연락처 정보
 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

참가자 수


참가자별 가격

예정된 코스

관련 카테고리