운영 환경에서 성공하는 AI 에이전트의 특징(그리고 그 과정에서 얼마나 많은 에이전트가 실패하는지!)을 알아보세요. 견고한 인프라와 도구, 모듈형 설계 아키텍처, 지속적인 평가와 피드백 루프 등, 확장을 염두에 둔 핵심 agentic 설계 원칙을 학습합니다.

현장에서 만나는 AI 에이전트

옵션

다른 자동화

AI 에이전트

에이전트를 쓸까 말까

에이전틱 애플리케이션

확장 가능한 에이전트를 위한 설계 원칙

모듈성

Robust infrastructure and tools

지속적 평가

확장 가능한 설계를 위한 전략

확장형 설계의 핵심 기둥 지키기

AI 에이전트가 확장되는 방식(그리고 실패하는 방식)

확장할 때도 실패는 NO!

비용 증가

비용 감소

에이전트 비용 관리

Guardrails 없이는 실패합니다

확장 가능한 에이전트 디자인

에이전트를 확장 가능하게 개발하기 위한 핵심 전략을 배웁니다. Model Context Protocol(MCP)과 Agent-to-Agent 프로토콜(A2A)이 표준화를 통해 확장성을 어떻게 지원하는지 인사이트를 얻으세요.

멀티 에이전트 설계 패턴

단일 에이전트에서 멀티 에이전트로 도약하기

멀티 에이전트 디자인 패턴

Model Context Protocol (MCP)

MCP 알아보기

MCP is the MVP

클라이언트, 서버, 그리고 그 사이의 모든 것

Agent-to-Agent (A2A) 프로토콜

Agent cards - Gotta Catch 'Em All

MCP와 A2A: 친구일까요, 적일까요?

확장성을 위한 에이전트 개발

이제 운영 배포 차례지만, 서두르지는 마세요! 운영 환경에서도 AI 에이전트가 지속적으로 성능을 내도록 자신감을 주는 견고한 테스트 프레임워크를 구축합니다. 사용 사례에 가장 적합한 배포 전략을 선택하고, 실시간 데이터 소스를 agentic 시스템과 통합하는 방법을 배웁니다.

개념 증명에서 프로덕션으로

에이전트 견고성 테스트

무엇을 더 점검해야 할까요?

빠르고 효율적인 데이터 수집

실시간 데이터의 가치

우아하게 실패하기: 위험 완화

지수 백오프로 재시도하기

규칙을 세워야 할 때!

축하합니다!

대규모 운영 환경으로의 배포

Cheat Sheet

Course Glossary

왜 많은 agentic 시스템이 개발에서 운영까지의 간극을 넘지 못할까요? 이 강의에서 알아보세요! 견고한 인프라와 도구, 모듈형 설계 아키텍처, 지속적인 평가와 피드백 루프라는 agentic 확장성의 세 가지 축을 따라, 처음부터 확장 가능성을 염두에 두고 AI 에이전트를 설계하고 개발하는 방법을 배웁니다. 또한 Model Context Protocol(MCP)과 Agent-to-Agent 프로토콜(A2A) 같은 agentic 프레임워크가 데이터 소스와 에이전트 간의 연동을 어떻게 더 깔끔하고 빠르게 만드는지도 살펴봅니다. 마지막으로, 에이전트가 실질적인 가치를 제공하도록 돕는 테스트와 배포 전략을 학습합니다.

영상에는 실시간 자막이 포함되어 있으며, 비디오 왼쪽 하단의 "Show transcript"를 클릭하면 표시할 수 있어요.

강의 용어집은 오른쪽 리소스 섹션에서 확인하실 수 있습니다.

CPE 크레딧을 받으려면 강의를 완료하고 자격 평가에서 70% 이상의 점수를 획득해야 합니다. 오른쪽의 CPE 크레딧 안내를 클릭하면 평가로 이동할 수 있습니다.

<h2>확장성을 위한 에이전트 설계 및 개발</h2>
확장성을 염두에 두고 AI 에이전트를 설계하고 개발하는 방법을 배우고, 에이전트 확장성의 세 가지 핵심 요소인 모듈성, 견고성, 적응성을 따라가세요. 프로덕션 환경에서 성공적인 에이전트를 만드는 요소와, 왜 그렇게 많은 이들이 그 단계에 도달하는 데 어려움을 겪는지 알아보세요.<br><br><h2>MCP와 A2A의 힘을 발견하세요</h2>
Anthropic이 개발한 Model Context Protocol(MCP)은 에이전트 상호운용성을 혁신하여, 에이전트를 데이터 소스에 연결하는 통합된 방식을 만들어냈습니다. Google이 개발한 Agent-to-Agent 프로토콜(A2A)은 MCP를 보완합니다. 이 두 프레임워크를 결합하여 에이전트의 통합을 확장 가능하게 만드는 방법을 알아보세요.<br><br><h2>에이전트 테스트 및 배포 모범 사례 구현</h2>에이전트를 프로덕션에 배포하기 전에, 규모 확장에 따르는 위험을 완화해야 합니다. 구성 요소, 통합, 성능 및 보안과 관련된 문제를 포착할 수 있는 견고한 테스트 프레임워크를 만드는 방법을 배워보세요. 사용 사례의 요구 사항을 살펴보고 에이전트에 적합한 배포 유형을 결정하세요.

Introduction to AI Agents

MCP와 A2A 같은 프레임워크로 AI 에이전트 확장의 비결을 알아보세요.

확장 가능한 Agentic 시스템 구축

MCP와 A2A 같은 프레임워크의 도움으로 AI 에이전트를 확장하는 데 필요한 것을 알아보세요.

AI 에이전트 기초

Senior AI Cloud Advocate, Microsoft

AI 에이전트의 확장과 실패

자신감 넘치는 시작

규모 확장 시의 문제

실패 유형 #1 - 취약한 평가

실패 유형 #2 - 의도 표류

실패 유형 #3 - 바람직하지 않은 피드백 루프

실패 유형 #4 - 지연 병목 현상

실패 유형 #5 - 비용 폭증

연습해 봅시다!

확장 가능한 에이전트 디자인 - AI 에이전트가 확장되는 방식(그리고 실패하는 방식)

AI 에이전트가 확장되는 방식(그리고 실패하는 방식)

Create Your Free Account