📌 과정 개요
이번 과정은 기존 AI 시스템과 Agentic AI의 차이를 이해하고, Agentic AI의 핵심 구성 요소와 작동 원리, 개발 흐름을 학습하며, 실제 간단한 에이전트를 LangChain과 Python으로 구현해보는 실습 중심의 LLM 제품과 서비스 기획 입문 과정입니다.
- 시간: 2일 (총 12시간)
- 형식: 이론 강의 + 사례 분석 + 기획안 도출
- 강연: 넥스트플랫폼 동준상
AI 에이전트(에이전틱 AI)란?
에이전트 자신을 둘러싼 주변 환경을 인식하고, 목표를 설정 및 추구하며, 스스로 정립한 다양한 과정을 통해 계획하고 추론하며, 경험을 통해 학습하는 LLM계열 AI의 한 유형
📍 학습 목표 정리
- Agentic AI의 개념, 구조, 기술 흐름을 이해한다.
- 간단한 목표 기반 에이전트를 직접 설계하고 구현해본다.
- 에이전트 기반 서비스나 기능 기획 시 고려해야 할 설계 요소와 리스크를 파악한다.
넥스트플랫폼 온디맨드 과정
교육기관의 강의 요청에 따라 강의 시수, 진행 방식을 수정할 수 있는 수요자 중심의 온디맨드 교육과정입니다. (문의: 넥스트플랫폼 / naebon@naver.com)
🎯 대상 수강생
| 대상 그룹 | 필요 역량 또는 배경 |
|---|---|
| 기업 AI 전략/기획 담당자 | AI 에이전트 개념 및 기획 관점에서의 접근 |
| 초급 개발자 및 데이터 분석가 | LangChain, Python을 활용한 기본 에이전트 구축 학습 |
| 스타트업 PM, 기획자 | 에이전트 기반 서비스 기획을 준비하거나 초기 아이디어를 구체화하려는 분 |
| AI 교육자 및 트레이너 | Agentic AI를 교육 콘텐츠로 활용하고자 하는 분 |
🧭 커리큘럼 초안 (총 12시간, 2일 기준)
| 시간 | 모듈 | 내용 |
|---|---|---|
| Day 1 | 에이전트 개념과 원리 이해 | |
| 1시간 | 오리엔테이션 | 과정 목표, 학습 방법, 실습 환경 안내 |
| 1시간 | Agentic AI vs Reactive AI | 개념 비교, 변화의 의미, 사례 소개 (예: Siri vs AutoGPT) |
| 2시간 | 에이전트의 핵심 구성 요소 | Autonomy, Goal-setting, Planning, Reasoning, Memory 설명 |
| 1시간 | 에이전트 작동 메커니즘 | Prompt 설계, 도구 사용, 메모리 연결의 구조적 이해 |
| 1시간 | 현황 및 기술 스택 소개 | LangChain, ReAct Loop, OpenDevin, AutoGPT 등 프레임워크 개요 |
| 시간 | 모듈 | 내용 |
|---|---|---|
| Day 1 | Agentic AI 실습 및 기획 응용 | |
| 1시간 | [실습1] Wikipedia 기반 리서치 에이전트 만들기 | LangChain 사용, 목표-계획-도구 연계형 에이전트 구현 |
| 1시간 | [실습2] 메모리 기능 추가하기 | ConversationBufferMemory 적용, 연속 질문 처리 |
| 2시간 | 실전 기획: 에이전트 활용 아이디어 도출 | 각자의 업무나 서비스에서 적용 가능한 에이전트 기획 워크숍 |
| 1시간 | 위험 요소와 윤리 이슈 이해 | 안전성, 투명성, 책임 문제 및 대응 전략 |
| 1시간 | 종합 정리 및 Q&A | 실습 리뷰, 오픈소스 자원 소개, 향후 학습 가이드 |
🛠 실습 도구 및 준비사항
- Python 3.10 이상
- LangChain, OpenAI API, Wikipedia Plugin 설치
- Google Colab 또는 VS Code 환경 추천
- API Key 관리 및 보안 교육 포함
AI 에이전트 기획 과정 기본구성
✅ 1. 인트로
- 자율 지능형 에이전트의 이해
- 비주얼: 에이전트 흐름도(Perceive → Plan → Act → Learn), 인간과 AI 손잡기
✅ 2. Agentic AI란 무엇인가?
- 요점
- 환경을 인지하고 목표를 설정하며 스스로 계획·행동·학습하는 AI
- Rule-based 시스템이나 단순 챗봇과 구별됨
- 비주얼: Agentic vs Reactive AI 비교 다이어그램
✅ 3. Reactive AI와의 차이
- 요점
- Reactive: 입력 → 출력 (즉각 반응)
- Agentic: 입력 → 목표 설정 → 계획 → 실행 → 학습
- 비주얼: Siri vs AutoGPT 사례 비교 인포그래픽
✅ 4. 에이전트의 핵심 5요소
- 요점
- 자율성 (Autonomy)
- 목표 지향성 (Goal-Directed Behavior)
- 계획 (Planning)
- 추론 (Reasoning)
- 기억 (Memory)
- 비주얼: 다섯 개 톱니바퀴로 연결된 구조
✅ 5. Autonomy: 자율성
- 요점
- 인간 개입 없이 목표 추구
- 센서/데이터 스트림으로 환경 인식
- 비주얼: 창고 로봇이 장애물 피하며 물품 운반하는 애니메이션 이미지
✅ 6. Goal-Directed Behavior
- 요점
- 명시적/암시적 목표 설정
- 목표 달성 위한 하위 작업 분해
- 비주얼: “여행 일정 만들기” → 비행기, 호텔, 일정 차트
✅ 7. Planning: 계획 수립
- 요점
- 고차원 목표 → 실행 가능한 하위 단계로 분해
- Plan-Execute 구조, ReAct 방식 소개
- 비주얼: 계획 세우는 AI 흐름도 (Goal → Plan → Action List)
✅ 8. Reasoning: 추론
- 요점
- 논리 기반 판단: “If X, then Y”
- LLM을 추론 엔진으로 사용
- 비주얼: Thought → Action 루프 / LLM 다이어그램
✅ 9. Memory: 기억
- 요점
- 단기 메모리(working memory)와 장기 기억
- 이전 대화, 작업 상태 저장
- 비주얼: 메모리 타임라인, 대화 기록 예시
✅ 10. Agentic AI는 어떻게 작동하는가?
- 요점
- 사전학습 LLM + 프롬프트 + 도구 + 메모리
- 자율성은 이 구성요소의 상호작용에서 나옴
- 비주얼: 구성도 (GPT + Prompts + Tools + Memory)
✅ 11. 주요 기술 프레임워크 소개
- 요점
- LangChain, AutoGPT, BabyAGI
- ReAct Loop, Plan-and-Execute 구조
- 비주얼: 대표 프레임워크 로고와 구조 다이어그램
✅ 12. 실습: 나만의 에이전트 만들기
- 요점
- LangChain + Wikipedia Tool + GPT
- 목표 설정 → 정보 검색 → 요약 응답
- 비주얼: 실습 결과 예시 (코딩 어시스턴트 요약 응답)
✅ 13. LLM 기반 에이전트의 구조
- 요점
- Thought → Action → Observation → 반복
- 도구 사용 시점 판단
- 비주얼: ReAct 흐름도 예시
✅ 14. 멀티에이전트 협업 구조
- 요점
- 플래너, 실행자, 평가자 등 역할 분리
- AutoGen, ChatDev 등의 예시
- 비주얼: 에이전트 팀 구성 다이어그램
✅ 15. Classical Planning vs Modern Agent
- 요점
- STRIPS, PDDL 같은 전통적 계획 언어
- 최근 LLM 기반 기획자와 통합되는 흐름
- 비주얼: 과거→현재 흐름도
✅ 16. 도구 기반 추론 (Tool-Augmented Reasoning)
- 요점
- 검색엔진, 계산기, API 등 연결
- RAG를 통한 지식 확장
- 비주얼: Tool Chain 흐름도
✅ 17. 실제 적용 사례
- 요점
- 고객상담, 자율주행, 창고 물류, 마케팅 자동화
- 비주얼: 도메인별 agent 사용 장면 요약
✅ 18. Agentic AI의 도전 과제
- 요점
- 정렬 문제, 예기치 못한 결과, 윤리·법적 문제
- 비주얼: 위험 요소 경고 아이콘 + 예시
✅ 19. 안전성과 거버넌스
- 요점
- 검증, 설명가능성, 법제화 필요
- 인간 중심 설계 원칙 강조
- 비주얼: 안전 가드레일/법적 체크리스트
✅ 20. 결론 및 미래 전망
- 요점
- AI의 주체적 행동 시대를 향한 진화
- 기술과 윤리의 동시 진보 필요
- 비주얼: “AI with Agency” 문구 + 미래지향적 비주얼
넥스트플랫폼 온디맨드 과정
교육기관의 강의 요청에 따라 강의 시수, 진행 방식을 수정할 수 있는 수요자 중심의 온디맨드 교육과정입니다. 수요기관의 교육담당자께서는 언제든 편하신 방법으로 연락주세요. (문의: 넥스트플랫폼 / naebon@naver.com)
