시스템을 50%까지 확장할 때 특히 걱정되는 부분은 비용이에요. 따라서 비용에 미칠 영향을 예상하기 위해 에이전트 설계를 다시 점검하려고 해요.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
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.
현재 연습
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.
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.
