IT 기술 따라잡기

오랜 시간 블로그를 통해 IT 기술의 변화와 그 과정에서의 배움을 기록해 오고 있습니다. 

최근 AI 에이전트를 일무에 적용하며 직접 경험한 독특한 사례가 하나 있었는데, 이를 통해 앞으로 우리가 마주하게 될 소프트웨어 개발 방식의 변화에 대해 개인적인 견해를 공유해 보고자 합니다.

🛠️ 흥미로운 발견: 구현되지 않은 기능을 수행한 AI

최근 고비(GOBI)라는 AI 에이전트 기반 프로젝트를 테스트하던 중이었습니다. 

당시 제가 사용하던 버전에는 '댓글 달기' 기능이 아직 로직조차 짜이지 않은 상태였습니다. 

당연히 명령어도 존재하지 않았죠.

그런데 제가 음성으로 지시를 내리자 놀라운 현상이 벌어졌습니다. 

이 에이전트가 에러를 뱉는 대신, 시스템 내부의 데이터 구조를 스스로 분석하더니 **"전용 명령어는 없지만, 내가 알고 있는 다른 기능을 요렇게 조합하면 결과적으로 해결할 수 있겠네!"**라고 스스로 판단하여 우회로(Workaround)를 설계해 성공시킨 것입니다.

🧠 새로운 SDLC의 가능성: 자가 진화하는 소프트웨어

이 경험은 저에게 전통적인 **Software Development Life Cycle (SDLC, 소프트웨어 개발 생명 주기)**이 앞으로 어떻게 진화할 수 있을지에 대한 강력한 영감을 주었습니다.

지금까지의 SDLC가 기획자(PO)나 분석가(BA)가 사용자의 요구를 미리 '예상'하여 만드는 과정이었다면, 미래에는 다음과 같은 모델이 더 확대될 것으로 보입니다.

예상에서 시도로: 완벽한 앱을 만들기 위해 모든 단계를 거친 후 배포하는 것이 아니라, 핵심 아이디어만 담은 POC 수준의 앱을 먼저 세상에 내놓습니다.

실시간 요구사항: 사용자가 실제로 도구를 사용하며 내리는 지시나 겪는 실패(Workaround의 필요성)가 곧바로 가장 정확한 '요구사항'이 됩니다.

자가 진화: 사용자가 보유한 수준 높은 AI 개발자가 그 요구사항을 즉시 구현하고 시스템에 통합합니다. 소프트웨어가 사용자와 함께 호흡하며 실시간으로 진화하는 것입니다.

물론 금융이나 의료처럼 고도의 안정성이 필수인 영역은 전통적인 방식이 견고하게 유지되겠지만, 사용자 경험이 중요한 대다수의 서비스 영역에서는 이러한 '자가 진화형 프로세스'가 점점 더 큰 비중을 차지하게 될 것이라 생각합니다.

🚀 빌더(Builder)가 설계해야 할 미래

이제 빌더의 역할은 모든 기능을 직접 코딩하는 단계를 넘어, AI가 스스로 성장할 수 있는 안전한 운동장인 **'하네스(Harness)'**를 얼마나 잘 설계하느냐로 옮겨갈 것입니다.

제가 현재 집중하고 있는 Vibe Guiding 프로젝트의 최종 목표 또한, 이처럼 사용자의 맥락을 이해하고 스스로 부족한 기능을 채워가며 함께 성장하는 소프트웨어를 만드는 것입니다.

아직은 하나의 현상을 보고 던지는 화두에 가깝지만, 모두가 수준 높은 AI 개발자를 소유하게 된 이 시대에 우리가 고민해 봐야 할 지점임은 분명해 보입니다. 더 자세한 분석과 시각화 자료는 아래 서브스택 글에 정리해 두었습니다.

🔗 상세 분석 읽어보기

Substack (KR): https://lifidea.substack.com/p/ai-3c7?r=57u2e2

Substack (EN): https://lifidea.substack.com/p/the-age-of-user-builders-a-paradigm?r=57u2e2

그동안 Application 개발은 프로그래밍 언어를 배운 사람들만의 전유물이었다면,

AI Application 개발은 그렇지 않은 사람들에게도 어플리케이션 개발의 기회를 줍니다.

AI 는 인간의 언어를 이해하고 인간의 언어를 통해서 작동되는 툴이라서 그렇습니다.

이 추론은 AI 로 부터 좀 더 Quality 높은 답변을 받도록 하는 기술 입니다.

이 부분이 바로 인간의 언어로 프로그래밍 할 수 있는 부분입니다.

이 기술을 배우면 굳이 AI 어플리케이션 개발 뿐만 아니라 일상 생활에서도 AI 를 좀 더 잘 활용하는데 도움이 됩니다.

이 비디오는 AI Agent Application 개발에 관심이 있는 분들을 대상으로 만들어 졌지만
IT 전문가가 아니더라도 알아두면 도움이 될 만한 추론 관련 정보를 얻으 실 수 있을 겁니다.

-------------------------------------------------------------------

오늘은 본격적으로 REWOO 추론 방법론 LangGraph Tutorial 을 공부를 시작합니다.

AI Agent Application을 개발 하다 보면 도구 사용 관련해서 빈번하게 LLM API call 이 이뤄지게 됩니다.
이 추론 방법론은 추론과 도구사용을 분리함으로서 API call을 줄여 비용 절감을 할 수 있게 해 줍니다.
게다가 성능 향상까지 이루어 줍니다.

이 REWOO 추론 방법론이 비용절감과 성능향상을 동시에 이룰 수 있었던 비밀을 제대로 파헤쳐 보겠습니다.

https://youtu.be/qtob6xrZLwM?si=CctYX3di5F2XjoNi

이제 본격적으로 Plan & Execute 의 소스코드를 분석하고 실행해 봅니다.

AI 어플리케이션 개발자가 되시고 싶거나 어떻게 개발하는지 대략이라도 알고 싶으신 분들에게 도움이 될 겁니다.

이 AI 어플리케이션은 User의 질문을 받으면 그 질문에 답하지 않습니다.

더 좋은 답을 만들기 위해서 정답을 찾을 계획을 세웁니다.

바로 Plan 단계를 구현한 소스코드를 분석하고 직접 실행해 보겠습니다.

State Management, create Tool, create_react_agent, 

AI Agent 어플리케이션을 개발하기 위한 핵심 개념들을 배웁니다.

그리고 그 기술들을 사용해서 Planning Agent를 만드는 방법을 배웁니다.

"가장 유명한 K-Pop Girl group 멤버들의 생일은?"

이 질문에 과연 이 AI Agent 는 어떻게 답했을까요?

이 영상에서 확인해 보세요.

https://youtu.be/-FHz4VQh8qE?si=-G_egrCsjd7Q_mqC

오늘은 마이크로소프트 본사에서 열린 AI Agent Hackathon에 참가한 이야기를 나눠보려고 합니다!

저는 인도인 두 명, 중국인 한 명, 그리고 저까지 총 4명이 한 팀을 구성해 즉석에서 아이디어를 나누고, 중국 친구가 제안한 독창적인 아이디어로 AI 에이전트 애플리케이션을 만들어보았습니다.

이날 해커썬에는 즉석에서 팀을 구성한 참가자들뿐만 아니라, 미리 준비된 팀들도 참여했는데요, 총 14개 팀이 각자의 개성 넘치는 아이디어로 만든 어플리케이션을 발표했습니다. 그 중에서도 정말 창의적이고 유익한 아이디어들이 많아서 모두가 함께 성장하는 시간이었습니다.

특히, 이 해커썬에서 느낄 수 있었던 뜨거운 열정과 에너지는 정말 잊을 수 없을 것 같아요. 새로운 것을 배우고, 새로운 친구들을 사귀고, 그들의 열정으로부터 큰 동기부여를 받을 수 있었습니다.

이 비디오에서는 이 특별한 날의 순간들, 참가자들의 열정, 그리고 AI 에이전트 개발에 대한 다양한 아이디어를 생생하게 전달해드리겠습니다.

지금 바로 확인해 보세요! 새로운 아이디어와 에너지를 느껴 보실 수 있을 겁니다!

https://youtu.be/65APUoBgCS0?si=tZ8K-CkMWy65dorE

오늘은 Hierarchical Arcitecture를 적용한 AI Agent Web Application 소스코드 분석 마지막 시간 입니다.

AI는 맥락을 이해하고 판단하는 능력이 있습니다.

기존의 앱은 속도와 정확성 면에서 탁월합니다.

Agentic AI는 이러한 구기술과 신기술의 장점을 활용해서 더 나은 서비스를 제공하는 것이 목표입니다.

이와 관련해서 Memory 관리, Human in the Loop 기능, 프롬프트 관리, Agentic Workflow 등 많은 기술과 개념들이 나오고 있습니다.

그리고 그러한 기술과 개념들을 적용하는 실험들이 많이 이루어 지고 있습니다.

이번 소스코드 분석은 그러한 새로운 기술과 개념 중 하나인 Prompting 관점에서 Backend 소스코드를 집중적으로 분석해 보겠습니다.

Agentic AI 를 조금 더 깊게 이해하는데 도움이 될 것입니다.

https://youtu.be/BCn3ZjI5nFY?si=TPzHajs_p_jTSSb4

여러분 새해 복 많이 받으세요.

오늘은 지난 시간에 Frontend 소스코드 분석에 이어서 Backend 소스 코드 분석에 들어갑니다.

AI Agent 어플리케이션 개발 Tool이 새로 나오는 이유는 이 프로그래밍이 기존의 프로그래밍과 다른 점이 있기 때문에 그 부분을 구현 한 새로운 개발 툴이 나오는 겁니다.

바로 AI Agent 프로그래밍과 Traditional 프로그래밍의 다른 점을 알아 봅니다.

그것을 알면 AI Agent 프로그래머가 되려면 어떤 부분을 잘 알아야 될지 명확해 집니다.

오늘은 어플리케이션 개발자가 아닌 분들이 보셔도 AI Agent 를 이해하시는데 도움이 되는 내용이 많이 있습니다.

2025년 새해는 AI 가 보다 대중화 되면서 우리 곁으로 좀 더 다가 올 겁니다.

그 중심에 AI Agent 가 있을 겁니다.

새해를 맞아 AI 지식을 쌓아 보세요.

https://youtu.be/lCvOOboeDRc?si=ArkQ-MfpvNfrUPNc

오늘은 Research Team 을 완료 합니다.

지금까지 만든 Tool들과 함수들 그리고 LangGraph 에서 제공하는 모듈들을 사용해서 레고 블럭처럼 간단하게 Agent들을 만들고 Supervisor Architecture 로 구성된 Team 을 만들 수 있습니다.

Sub Supervisor Architecture 도 하나의 완성된 Supervisor Architecture 입니다.

그렇기 때문에 이 Sub Supervisor Architecture 인 Research Team 도 독립적으로 User 를 응대 할 수 있습니다.

미래의 구직은 사람이 하지 않을 겁니다.

내가 특정 Task 에 경쟁력 있는 AI Agent를 만들고 그 Agent를 취직 시키면 앉아서 돈을 버는 시대가 올겁니다.

이번 비디오에서 그 가능성을 확인해 보세요.

https://youtu.be/TC18Iqvaf8s?si=ELasdsPRho3NJ28b

자 이제 Agent 생성하기 위한 마지막 준비 단계입니다.

Hierarchical Architecture  는 Supervisor Architecture 를 여러개 모아 놓은 구조 입니다.

즉 Supervisor Architecture 를 여러개 만들어야 한다는 겁니다.

Factory Design Pattern을 사용해서 쉽게 Supervisor Architecture를 구현하도록 하는 함수를 만듭니다.

그러면 나중에 다른 팀을 추가하는 작업도 간편하게 할 수 있습니다.

코드의 유지 보수도 쉽게 해 주고 확장성도 높여 줍니다.

오늘은 이 Factory Design Pattern을 사용해서 Supervisor Architecture를 쉽게 생성하도록 만드는 함수를 공부해 보겠습니다.

그리고 Python 3.11 이상에서만 지원되는 * unpacking 을 3.10 이하 버전에서 unpacking 할 인자들이 가변적일 때 어떻게 처리해야 하는지도 살펴 봅니다.

https://youtu.be/Ft8lK2G5IFs?si=UnmG7BsBrR-aMkqI

오늘은 Agent들이 사용할 Tool들을 구현하는 마지막 시간입니다.

Document Authoring Team 이 사용할 Tool을 구현합니다.

문서 작업팀이니까 파일을 읽고 쓰고 수정하는 도구들을 만듭니다.

그리고 Chart Generator Agent를 위해 Python 코드를 실행할 도구도 만듭니다.

전체 그림을 그리고 처음 하는 일이 이런 Tool들을 구현하는 작업입니다.

그 다음은 특정 Agent와 필요한 Tool들을 짝지어서 Agent Node를 만드는 일입니다.

그리고 나서 Agent들을 Grouping 해서 Team을 구성합니다. 

이 때 Supervisor Architecture가 사용 됩니다.

이 팀들을 관리하는 Supervisor 를 구현하는 것이 그 다음 단계입니다.

이것도 Supervisor Architecture 입니다.

이렇게 Supervisor Architecture를 Multiple 하게 사용하는 곳아  Hierarchical Architecture 입니다.

오늘 가장 기본이 되는 Tool들을 구현하는 작업을 끝마치고 다음 시간부터 Agent들을 구현하겠습니다.

https://youtu.be/JTdh8pNY1PE?si=wrESnWDNexO2B7lz

오늘은 LangGraph의 Hierarchical Agent Teams Architecture 두번째 시간입니다.

지난 시간에 이 Tutorial 에서 제공되는 소스코드의 Agent Architecture 전체 그림을 분석했습니다.

필요한 Team과 각 팀마다 필요한 Agent들을 정했구요.

일을 시키려면 그 일에 맞는 적당한 도구를 주어 줘야 합니다.

오늘은 각 Agent의 역할에 맞는 도구를 구현하는 방법을 배워 보겠습니다.

먼저 Research Team 에 있는 Searcher Agent와 Web Scraper Agent 에게 각각 어떤 Tool들을 제공할지 그리고 그 Tool들은 어떻게 구현하는지 자세히 공부하겠습니다.

https://youtu.be/I4SID3VPUi0?si=QcmZvwe7mFa990_J