AI 에이전트 크루 실습

과정 개요

이 과정은 에이전트 용어를 암기하는 대신, 동작하는 Kiro Crew 시스템에서 에이전트를 직접 만들며 학습합니다. 크루를 만들고, 절차를 스킬로 붙이고, 규칙을 파일로 남기고, 문서로 답하게 하고, 실행 루프와 일정을 설계한 뒤, 마지막에는 사람이 결정합니다.

각 Lab은 핵심 질문 하나와 직접 만드는 것 하나로 구성됩니다. 참가자는 대시보드에서 결과를 만들고, 설정·파일·화면·Git에 무엇이 남았는지 확인하며, 실행 결과를 도구와 파일로 검증합니다.

#	실습	만드는 것	핵심 질문
1	에이전트를 만든다	Crew · Workspace	에이전트를 만든다는 것은 무엇을 정하는 일인가
2	절차를 스킬로 붙인다	Skill · 템플릿 매핑	반복할 절차를 어디에 두면 재사용되는가
3	기억을 파일로 남긴다	Steering · 인계 문서	세션이 끝나도 남아야 할 것을 어디에 두는가
4	문서로 답한다	Knowledge 소스	근거가 없을 때 에이전트는 무엇을 해야 하는가
5	루프를 설계하고 돌린다	태스크 명세 · DAG	자동화의 성공은 무엇을 보고 믿는가
6	반복 작업을 예약한다	반복 스케줄	무인 실행의 실패는 누가 발견하는가
7	사람이 결정한다	판단·기록 (Artifacts)	자동화가 끝까지 해 줄 수 없는 것은 무엇인가

과정을 마치면 이런 것들이 실제로 남습니다.

무엇을, 왜 배우는가

일곱 개의 Lab은 각각 하나의 능력을 만듭니다. 왜 그 능력이 필요한지, 어디에 쓰이는지, 배운 뒤 무엇을 하면 되는지를 먼저 봐 둡니다.

왜 지금 에이전트인가

이 과정이 다루는 능력들은 이 분야를 만들어 온 사람들이 지금 가장 강조하는 것들입니다.

번역: 가장 뜨거운 새 프로그래밍 언어는 영어다.

— Andrej Karpathy (OpenAI 공동창업자, 전 Tesla AI 총괄) · X, 2023

이 과정에서 여러분이 문장으로 크루를 정의하고, 절차를 스킬로 쓰고, 작업 설명을 명세로 정제하는 이유입니다. 문장이 곧 프로그램이라면, 문장을 정확하게 쓰는 법을 연습해야 합니다.

번역: 에이전틱 워크플로가 올해 엄청난 AI 진보를 이끌 것이라고 생각한다 — 아마 차세대 파운데이션 모델보다도 더. 중요한 흐름이며, AI 분야에서 일하는 모두가 주목하기를 권한다.

— Andrew Ng (스탠퍼드 교수, DeepLearning.AI 창업자) · X, 2024

더 좋은 모델을 기다리는 것보다 지금 모델로 루프를 잘 설계하는 것이 더 큰 차이를 만든다는 주장입니다. Lab 5가 그 설계를 다룹니다.

서비스와 에이전트 — 무엇이 다른가

“AI를 활용한 서비스”와 “AI 에이전트”는 자주 섞여 쓰이지만 다른 것입니다. 구분 기준은 제어 흐름을 누가 쥐는가입니다.

• AI 활용 서비스 — 개발자가 짠 코드가 흐름을 쥐고, AI는 그 흐름 속에서 호출당하는 부품입니다. AI에게 대답을 시키는 것.
• AI 에이전트 — 목표를 주면 AI가 다음 행동을 스스로 결정하며 도구를 호출하는 작업자입니다. AI에게 일을 맡기는 것.

둘 사이는 단절이 아니라 자율성의 스펙트럼입니다.

어디부터 에이전트인지는 세 가지 질문으로 판별합니다 — ① 세상에 작용하는가 (읽고 답하기만 하나, 파일과 시스템을 바꾸나) ② 여러 단계를 스스로 계획하는가 ③ 사람 없이 진행되는 구간이 있는가.

한 가지 반전이 있습니다. 완성된 에이전트를 고객에게 제공하는 순간, 고객의 코드 입장에서 그것은 다시 1번의 호출이 됩니다. 스펙트럼은 직선이 아니라 나선이고, 한 층의 에이전트는 상위층의 함수입니다. 단 이 고리는 저절로 닫히지 않습니다 — 루프가 사람 없이 완결될 만큼 신뢰될 때에야 에이전트는 함수가 됩니다. 이 과정이 승인 경계와 실행 이력을 끝까지 강조하는 이유입니다.

1. 에이전트를 만든다

왜 배우는가. “에이전트를 쓴다”와 “에이전트를 만든다”는 다릅니다. 직접 하나 만들어 보면 에이전트가 마법이 아니라 몇 가지 결정의 묶음이라는 것을 알게 됩니다 — 무엇을 물려받고, 어디서 일하고, 무엇을 기억하고, 언제 불려 나오는지.

어디에 쓰는가. 역할이 다른 에이전트를 나눠 운영할 때 — 리뷰 담당, 점검 담당, 실습 담당처럼 업무별 전용 에이전트를 구성하는 모든 상황.

배운 뒤에는. 자기 업무에서 반복되는 역할 하나를 골라 전용 크루로 만들어 봅니다. 그 크루가 설정 파일에 무엇으로 남는지 직접 확인할 수 있게 됩니다.

2. 절차를 스킬로 붙인다

왜 배우는가. 좋은 프롬프트를 매번 다시 쓰는 것은 재사용이 아닙니다. 절차를 파일로 저장해 두면 출력 형식이 재현되고, 파일 하나를 넘기는 것으로 팀 전체가 같은 절차를 씁니다.

어디에 쓰는가. 보고 형식, 점검 절차, 리뷰 체크리스트처럼 매번 같은 방식으로 해야 하는 일.

배운 뒤에는. 에이전트에게 매번 비슷하게 시키는 요청 하나를 골라 스킬로 굳혀 봅니다.

3. 기억을 파일로 남긴다

왜 배우는가. 세션이 닫히면 대화는 사라집니다. 남아야 할 규칙과 작업 상태를 파일로 두면 다음 세션이, 그리고 다른 사람이 그대로 이어받습니다. 파일은 Git으로 이력이 남고 리뷰도 됩니다.

어디에 쓰는가. 팀 컨벤션을 모든 답변에 적용할 때, 자리를 비우며 작업을 넘길 때, 에이전트 규칙을 코드처럼 관리하고 싶을 때.

배운 뒤에는. 자기 팀의 규칙 하나를 Steering 파일로, 진행 중인 작업 하나를 인계 문서로 만들어 봅니다.

4. 문서로 답한다

왜 배우는가. 에이전트의 지식은 등록한 만큼입니다. 그리고 가장 위험한 답은 “모른다”가 아니라 그럴듯한 추측입니다. 근거 있는 답과 추측을 구분하고, 근거가 없을 때 멈추게 만드는 방법을 익힙니다.

어디에 쓰는가. 사내 정책·매뉴얼 기반 질의응답, 문서에 근거해야 하는 고객 응대, 규정 확인.

배운 뒤에는. 자주 찾아보는 문서 폴더 하나를 지식으로 등록하고, 문서에 없는 것을 일부러 물어 방어선이 동작하는지 확인해 봅니다.

5. 루프를 설계하고 돌린다

왜 배우는가. 자동화의 실패는 대부분 실행이 아니라 명세에서 시작됩니다. 모호한 문장이 어느 단계에서 하나의 해석으로 조용히 확정되는지, 성공 보고 뒤에 결과가 실제로 어디에 생겼는지를 직접 봅니다.

어디에 쓰는가. 여러 파일에 걸친 반복 작업, 집계·요약·변환처럼 단계가 있는 파이프라인 자동화.

배운 뒤에는. 반복 작업 하나를 명세로 정제해 보고, 실행 버튼을 누르기 전에 명세를 끝까지 읽는 습관이 생깁니다.

6. 반복 작업을 예약한다

왜 배우는가. 무인 실행은 편리함과 함께 “아무도 실패를 보지 못하는 시간”을 만듭니다. 등록이 아니라 첫 실행의 성공 확인까지가 설정이고, 실행 이력을 보는 습관이 무인 운영의 절반입니다.

어디에 쓰는가. 아침 점검 보고, 주기적 요약, 야간 배치처럼 사람이 없는 시각의 반복 작업.

배운 뒤에는. 등록 → 수동 실행 → 이력 확인의 순서를 자기 반복 작업에 그대로 적용할 수 있게 됩니다.

7. 사람이 결정한다

왜 배우는가. 자동 지표가 아무리 좋아 보여도 결정은 판단의 문제입니다. 그리고 결정 지점은 저절로 생기지 않습니다 — 설계에 넣었기 때문에 에이전트가 멈추고 사람에게 묻습니다.

어디에 쓰는가. 릴리스 판단, 승인 워크플로, 보고서 최종 검토처럼 자동화가 자료를 만들고 사람이 결론을 내리는 모든 흐름.

배운 뒤에는. 자기 업무 흐름에서 “여기서는 사람이 멈춰야 한다”는 지점을 정하고, 그 지점을 질문 카드로 설계할 수 있게 됩니다.

kiro-cli whoami