연락처 정보

코스 개요

자동 완성에서 에이전트로: 왜 에이전트가 실패하는가

•    코딩 에이전트의 구조: 모델, 하니스(harness), 도구 표면(tool surface), 컨텍스트, 권한

•    각 도구의 위치: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI

•    실패의 분류: 잘못된 컨텍스트, 잘못된 도구, 피드백 부재, 무제한 자율성

데모: 동일한 작업을 성공적으로 실행했을 때와 실패했을 때를 나란히 비교

컨텍스트 엔지니어링

•    컨텍스트 창을 예산으로 생각하기: 여기에 포함될 콘텐츠 선정 기준

•    AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — 하나의 개념, 여러 파일명, 단일 진실 공급원(source of truth)

•    규약, 빌드 및 테스트 명령어, 아키텍처 경계

•    검색(Retrieval) 대 명시적 컨텍스트; 작업 분해 및 서브에이전트(sub-agents)

실습: 익숙하지 않은 Python 서비스의 저장소 컨텍스트를 작성한 후, 실패했던 작업을 다시 실행하고 출력을 비교

재사용 가능한 워크플로우와 에이전트 스킬

•    추상화 수준 선택: 지침 파일, 스킬, 커스텀 명령어 또는 일반 스크립트

•    스킬의 구조: 트리거, 지침, 번들된 스크립트, 점진적 공개(progressive disclosure)

•    도구 간 이식성, 그리고 잠금(lock-in)이 시작되는 지점

•    버전 관리, 리뷰 및 팀 내 배포; 일반적인 반패턴(anti-pattern)

실습:_house 코드 표준(code standard)을 강제하는 재사용 가능한 워크플로우를 구축하고 테스트

MCP: 에이전트를 실제 시스템에 연결하기

•    아키텍처: 클라이언트, 서버, 도구, 리소스 및 프롬프트; stdio 및 HTTP 전송 방식

•    제 몫을 하는 서버들: Git 호스팅, 이슈 추적기, 데이터베이스, 브라우저, 내부 API

•    어떤 경우에 CLI나 스크립트가 MCP 서버보다 나은가?

•    도구 표면의 위생(tool-surface hygiene): 도구가 많을수록 신뢰성이 떨어지는 이유

실습: MCP 서버를 연결하여 티켓을 끝까지 처리 — 이슈 생성, 브랜치, 패치, 테스트, 풀 리퀘스트

피드백 루프와 평가

•    테스트, 타입(typos), 린터(linter)를 에이전트의 기준 진실(ground truth)으로 활용; 테스트 우선(TDD) 방식의 작업이 통제 메커니즘이 됨

•    CI를 외부 루프(out-of-loop)로 사용하고, 에이전트가 작성한 차이에 대한 리뷰 disciplina(규율)

•    골든 타스크(golden-task) 평가 세트: 무엇을 측정하고 회귀(regression)를 어떻게 포착할 것인가

•    비용과 지연 시간(latency)을 1급 지표(first-class metric)로 활용

실습: 작은 평가 세트를 구축하고 두 가지 에이전트 구성(configuration)을 대상으로 점수를 매겨 비교

보안 및 가드레일

•    이슈, 풀 리퀘스트, README, 의존성, 가져온 페이지 등을 통한 프롬프트 인젝션

•    권한 모델: 허용 목록(allowlists), 승인(approvals), 읽기 전용 도구, 네트워크 이그레스(egress) 제어

•    시크릿 위생(secret hygiene) 및 샌드박스화: 컨테이너, 에페메럴(ephemeral) 자격 증명, 폭발 반경(blast radius) 제한

•    제3자 MCP 서버와 공유 스킬의 공급망 공급망 위험(supply-chain risk)

실습: 오염된 저장소에 의해 하이재킹(hijacked)되는 에이전트를 관찰한 후, 해당 설정을 강화하여 발생하지 않도록 함

팀 전체에 롤아웃(Rollout)하기

•    단계별 채택 경로; 표준화해야 할 항목과 개인에게 맡길 항목

•    실질적인 가치를 보여주는 지표와 그렇지 않은 지표

요건

•    Python, Git 및 커맨드 라인에 대한 실무 지식

•    AI 코딩 어시스턴트에 대한 일부 사전 경험

•    NobleProg는 Docker, VS Code 및 Python 3.11 이상을 설치한 Dadesoft VM을 참가자를 위해 설정합니다.

•    참가자가 선택한 작동 중인 AI 코딩 어시스턴트: Claude Code, GitHub Copilot, Cursor, Codex CLI 또는 Gemini CLI. 실습은 특정 도구에 종속되지 않으며 각 도구별 지침이 제공됩니다.

대상 독자

•    AI 코딩 어시스턴트를 사용하고 있지만 신뢰할 수 있는 결과를 얻지 못하는 소프트웨어 엔지니어, 기술 리드 및 아키텍트

•    팀 전체에 AI 도구를 배포하는 플랫폼 및 개발자 경험(DevEx) 엔지니어

•    표준, 가드레일 및 성공 지표를 설정하는 엔지니어링 매니저

 7 시간

참가자 수


참가자별 가격

회원 평가 (3)

예정된 코스

관련 카테고리