문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간
코스 개요
LLM과 에이전트 프레임워크 소개
- 인프라스트럭처 자동화에서 대규모 언어 모델의 개요
- 멀티 에이전트 워크플로의 핵심 개념
- AutoGen, CrewAI, LangChain: DevOps에서의 사용 사례
DevOps 작업을 위한 LLM 에이전트 설정
- AutoGen 설치 및 에이전트 프로파일 구성
- OpenAI API 및 기타 LLM 제공업체 활용
- 워스페이스 및 CI/CD 호환 환경 설정
테스트 및 코드 품질 워크플로 자동화
- LLM을 프롬프트하여 유닛 및 통합 테스트 생성
- 에이전트를 활용하여 린팅, 커밋 규칙, 코드 리뷰 가이드라인 강제
- 자동화된 풀 리퀘스트 요약 및 태그 지정
알림 처리 및 변경 감지를 위한 LLM 에이전트
- 파이프라인 실패 알림을 위한 리스폰더 에이전트 설계
- 언어 모델을 사용한 로그 및 트레이스 분석
- 고위험 변경 사항 또는 구성 오류의 선제적 탐지
DevOps에서의 멀티 에이전트 조정
- 역할 기반 에이전트 오케스트레이션 (플래너, 실행자, 리뷰어)
- 에이전트 메시징 루프 및 메모리 관리
- 핵심 시스템을 위한 휴먼-인-더-루프 설계
보안, 거버넌스, 관측 가능성
- 인프라스트럭처에서의 데이터 노출 및 LLM 안전성 처리
- 에이전트 행동 감사 및 범위 제한
- 파이프라인 동작 추적 및 모델 피드백
실제 사용 사례 및 커스텀 시나리오
- 인시던트 대응을 위한 에이전트 워크플로 설계
- GitHub Actions, Slack, Jira와 에이전트 통합
- DevOps에서의 LLM 통합 확장 모범 사례
요약 및 다음 단계
요건
- DevOps 툴링 및 파이프라인 자동화 경험
- Python 및 Git 기반 워크플로의 실무 지식
- LLM에 대한 이해 또는 프롬프트 엔지니어링 경험
대상 독자
- 혁신 엔지니어 및 AI 통합 플랫폼 리드
- DevOps 또는 자동화 분야에서 일하는 LLM 개발자
- 지능형 에이전트 프레임워크를 탐구하는 DevOps 전문가