5단계: AI 응용 시나리오 탐색

Google와 Kaggle이 공동으로 제공하는 5일간의 AI 에이전트 집중 과정으로, 프로덕션 수준의 AI 에이전트 시스템을 구축하고 평가하며 배포하는 방법을 학습합니다.

AIAgentsGoogleGeminiWebSiteVideoFreeEnglish

5일간의 AI 에이전트 집중 과정 - Google & Kaggle

과정 개요

본 과정은 Google의 머신러닝 연구원 및 엔지니어들이 개발자들이 AI 에이전트(AI Agents)를 구축·평가·배포하는 기술을 습득할 수 있도록 정성껏 마련한 무료 온라인 강의입니다. 이는 Google과 Kaggle이 이전에 성공적으로 진행했던 생성형 AI 집중 과정(28만 명 이상의 학습자 참여)에 이어 출시하는 고급 버전입니다.

기본 정보

강의 기간: 2025년 11월 10일~14일 (5일간)
수업 방식: 완전 온라인
비용: 완전 무료
주최: Google & Kaggle
강의 언어: 영어
참여 인원: 수십만 명 예상

과정 특징

이론과 실습의 결합: 매일 개념 심화 설명, 실습 랩(Codelabs), 실시간 토론 포함
다양한 학습 자료:
- AI 생성 팟캐스트(NotebookLM 활용)
- 전문가 백서(Google 전문가 집필)
- 실습 코드 랩
- YouTube 실시간 강의
- Discord 커뮤니티 지원
실전 프로젝트: 과정 종료 후 캡스톤(Capstone) 프로젝트 수행, 우수 작품은 상품 수여 및 Google·Kaggle 공식 소셜미디어에 소개
수료 인증: 캡스톤 프로젝트 완료 시 Kaggle 배지 획득

과정 구조 및 기술 스택

핵심 기술

기반 모델: Google Gemini
개발 프레임워크: Agent Development Kit (ADK)
통신 프로토콜: Model Context Protocol (MCP)
플랫폼: Kaggle (Codelabs용)
프로그래밍 언어: Python
보조 도구: NotebookLM

핵심 구성 요소

본 과정은 AI 에이전트의 다섯 가지 핵심 구성 요소를 다룹니다:

Models(모델): 대규모 언어 모델 기초
Tools(도구): 외부 함수 및 API 호출
Orchestration(오케스트레이션): 워크플로우 조율
Memory(메모리): 단기 및 장기 기억 관리
Evaluation(평가): 품질 보증 및 성능 지표

일일 강의 세부 내용

Day 1: AI 에이전트 소개 및 아키텍처

주제: 에이전트 시스템과 LLM의 차이점 이해

핵심 내용:

에이전트 역량 분류 체계
"Agent Ops" 표준의 필요성
상호운용성 및 보안의 중요성
ADK를 활용한 추론형 에이전트 구축
Think-Act-Observe 루프 오케스트레이션
멀티 에이전트 설계 패턴 탐색

학습 자료:

백서: Introduction to Agents
팟캐스트: Unit 1 Summary (NotebookLM 활용)
Codelabs:
- Building Agentic Apps with the Agent Development Kit (ADK)
- Introduction to LangGraph
- Function Calling with the Gemini API

획득 기술:

에이전트 기본 아키텍처 이해
에이전트 루프 메커니즘 숙지
ADK를 사용한 기본 에이전트 구축 능력

Day 2: 에이전트 도구와 MCP 상호운용성

주제: API 및 도구를 통한 실제 세계 작업 수행

핵심 내용:

외부 도구 및 함수 통합
실시간 데이터 검색
Model Context Protocol (MCP) 소개
복잡하고 장시간 실행되는 작업 처리

학습 자료:

백서: Agent Tools & Interoperability with Model Context Protocol (MCP)
팟캐스트: Unit 2 Summary (NotebookLM 활용)
Codelabs:
- Function Calling with the Gemini API
- Using tools with LangGraph
- Prompt Caching with the Gemini API

획득 기술:

Function Calling 구현
MCP 프로토콜 활용
외부 도구 및 API 통합

Day 3: 컨텍스트 엔지니어링 및 메모리

주제: 단기 및 장기 메모리 시스템 구현

핵심 내용:

컨텍스트 엔지니어링 실무
동적 정보 조립 및 관리
Sessions(세션): 즉각적인 대화 기록
Memory(메모리): 장기 지속성 저장
상태 유지형 개인 맞춤형 AI 경험 창출

학습 자료:

백서: Context Engineering: Sessions & Memory
팟캐스트: Unit 3 Summary (NotebookLM 활용)
Codelabs:
- Context Caching with the Gemini API
- Long-term Memory using LangGraph
- Personalization with Gemini API

획득 기술:

컨텍스트 윈도우 관리 구현
메모리 시스템 구축
개인화된 에이전트 경험 설계

Day 4: 품질, 로깅 및 평가

주제: 가시성, 추적 및 성능 지표

핵심 내용:

에이전트 품질 보증을 위한 포괄적 평가 프레임워크
가시성 기술 기초(Logs, Traces, Metrics)
확장 가능한 피드백 루프
LLM-as-a-Judge 방법론
Human-in-the-Loop (HITL) 워크플로우

학습 자료:

백서: Agent Quality
팟캐스트: Unit 4 Summary (NotebookLM 활용)
Codelabs:
- LangSmith Fundamentals
- Evaluating Agentic Applications
- A/B Testing with Agents

획득 기술:

품질 평가 체계 구축
로그 및 추적 도구 활용
평가 지표 설계

Day 5: 프로토타입에서 프로덕션까지

주제: 멀티 에이전트 시스템의 배포 및 확장

핵심 내용:

에이전트 운영 라이프사이클(배포, 확장, 프로덕션화)
프로토타입에서 엔터프라이즈급 솔루션으로의 전환
Agent2Agent (A2A) 프로토콜
Vertex AI Agent Engine에 배포
멀티 에이전트 시스템 아키텍처

학습 자료:

백서: Prototype to Production
팟캐스트: Unit 5 Summary (NotebookLM 활용)
Codelabs:
- Multi-agent Workflows with LangGraph
- Human-in-the-loop Workflows in LangGraph
- Deploying Agents with Google Cloud

획득 기술:

프로덕션급 에이전트 배포
멀티 에이전트 협업 시스템 구축
Google Cloud를 활용한 확장

캡스톤 프로젝트

프로젝트 일정

시작일: 2025년 11월 14일 (5일차 강의 종료 후)
제출 마감: 2025년 11월 30일 오후 11:59 PT
개발 기간: 약 2주

프로젝트 요구사항

Agent Development Kit (ADK)를 사용하여 AI 에이전트 설계 및 구현
강의에서 배운 핵심 기능 중 최소 3가지 구현(예: 도구 사용, 메모리, 평가 등)
Kaggle 노트북 문서 제공
짧은 데모 영상 및 프로젝트 설명 포함

보상 체계

모든 완료자: Kaggle 프로필 배지 수여
상위 10명:
- 독점 Kaggle 굿즈
- Google 및 Kaggle 공식 소셜미디어에 작품 공개 전시

학습 시간 투자

일일 과제: 1~2시간
실시간 강의: 45~60분 (선택 사항, 녹화본 제공)
총 소요 시간: 하루 약 2~3시간
유연성: 자신의 속도로 학습 가능, 직장인이나 재학생에게 적합

적합 대상

가장 적합한 대상

✅ 이미 AI/ML/LLM 경험이 있으며 에이전트 개발로 역량을 확장하고자 하는 개발자
✅ 자동화 워크플로우 또는 다단계 작업 관련 분야 종사자
✅ 실습 과제 및 실시간 강의에 적극적으로 참여할 의지가 있는 학습자
✅ 조직 내에서 시연하거나 실제로 사용 가능한 구체적 프로젝트를 만들고자 하는 사람
✅ 데이터 과학자, ML 엔지니어, 소프트웨어 개발자

덜 적합한 대상

❌ AI/ML 기초 지식이 전혀 없고 기본 LLM 사용법조차 익히지 않은 초보자
❌ 하루 1~2시간의 학습 시간을 확보할 수 없는 사람

선수 지식

Python 프로그래밍 기초 (있으면 유리하나 필수 아님)
AI, 머신러닝 또는 데이터 과학에 대한 관심
Python 노트북 및 일반적인 에이전트 라이브러리 사용 경험

학습 성과

본 과정을 완료하면 다음과 같은 역량을 갖추게 됩니다:

✅ 에이전트 설계의 명확한 프레임워크 수립 (목표 → 계획 → 도구 호출 → 메모리 → 평가)
✅ Codelabs 및 캡스톤 프로젝트를 통한 실무 경험 확보
✅ 프로덕션 환경 고려사항 이해 (로깅, 장애 허용, 확장성)
✅ 수료 인증서 및 커뮤니티 네트워크 확보
✅ 단순 에이전트에서 복잡한 멀티 에이전트 시스템까지 구축 능력
✅ 에이전트 평가 및 최적화 방법 습득

과정 주요 포인트

왜 AI 에이전트를 배워야 할까요?

Google의 견해에 따르면, 기업들은 단편적인 모델 호출에서 벗어나 실험과 배포를 확장할 수 있는 에이전트 플랫폼으로 전환하고 있습니다. 에이전트는 팀이 강력한 모델을 실제 작업용 소프트웨어로 전환하는 방식입니다. LLM에 메모리, 도구 사용, 계획, 평가 기능을 추가함으로써 신뢰성 있게 다단계 작업을 수행할 수 있게 됩니다.

에이전트 vs. LLM

기존 LLM: 단일 프롬프트-응답
AI 에이전트:
- 계획 수립 가능
- 도구 호출 가능
- 다른 에이전트와 협업 가능
- 메모리 기능 보유
- 자체 평가 및 최적화 가능
- 다단계 작업을 신뢰성 있게 수행 가능

과정 자료

공식 링크

과정 홈페이지: https://www.kaggle.com/learn-guide/5-day-agents
등록 페이지: https://rsvp.withgoogle.com/events/google-ai-agents-intensive_2025
Discord 커뮤니티: 강의 기간 중 지원 제공
YouTube 실시간 방송: Kaggle 공식 채널

학습 팁

사전 환경 준비: Python 노트북 및 일반적인 에이전트 라이브러리 사용에 익숙해지기
실제 문제 선택: 작은 자동화 워크플로우(예: 주간 보고서, 고객 문의 분류, 콘텐츠 QA 등)부터 시작
평가 지표 사전 계획: 간단한 성공 지표(작업 완료율, 지연 시간, 절감된 인력 검토 시간 등) 초안 작성
Day 1-2: 기초 확립 – 에이전트 루프, 도구 호출, 메모리
Day 3: 초기 단계부터 평가 도입 – 기본 체크라도 잘못된 방향으로의 최적화를 방지
Day 4: 사용 사례에 따라 멀티 에이전트 또는 다중 도구 설정 적용 여부 결정

경쟁 우위

조직화된 에이전트 학습 과정 중 가장 초기 과정 중 하나로서 본 과정을 완료하면 다음과 같은 이점을 얻게 됩니다:

🎯 많은 조직이 아직 에이전트 AI 도입 방법을 모색 중일 때 선점 효과 확보
🎯 이해관계자에게 시연하거나 포트폴리오에 포함할 수 있는 구체적 프로젝트 보유
🎯 Google 및 Kaggle 커뮤니티 내 전문가 네트워크 형성
🎯 "에이전트를 알고 있음"에서 "에이전트를 제공할 수 있음"으로의 역량 비약적 향상

커뮤니티 및 지원

Discord 채널: Google 직원이 직접 운영 및 지원
실시간 전문가 강연: Google 연구원 및 엔지니어와의 실시간 Q&A
글로벌 학습 커뮤니티: 수십만 명의 학습자와 함께 성장
녹화본 재생: 모든 실시간 강의는 녹화되어 다양한 시간대 학습자에게 제공

요약

5일간의 AI 에이전트 집중 과정은 개발자 및 머신러닝 종사자들이 "LLM 애플리케이션"에서 "에이전트 시스템"으로 전환할 수 있는 시의적절하고 체계적인 기회입니다. AI가 단순한 제안에서 실제 행동으로 나아감에 따라, 메모리, 도구, 협업, 평가, 배포 기능을 갖춘 에이전트를 구축할 줄 아는 인재가 유리한 위치를 차지하게 될 것입니다.

이는 단순한 강의가 아니라, AI 에이전트 시대로 진입하기 위한 통행증입니다.