NextSession 201 AI Agent Solution Course: Automate Your Job with Multi-agenti Workflow
NextSession 201
AI 에이전트 솔루션 — 기획부터 개발, 배포 및 업무 적용까지
ChatGPT에게 질문하고,
보고서를 요약하고,
자료를 분석하고,
문서를 작성하는 것.
이제 생성형 AI를 활용하는 일은 특별한 기술이 아닙니다.
그렇다면 다음 단계는 무엇일까요?
매번 AI에게 직접 질문하는 대신,
AI가 필요한 정보를 찾아보고, 판단하고, 도구를 사용하고, 결과를 만들어내도록 할 수 있다면 어떨까요?
예를 들어,
“매주 월요일마다 최신 시장자료를 찾아 분석하고, 주요 변화와 시사점을 정리해서 보고서로 만들어줘.”
라고 요청한 뒤 AI가 스스로 필요한 작업을 수행한다면 어떨까요?
이것이 바로 AI Agent가 만들어가는 새로운 업무 방식입니다.
AI를 사용하는 단계에서 AI가 일하는 단계로
생성형 AI의 발전을 단순하게 표현하면 다음과 같은 흐름으로 볼 수 있습니다.
Generative AI
↓
AI Copilot
↓
AI Application
↓
AI Agent
↓
AI-native Business
NextSession 101에서는 AI를 활용하여 비즈니스 솔루션을 직접 만드는 방법을 배웠습니다.
NextSession 201에서는 한 단계 더 나아갑니다.
AI가 스스로 업무를 수행하도록 만드는 방법
을 배웁니다.
따라서 NextSession 201의 핵심 질문은 이것입니다.
“우리 업무 중 어떤 일을 AI Agent에게 맡길 수 있을까?”
AI Assistant와 AI Agent는 무엇이 다를까요?
AI Assistant는 일반적으로 사용자의 요청을 받아 답변하거나 작업을 지원합니다.
사용자가 질문합니다.
“이 문서를 요약해줘.”
AI가 답변합니다.
하지만 Agent는 조금 다릅니다.
사용자가 목표를 제시하면 AI가 필요한 작업을 스스로 판단하고 수행할 수 있습니다.
예를 들어,
“이번 주 경쟁사 동향을 조사해서 보고서를 만들어줘.”
라는 요청을 받았다고 생각해보겠습니다.
Agent는 다음과 같은 Workflow를 수행할 수 있습니다.
목표 이해
↓
필요한 정보 판단
↓
자료 검색
↓
자료 분석
↓
결과 비교
↓
보고서 작성
↓
결과 검토
↓
최종 결과 제공
즉,
질문 → 답변
에서
목표 → 판단 → 행동 → 결과
로 업무 방식이 바뀌는 것입니다.
NextSession 201은 AI Agent 기획 및 빌드 과정
NextSession 201은 AI Agent의 개념만 설명하는 이론 과정이 아닙니다.
학습자가 자신의 업무에서 AI Agent가 수행할 수 있는 업무를 발견하고,
Agent Workflow를 설계하고 → Tool을 연결하고 → Memory와 Context를 구성하고 → 실제 Agent Application을 만들어 → 배포하고 → 업무에 적용
하는 실습 중심 과정입니다.
전체 과정은 다음과 같은 흐름으로 구성됩니다.
문제 발견
↓
Agent Workflow 설계
↓
Tool / Memory / Context
↓
Agent 구현
↓
테스트 및 검증
↓
배포
↓
실제 업무 적용
P1. AI 에이전트 솔루션 기획
첫 번째 단계는 기술이 아닙니다.
무엇을 Agent에게 맡길 것인가?
를 정의하는 것입니다.
1.1 AI Agent 이해
먼저 AI Assistant와 AI Agent의 차이를 이해합니다.
- AI Assistant와 AI Agent의 차이
- AI Agent의 핵심 구성요소
- Agent가 스스로 판단하고 행동하는 구조
- AI Agent 적용이 적합한 업무 찾기
여기서 중요한 것은 단순히 “Agent란 무엇인가?”를 외우는 것이 아닙니다.
Agent가 필요한 업무와 그렇지 않은 업무를 구분하는 능력을 갖추는 것입니다.
모든 업무를 Agent로 만들 필요는 없습니다.
단순한 질문과 답변이라면 일반적인 AI Assistant로 충분할 수 있습니다.
반면,
반복적인 판단 + 여러 단계의 작업 + 외부 도구 사용 + 결과 생성
이 필요한 업무라면 Agent가 훨씬 적합할 수 있습니다.
1.2 Agent 업무 정의
다음으로 실제 업무를 Agent 관점에서 다시 바라봅니다.
- 반복 업무에서 Agent 후보 찾기
- Agent의 목표와 역할 정의하기
- Agent의 Input·Process·Action·Output 설계
- Agent 업무 시나리오 정의
예를 들어 이런 업무를 생각해 볼 수 있습니다.
시장조사 담당자
“매주 경쟁사 정보를 조사하고 보고서를 작성한다.”
인사 담당자
“지원자의 이력서를 분석하고 직무 적합성을 정리한다.”
영업 담당자
“고객 정보를 분석하고 미팅 준비자료를 만든다.”
기획 담당자
“시장자료를 수집하고 주요 트렌드를 분석한다.”
연구개발 담당자
“논문과 기술자료를 찾아 핵심 내용을 정리한다.”
이러한 업무는 여러 단계의 작업으로 구성되어 있기 때문에 Agent Workflow로 설계할 수 있습니다.
1.3 Agent Workflow 설계
AI Agent의 핵심은 Workflow입니다.
Agent가 단순히 답변하는 것이 아니라,
어떤 순서로 무엇을 판단하고 어떤 행동을 수행할 것인가
를 설계해야 합니다.
NextSession 201에서는
- Agent Workflow의 개념
- ReAct 방식
- Plan-and-Execute 방식
- Agent Workflow Flowchart
등을 학습합니다.
예를 들어,
사용자 요청
↓
문제 분석
↓
작업 계획 수립
↓
Tool 선택
↓
Tool 실행
↓
결과 분석
↓
추가 작업 판단
↓
최종 결과 생성
과 같은 구조를 설계할 수 있습니다.
1.4 Agent Solution 기획
마지막으로 실제 개발을 위한 Agent 기획서를 작성합니다.
- Agent 역할과 목표
- Agent의 행동
- Tool 요구사항
- Memory 요구사항
- Data 요구사항
- 사용자 시나리오
- MVP 범위
이 과정을 통해 아이디어가 단순한 “AI Agent 아이디어”에서 실제로 개발 가능한 Agent Solution으로 발전합니다.
P2. AI 에이전트 솔루션 개발 및 검증
P1에서 설계한 Agent를 이제 직접 만들어봅니다.
여기서부터 AI Coding과 VibeCoding이 본격적으로 결합됩니다.
2.1 Agent 개발 환경
AI Agent를 개발하기 위해 필요한 기술 구조를 이해합니다.
- AI Agent 개발을 위한 기술 스택
- LLM API와 Agent Application 구조
- LangChain과 LangGraph 개념
- Cursor를 활용한 Agent VibeCoding
중요한 것은 특정 Framework의 문법을 암기하는 것이 아닙니다.
LLM → Workflow → Tool → Data → Application
이라는 전체 구조를 이해하는 것입니다.
2.2 Tool Calling
AI Agent가 일반적인 Chatbot과 다른 중요한 이유 중 하나는 외부 도구를 사용할 수 있다는 것입니다.
예를 들어 Agent에게 다음과 같은 도구를 연결할 수 있습니다.
- 검색
- API
- 파일
- 데이터베이스
- 계산
- 외부 서비스
그러면 Agent는 단순히 자신의 지식만 사용하는 것이 아니라,
필요한 도구를 선택하고 실행하여 결과를 활용하는 것이 가능해집니다.
NextSession 201에서는
- Tool Calling의 기본 원리
- Agent에 외부 Tool 연결
- API·검색·파일 Tool 활용
- 여러 Tool을 조합한 업무 자동화
를 단계적으로 경험합니다.
2.3 Memory와 Context
Agent가 실제 업무를 수행하려면 기억과 맥락도 필요합니다.
한 번의 대화만 이해하는 Agent와,
사용자의 업무 환경과 이전 작업을 기억하는 Agent는 완전히 다릅니다.
NextSession 201에서는
- Agent Memory가 필요한 이유
- Short-term Memory
- Long-term Memory
- Context Engineering
- Agent의 기억과 Context 관리
를 학습합니다.
이 과정에서 학습자는 단순한 Prompt Engineering을 넘어,
Agent에게 어떤 정보를 언제 제공해야 하는가
라는 더욱 중요한 문제를 다루게 됩니다.
2.4 Agent 검증
AI Agent는 단순한 WebApp보다 검증이 더욱 중요합니다.
왜냐하면 Agent가 여러 단계를 스스로 판단하고 실행하기 때문입니다.
따라서 다음을 테스트합니다.
- Agent Workflow 테스트
- Tool Calling 결과 검증
- 실패와 예외 상황 처리
- Agent 실행 결과 평가
- AI Agent MVP 완성
목표는 “Agent가 한 번 작동했다”가 아닙니다.
예상하지 못한 상황에서도 안정적으로 동작할 수 있는가?
를 확인하는 것입니다.
P3. AI 에이전트 솔루션 배포 및 적용
만든 Agent를 실제로 사용할 수 있는 Application으로 발전시킵니다.
3.1 Agent Application 배포
Agent는 개발자의 컴퓨터 안에서만 실행되는 Demo로 끝나서는 안 됩니다.
실제 사용자가 접근할 수 있도록 Application으로 배포합니다.
- Agent Application 배포 구조
- Agent API와 Web UI 연결
- API Key와 Secret 관리
- Production 배포
이를 통해 학습자는 AI Agent Prototype → 실제 Agent Application으로 발전시키는 경험을 합니다.
3.2 MCP와 외부 시스템 연결
AI Agent 시대에 중요한 기술 중 하나가 **MCP(Model Context Protocol)**입니다.
MCP를 활용하면 AI가 다양한 외부 시스템과 연결될 수 있는 구조를 이해할 수 있습니다.
NextSession 201에서는
- MCP의 기본 개념
- MCP Server와 MCP Tool
- GitHub·문서·데이터와 Agent 연결
- MCP 기반 Agent Workflow
를 다룹니다.
이를 통해 Agent가 단순한 Chatbot을 넘어 실제 업무 환경과 연결되는 구조를 경험합니다.
3.3 Human-in-the-loop
AI Agent가 모든 일을 무조건 자율적으로 수행하게 만드는 것이 목표는 아닙니다.
기업 업무에서는 오히려 AI의 자율성과 인간의 통제 수준을 적절하게 설계하는 것이 중요합니다.
예를 들어,
AI가 보고서를 작성한다.
↓
담당자가 검토한다.
↓
담당자가 승인한다.
↓
Agent가 다음 업무를 수행한다.
와 같은 구조입니다.
NextSession 201에서는
- Agent 자율성 수준
- Human-in-the-loop
- 실행 결과 승인
- 검토 프로세스
- 오류·보안·비용 관리
를 함께 다룹니다.
3.4 AI Agent Business Solution 완성
마지막에는 Agent의 기술적인 동작만 확인하지 않습니다.
실제 업무에서 얼마나 가치가 있는가?
를 확인합니다.
- Agent 실행 로그
- 업무 자동화 효과
- 성과 측정
- Multi-Agent 확장 가능성
- AI Agent Solution 발표
결국 목표는 멋진 Agent Demo가 아닙니다.
실제 업무의 일부를 AI Agent가 수행하도록 만드는 것입니다.
이런 분께 추천합니다
“ChatGPT를 넘어 AI가 일을 하게 만들고 싶은 분”
AI를 이미 업무에 활용하고 있지만, 매번 직접 질문하고 결과를 받아야 하는 방식에서 벗어나고 싶은 분에게 적합합니다.
“반복 업무를 자동화하고 싶은 실무자”
여러 단계로 반복되는 조사, 분석, 분류, 보고, 자료작성 업무를 자동화하고 싶은 분에게 적합합니다.
“AI Agent 프로젝트를 기획하는 담당자”
기업의 AX 또는 AI 프로젝트를 담당하면서 Agent를 어디에 적용해야 할지 고민하는 실무자에게 적합합니다.
“AI 솔루션을 직접 만들어보고 싶은 분”
개발자가 아니더라도 AI와 VibeCoding으로 Agent Application을 만들어보는 경험을 할 수 있습니다.
NextSession 101과 201 과정의 연계성
두 과정은 서로 연결되어 있습니다.
| NextSession 101 | NextSession 201 |
|---|---|
| AI Business Solution | AI Agent Solution |
| AI를 활용한다 | AI가 업무를 수행한다 |
| Prompt | Workflow |
| Project | Agent |
| Context | Context + Memory |
| API | Tool Calling |
| WebApp | Agent Application |
| 사용자 실행 | Agent 실행 |
| AI Assistant | AI Agent |
| 업무 개선 | 업무 자동화 |
101에서 AI 솔루션을 만드는 경험을 했다면,
201에서는 그 솔루션을 더욱 발전시켜
AI가 스스로 업무를 수행하는 구조를 설계하게 됩니다.
AI Agent 시대에 필요한 새로운 업무 역량
앞으로 기업의 AI 활용은 단순히
“ChatGPT를 잘 사용하는 사람”
에서 끝나지 않을 가능성이 높습니다.
조직은 점점 더 많은 업무를
AI + Human
의 협업 구조로 재설계하게 될 것입니다.
따라서 실무자에게 필요한 역량도 달라집니다.
업무를 이해하는 능력
AI가 해결할 수 있는 문제를 발견하는 능력
업무 Workflow를 구조화하는 능력
AI에게 필요한 Tool과 Data를 연결하는 능력
AI 결과를 검증하고 통제하는 능력
이 중요해집니다.
NextSession 201은 바로 이러한 AI Agent 시대의 실무 역량을 직접 경험하는 과정입니다.
여러분의 업무 중 AI Agent에게 맡길 수 있는 일은?
매주 반복하는 시장조사가 있나요?
매일 확인해야 하는 데이터가 있나요?
수많은 문서를 검토해야 하나요?
고객이나 직원의 요청을 반복적으로 분류하고 있나요?
여러 자료를 찾아 비교하고 보고서를 작성하나요?
그렇다면 그 업무가 여러분의 첫 번째 AI Agent 프로젝트가 될 수 있습니다.
AI를 사용하는 것을 넘어, AI가 일하는 구조를 설계
NextSession 201에서는
업무 문제를 찾고
↓
Agent Workflow를 설계하고
↓
Tool과 Data를 연결하고
↓
Memory와 Context를 구성하고
↓
AI Agent를 구현하고
↓
테스트하고
↓
Application으로 배포하고
↓
실제 업무에 적용합니다.
AI 시대의 경쟁력은 단순히 더 많은 AI Tool을 아는 데 있지 않습니다.
AI가 실제 업무를 수행할 수 있도록 업무 자체를 재설계하는 능력이 중요해지고 있습니다.
NextSession 201에서 나만의 AI Agent Solution을 만들어보세요.
NextSession 101 과정 자세히 보기 → nextsession.net
AI Agent Solution
기획 → Workflow → Tool/Memory → 개발 → 검증 → 배포 → 업무 적용
LIVE Session + VOD + VibeCoding + 실습 중심의 AI Agent 솔루션 제작 과정
👉 NextSession 201 자세히 보기
https://nextsession.net/
#NextSession #NextPlatform #AIAgent #AI에이전트 #AI솔루션 #생성형AI #AI업무자동화 #VibeCoding #MCP #LangGraph #기업교육 #AX #AITransformation
