션 B (퀴즈): 목적형 챗봇 시나리오 분류 퀴즈 (고객응대형 / 업무지원형 / 학습지원형)
미션 C (자료 수집): GPT API 또는 Gemini API로 만들어진 실제 챗봇 서비스 사례 3개 탐색

[이론 요소]

챗봇 대화 히스토리 관리 패턴 (Sliding Window, Summary Buffer)
System Prompt 기반 페르소나 + 제약 조건 설계
목적형 챗봇 요구사항 정의 방법 (페르소나 · 범위 · 에러 처리)

[프로젝트 미션 블록]

[산출물 #15] “맥락 유지 목적형 챗봇 v1”: 특정 목적(업무지원/학습/고객응대 中 선택) GPT API 또는 Gemini API 기반 챗봇 구현 → 10턴 이상 대화 테스트 → 개선점 분석 보고서 (Google Colab + Google Docs)

Day 16 | RAG 기초 이해 + Agentic RAG 설계

[탐구 미션 블록]

미션 A (개념 탐구): 기초 RAG와 Agentic RAG의 차이 조사 → “RAG = 검색 도구를 가진 에이전트” 관점으로 이해
미션 B (퀴즈): 임베딩(Embedding)과 벡터 유사도 개념 퀴즈 (비전공자 친화적 설명 포함)
미션 C (자료 수집): OpenAI Embeddings API 또는 Gemini Embedding API 문서 탐색 → 핵심 파라미터 정리

[이론 요소]

RAG(Retrieval-Augmented Generation) 작동 원리: Embed → Store → Retrieve → Generate
기초 RAG의 한계: 단일 검색, 단순 질문에 최적화
Agentic RAG: 검색 결정 → 멀티소스 검색 → 검증 → 재검색의 동적 루프
2026 기준 경량 벡터 DB 옵션: ChromaDB · FAISS · 클라우드 옵션

[프로젝트 미션 블록]

[산출물 #16] “문서 기반 Q&A 챗봇 (RAG)”: 자신이 선택한 문서(PDF·텍스트) 3개 이상 임베딩 → ChromaDB 저장 → 챗봇에서 문서 기반 답변 생성 → 할루시네이션 발생 여부 평가 (Google Colab)

Day 17 | Agentic RAG + Tool Use 통합 챗봇 고도화

[탐구 미션 블록]

미션 A (개념 탐구): “Tool Use”를 챗봇에 통합하면 무엇이 달라지는지 조사 → 3가지 구체적 예시
미션 B (퀴즈): 웹 검색 Tool + 문서 검색 Tool을 언제 각각 사용해야 하는지 판단 퀴즈
미션 C (자료 수집): LangChain · LlamaIndex · 직접 구현의 장단점 비교 자료 수집

[프로젝트 미션 블록]

[산출물 #17] “Agentic RAG 챗봇”: 문서 검색 Tool + 웹 검색 Tool 두 가지 이상 Tool을 갖춘 챗봇 → 복합 질문(“최신 정보 + 내 문서 기반 답변”) 처리 테스트 → 에이전트 의사결정 로그 분석 보고서 (Google Colab + Google Docs)

PART 8 | 최종 프로젝트 — AI 어시스턴트 통합 구현 `Day 18–20 / 12H`

Day 18 | 최종 프로젝트 기획 + 아키텍처 설계

[탐구 미션 블록]

미션 A (기획): 20일간 쌓은 기술 중 2–3가지를 통합한 AI 어시스턴트 아이디어 선정 → 문제 정의
미션 B (설계): 시스템 아키텍처 다이어그램 초안 작성 → 팀원 피드백 수집
미션 C (분업): 필요한 컴포넌트 목록 정리 → 구현 우선순위 결정

[프로젝트 미션 블록]

[산출물 #18] “최종 프로젝트 기획서 + 아키텍처”: 문제 정의 → 핵심 기능 명세 → 기술 스택 (API/MCP/RAG 선택 근거) → 아키텍처 다이어그램 → 3일 구현 일정표 (Google Slides, 5–7장)

Day 19 | 최종 프로젝트 구현 + 중간 점검

[탐구 미션 블록]

미션 A (구현): 어제 기획서 기반 핵심 기능 구현 → 진행 상황 Discord 라이브 공유
미션 B (테스트): 구현된 부분 10가지 시나리오로 테스트 → 실패 사례 기록 및 원인 분석
미션 C (개선): 테스트 결과 바탕으로 System Prompt · API 파라미터 · MCP 구성 조정

[프로젝트 미션 블록]

[산출물 #19] “최종 프로젝트 베타 버전”: 핵심 기능 구현 완료 버전 → 테스트 결과 로그 + 발견된 한계점 + 내일 개선 계획 포함 (Google Colab/Docs + Discord 중간 발표)

Day 20 | 최종 프로젝트 완성 + 발표 + 종합 회고

[탐구 미션 블록]

미션 A (마무리): 산출물 #1부터 #19까지 회고 → 가장 의미 있었던 미션 3가지 선정 이유 작성
미션 B (발표 준비): 5분 발표 덱 최종 완성 → 시연 시나리오 리허설
미션 C (커리어 연계): 20개 산출물 포트폴리오화 계획 수립 → LinkedIn 또는 개인 블로그 공유 계획

[프로젝트 미션 블록]

[산출물 #20] “최종 프로젝트 완성본 + 발표 덱 + 포트폴리오 요약”: 최종 AI 어시스턴트 시연 가능 버전 + 발표 슬라이드 (문제→기술→구현→결과→인사이트) + 20일 산출물 포트폴리오 목록 (Google Slides + Drive 링크 정리 문서)

🗂️ 20일 산출물 목록 요약

#	산출물	핵심 기술	Part
1	나의 AI 도구 환경 분석 보고서	AI 생태계 이해	P1
2	Claude Desktop 첫 에이전트 셋업 문서	Claude Desktop · MCP 입문	P1
3	프롬프트 설계 비교 실험 보고서	프롬프트 엔지니어링	P2
4	나만의 업무 프롬프트 라이브러리	Claude Projects	P2
5	업무 지식 기반 AI 어시스턴트	Claude Projects + Knowledge Base	P3
6	반복 업무 자동화 Skill 세트	Claude Skills	P3
7	멀티스텝 업무 자동화 플로우	프롬프트 체이닝 + Filesystem MCP	P3
8	멀티 MCP 연동 에이전트 셋업	MCP 실전 연동	P4
9	업무 도구 연동 에이전트	Notion/Slack MCP	P4
10	나만의 개인 AI 에이전트 v1.0	멀티 MCP + 에이전트 루프	P4
11	중간 프로젝트 기획서	프로젝트 기획	P5
12	중간 프로젝트 결과물 + 발표 덱	MCP 통합 AI 어시스턴트	P5
13	GPT API + Gemini API 첫 호출 실습	API 기초	P6
14	구조화된 출력 기반 정보 추출기	Function Calling · JSON Output	P6
15	맥락 유지 목적형 챗봇 v1	챗봇 설계 · 히스토리 관리	P7
16	문서 기반 Q&A 챗봇 (RAG)	기초 RAG · 벡터 DB	P7
17	Agentic RAG 챗봇	Agentic RAG · Tool Use	P7
18	최종 프로젝트 기획서 + 아키텍처	통합 설계	P8
19	최종 프로젝트 베타 버전	통합 구현	P8
20	최종 프로젝트 완성본 + 포트폴리오	통합 구현 + 발표	P8

🛠️ 학습 환경 요구사항

항목	내용
Claude 구독	Claude Pro (1개월, 구름 지원)
LLM API	OpenAI GPT API + Google Gemini API (학습용 크레딧)
개발 도구	Google Colab (코딩 실습), Google Drive (산출물 저장)
Claude Desktop	MCP 연동 실습 전용 (macOS/Windows)
협업 도구	Zoom (실시간 강의), Discord (탐구 미션 공유 채널)
추천 MCP 서버 (시작)	Filesystem · Brave Search · Notion · Slack

📝 강연자 참고사항

탐구 미션 블록 운영 원칙

강연자 설명은 미션당 5분 이내로 제한, 나머지는 학습자 주도 탐구
미션 결과는 Discord 채널에 공개 공유 → 우수 사례 즉시 화면 공유로 리뷰
퀴즈는 Slido 또는 Mentimeter 활용 권장

프로젝트 미션 블록 운영 원칙

매일 1개 산출물 Google Drive 폴더에 의무 업로드 (날짜·이름 포함 파일명)
강연자는 순회 코칭 역할 → 막히는 학습자 개별 지원
다음 날 시작 전 전날 산출물 중 2–3개 우수 사례 리뷰 (5분)

2026년 기술 변화 대응

MCP 서버 및 API 사양은 빠르게 변화하므로 수업 전날 최신 공식 문서 확인 권장
Claude Desktop 업데이트로 UI가 변경될 수 있음 → 스크린샷 기반 가이드보다 공식 문서 링크 제공 권장

Share on Facebook

Post on X

Save