AI 에이전트는 대규모 언어 모델(LLM)을 기반으로 사용자의 목표를 이해하고, 스스로 판단하며, 실제 작업을 수행하는 지능형 파트너입니다.

에이전트는 메모리를 활용해 사용자 대화 맥락을 유지할 수 있고, 채팅 기반 테스트가 가능하여 사람과 유사한 상호작용을 지원합니다.

1단계: 프로젝트 생성

메인 페이지에서 Create Project 버튼을 눌러 새 프로젝트를 만듭니다.

필요하다면 왼쪽 사이드바의 핀 버튼을 눌러 상단에 고정할 수 있습니다.

2단계: 에이전트 선택

프로젝트 내부 사이드바에서 Ability 또는 Agent 중 하나를 선택할 수 있습니다.

이번 가이드에서는 Agent를 선택합니다.

3단계: 에이전트 추가

프로젝트 내부에서 Create 버튼을 눌러 에이전트를 생성합니다.

4단계: 캔버스 진입

생성된 에이전트를 클릭하면 캔버스 에디터로 이동합니다.

캔버스는 워크플로우를 설계하는 공간입니다.

에이전트 역시 기본적으로 INPUT 노드와 OUTPUT 노드가 제공됩니다.

5단계: 에이전트 전용 노드 활용

에이전트는 어빌리티와 달리 AI Agent 노드를 추가할 수 있습니다.

이 노드에는 장기 기억(Long-term Memory), 단기 기억(Short-term Memory), 에이전트 툴(다른 에이전트 실행), ReAct Agent 노드가 포함되어 있습니다.

시나리오에 맞게 적절한 노드를 선택하세요.

(예시: 끝말잇기 에이전트를 만들고 싶다면 단기 기억 노드를 사용해 사용자의 입력을 기억해야 합니다.)

6단계: 노드 구성 및 연결

캔버스 하단의 Add Node 버튼으로 필요한 노드를 추가합니다.

원하는 노드를 드래그 앤 드롭으로 배치하고, 엣지로 연결하여 데이터 흐름을 만듭니다.

더블 클릭하여 입출력 변수를 정의하고, 필요하다면 코드나 프롬프트도 작성합니다.

(참고: 코드 작성 및 노드 사용법은 [노드 다루기]와 [어빌리티 개발하기]를 참고하세요.)

엣지를 연결한 후에 OUTPUT 노드에 최종 출력할 결과를 선언해주세요.

7단계: 대화형 로직 설계

에이전트는 단순한 기능 실행이 아니라 사용자와의 대화맥락을 유지하며 사람처럼 상호작용합니다.

단기 기억 노드로 직전 대화를 활용하거나, 장기 기억 노드로 사용자 선호 및 과거 기록을 불러올 수 있습니다.

조건 분기를 통해 상황에 따라 다른 응답이나 행동을 선택하도록 설계할 수도 있습니다.

8단계: AI 기능 확장

LLM 노드를 추가해 대화 응답을 생성하거나, 복잡한 작업을 처리합니다.

필요하다면 에이전트 도구 노드를 활용하여 외부 툴 실행 및 탐색 기능을 결합할 수도 있습니다.

이렇게 하면 에이전트가 단순 대화에서 나아가 실제 의사결정을 수행할 수 있습니다.

9단계: 채팅 기반 테스트

어빌리티 테스트가 순차 실행 결과 확인 방식인 반면, 에이전트 테스트는 채팅 인터페이스로 진행됩니다.

채팅을 통해 에이전트와 대화하면서 동작을 확인하세요.

어색하거나 잘못된 응답이 나오면 노드를 수정하고 다시 테스트합니다.

10단계: 개선과 확장

반복적으로 테스트하며 대화 맥락 유지, 메모리 활용, 의사결정 과정을 점검합니다.

이 과정을 통해 에이전트를 점점 더 자연스럽고 지능적인 대화형 파트너로 다듬어갈 수 있습니다.