코딩을 모르는 업무전문가가 만드는 AI 에이전트 개발 가이드
업무 전문가가 말로 정의한 업무를 프론티어 AI가 결정적 코드 중심의 스킬로 만들고, 폐쇄망의 작은 모델이 같은 결과로 실행하게 하는 AI Agent 스킬 설계 방법을 110쪽 백서에 담았습니다.
업무 전문가가 말로 정의한 업무를 프론티어 AI가 결정적 코드 중심의 스킬로 만들고, 폐쇄망의 작은 모델이 같은 결과로 실행하게 하는 AI Agent 스킬 설계 방법을 110쪽 백서에 담았습니다.
업무 담당자가 말로 업무를 정하고 조직 안의 sLLM 위에서 AI Agent가 일하게 하는 오픈소스 Studio, OPENMARU AAS를 소개합니다. 챗봇과의 차이, 견적 작성 사례, 도입 점검표를 109쪽 백서에 담았습니다.
오픈마루가 한국인공지능산업협회(AIIA) AIIA Journal Vol.106 'AI 기업탐방'에 소개됐습니다. 협회 소개와 AI Native Platform 전략, AINP·MSAP.ai·iAP 제품을 정리했습니다.
AI 오케스트레이션이란 무엇인지, RPA와의 차이, 게이트웨이·MCP·RAG·사람 승인·관측성 등 구성 요소, 워크플로형과 에이전트형 패턴, 도구 비교, 국내 기업 도입 순서와 온프레미스 구성까지 한 번에 정리했습니다. 도입 전에 확인하세요.
AI를 쓰는 조직과 개인이 일을 나누고 맡기고 검수하는 방식을 어떻게 바꿔야 하는지 직무·조직·개인·역할별 사용법으로 정리한 333쪽 발표자료다.
AI 종류를 능력 수준·작동 방식·학습 방식·결과물·기술 분야·서비스 형태·배포 방식의 일곱 기준으로 정리하고, 약인공지능과 생성형 AI, AI 기본법 분류, 업무별 선택 기준까지 한 번에 설명합니다.
AI 에이전트 도입 조건을 Hermes Agent 도입 검토 영상으로 정리했습니다. 제품 몫과 조직 몫, 도입 전 세 가지 조건, 공개 사례의 한계를 캡처 8장과 함께 차례로 살펴보고 점검 기준을 가져가세요.
챗봇과 에이전트 차이를 6분 영상과 캡처 7장으로 정리했습니다. 실행이 끝난 뒤 남는 것, LLM·RAG·RPA와의 비교, AI 에이전트를 권한을 가진 자동화로 보고 네 겹의 통제를 설계해야 하는 이유까지 살펴보세요.
자기 개선형 오픈소스 AI 에이전트 Hermes Agent의 구조와 핵심 기능, 로컬 LLM 구성, 보안과 도입 로드맵을 여덟 파트로 정리한 121쪽 발표자료다.
에이전트 컨테이너 격리를 포함한 Hermes Agent 여덟 가지 검토 항목을 17분 영상으로 정리했습니다. 공식 문서가 밝힌 근거와 조직이 직접 채울 빈칸을 캡처 9장과 함께 차례로 살펴보고 도입 기준을 가져가세요.
제브 입출력 구조를 20분 영상으로 정리했습니다. 상태와 질문을 넣고 확률을 받는 방식, Choice·Score·Noul 세 질문 유형, 확신도와 0.5 해석까지 캡처 9장과 함께 차근차근 살펴보세요.
AI 에이전트 제품 구성을 6분 영상으로 정리했습니다. Hermes Agent의 설치 전제와 코어·스킬 두 층, 교체 가능한 세 갈래, 여덟 항목 기본 제공 여부를 캡처 8장과 함께 확인해 보세요.
AI 에이전트 검토 기준을 9분 영상으로 정리했습니다. 위임한 일의 목록에서 출발해 OWASP 위험 10개 범주를 실행 단계 다섯으로 묶고 필수 기능 8가지로 확정하는 과정을 캡처 7장과 함께 살펴보세요.
판단 전용 AI 모델 제브(Jev)를 13분 영상으로 정리했습니다. LLM이 판단에서 막히는 이유, 제브의 입출력 구조, 속도 수치를 읽는 법을 캡처 9장과 함께 차례로 살펴보고 도입 전에 확인할 기준까지 가져가세요.
AI 에이전트 팀은 사람 팀처럼 이해하면 됩니다. 프로파일·에이전트·부르는 창구의 구분과 멀티에이전트 시범 도입 순서를 81쪽 백서에 정리했습니다.
MSAP.ai AAS는 부서 담당자가 AI 에이전트를 만들고 지켜보는 콘솔이다. 실제 화면과 부서별 사례, 보안 구조, 파일럿 4단계를 45쪽 발표자료로 정리했다.
MSAP.ai AAS는 업무 담당자가 조직 안에서 AI 에이전트를 만들고 지켜보는 콘솔입니다. 명함·공문·회의록 같은 첫 파일럿 선정 기준까지 134쪽 백서에 담았습니다.
AI 에이전트의 개념과 동작 원리, 설계 패턴, 도입 전략, 보안과 가드레일, LLM 게이트웨이까지 열두 파트로 정리한 88쪽 발표자료다.
LiteLLM은 흩어진 LLM 호출 경로를 게이트웨이 한 곳으로 모으는 오픈소스다. 핵심 기능과 운영 한계, 2026년 보안 사고, 도입 순서를 102쪽 발표자료로 정리했다.
AI 에이전트 운영의 병목은 모델이 아니라 모델로 가는 길목입니다. 흩어진 LLM 호출 경로를 LiteLLM Proxy 한 곳으로 모으고 키 분리와 지표 수집을 다음 단계로 정하는 기준을 98쪽 백서로 정리했습니다.
LLM은 구글의 2017년 Transformer 논문에서 출발해 다음 단어를 확률적으로 예측하는 대규모 언어 모델입니다.
새로운 백서 소식을 가장 먼저 만나보세요!
챗봇과 에이전트를 가르는 선은 화면이 아니라 실행 방식에 있습니다.
Agentic AI는 특정 제품이 아니라, AI가 얼마나 자율적으로 판단하고 행동하는지를 가리키는 속성이자 패러다임입니다.
이 도입 파트는 총 14장으로 구성되며, 개념 이해에서 아키텍처, 도입 과제, 배경 기술까지 네 흐름으로 나눠 볼 수 있습니다.
챗봇(Chatbot)은 입력된 질문에 대해 미리 준비된 방식으로 답변을 돌려주는 대화형 소프트웨어입니다.
AI 에이전트(AI Agent)는 대규모 언어 모델(LLM, Large Language Model)을 두뇌로 삼아, 주어진 목표를 달성하기 위해 스스로 계획을 세우고(Planning) 외부 도구를 호출해(Tool Use) 여러 단계를 실행하는 소프트웨어 시스템입니다.
지난 3 년 동안 국내 대기업과 금융권, 공공기관의 CIO 사무국을 관찰해 보면 지식 협업 도구 스택에 세 가지 균열이 동시에 발생하고 있습니다.
AI Agent를 만들겠다고 결심했을 때 가장 막막한 지점은 "노드를 어디서부터 어떻게 연결해야 하는가"입니다.
Blog,공지사항 [웨비나] 클라우드 네이티브 전환과 MSA 구현 전략 - MSAP.ai 런칭 기념 부스 현장 분위기와 방문하지 못한 분들도 보실 수 있는 AI 기반 모니터링 데모 영상을 제공합니다. [...]
Flowise 설치와 Credential 등록, Hello World, 노드 카탈로그까지 한 번 거쳐 본 엔지니어가 대상입니다.
LLM 애플리케이션을 만들 때 우리는 흔히 LangChain·LangGraph·CrewAI 같은 코드 프레임워크부터 떠올립니다.