00:00:00AI 코딩의 발전으로 많은 것들이 자동화되고 있습니다.
00:00:03또 다른 일이 자동화되는 게 뭐가 문제겠어요?
00:00:06LLM에 도구가 도입되면서, 인간이 하던 많은 작업이 자동화되었습니다.
00:00:10Puppeteer MCP를 통해 UI 테스트 자동화를 경험했습니다.
00:00:13이제 Ingest는 코딩 에이전트가 생성된 코드의 실시간 디버거 역할을 할 수 있도록 모니터링 레이어를 제공합니다.
00:00:20Ingest 개발 서버용 MCP를 출시함으로써 이 기능을 제공하는데,
00:00:24이는 기본적으로 클라우드 플랫폼의 로컬 버전입니다.
00:00:26이 플랫폼은 에이전트 내부에 구축한 모든 기능을 테스트할 수 있게 하고,
00:00:31실행되는 다양한 이벤트와 함께 모든 것을 시각적 인터페이스로 보여줍니다.
00:00:35이를 활용해 Claude Code나 Cursor 같은 AI 에이전트에게 모든 자동화 테스트를 직접 맡길 수 있습니다.
00:00:41Versil에 이런 기능이 있다면, 배포와 디버깅에 단 하나의 프롬프트만 있으면 될 겁니다.
00:00:46모르시는 분들을 위해 설명하자면,
00:00:48Ingest는 신뢰할 수 있는 AI 워크플로우를 구축하고 그 과정에서 발생하는 여러 문제를 해결해 주는 오픈소스 워크플로우 오케스트레이션 플랫폼입니다.
00:00:55저는 회사에서 에이전트 워크플로우를 구축하는 데 Ingest를 사용하고 있는데,
00:00:59개발자 경험이 정말 훌륭합니다.
00:01:00MCP 서버 덕분에 훨씬 더 좋아졌습니다.
00:01:03이 워크플로우들은 비동기 함수로 구축되어 있어, 테스트 및 디버깅에 몇 가지 어려움이 있습니다.
00:01:09대부분 외부 이벤트에 의해 트리거됩니다.
00:01:11여러 단계를 거쳐 비동기적으로 실행됩니다.
00:01:13비동기가 무엇인지 모르시는 분들을 위해 설명하자면,
00:01:16비동기 함수는 특정 작업이 완료될 때까지 잠시 멈춰 기다렸다가,
00:01:19다른 모든 작업을 막지 않고 계속 진행할 수 있는 함수입니다.
00:01:22이 함수들은 더 큰 워크플로우의 일부이기 때문에 디버깅이 더욱 어려워집니다.
00:01:26이 때문에 보통 이벤트를 수동으로 트리거하거나, 코드 편집기와 브라우저를 계속 오가야 할 수도 있습니다.
00:01:34심지어 로그를 샅샅이 뒤져서 해당 함수에서 무슨 일이 일어났는지,
00:01:38왜 실패했는지 등을 파악해야 할 수도 있습니다.
00:01:41아니면 복잡한 이벤트를 다시 만들거나 직접 트리거해야만 함수를 제대로 테스트할 수 있습니다.
00:01:47하지만 이제 MCP 통합 덕분에 AI 에이전트가 이 모든 것을 자동으로 처리할 수 있습니다.
00:01:52그들은 또한 AI 연구 에이전트를 실제로 어떻게 구축했는지 설명하는
00:01:55"Context Engineering in Practice"
00:01:57논문을 발표했습니다.
00:01:58이 에이전트를 활용해 MCP가 어떻게 작동하는지 보여드리겠습니다.
00:02:01에이전트에서는 컨텍스트 엔지니어링을 단순히 구축하는 데 사용하는 대신,
00:02:05컨텍스트 검색 단계와 컨텍스트 강화 단계 모두에서 에이전트 내부에 구현했습니다.
00:02:10컨텍스트 푸싱과 컨텍스트 풀링의 차이점도 아주 잘 설명되어 있습니다.
00:02:14이 또한 정말 흥미로운 글이라서, 이 주제로 영상을 만들 수도 있습니다.
00:02:18관심 있으시다면 아래에 댓글을 남겨주세요.
00:02:20이 에이전트는 완전한 오픈소스입니다.
00:02:22링크를 복사하고, 클론한 다음, 종속성을 설치하고 Claude Code를 초기화했습니다.
00:02:27코드 베이스를 분석하고 claud.md 파일을 생성하도록 했습니다.
00:02:31이 글에서는 각기 다른 강점을 가진 모델을 왜 사용해야 하는지 명시하고 있으며,
00:02:35연구 에이전트의 다양한 역할을 위해 별도의 LLM을 가진 에이전트를 구현했습니다.
00:02:39그들은 Vercel의 AI 게이트웨이를 사용하고 있는데,
00:02:42이를 통해 100개 이상의 모델에 접근할 수 있습니다.
00:02:44저는 단일 모델을 사용하고 싶었습니다.
00:02:46claud.md를 활용해 코드 베이스를 업데이트하고 OpenAI API를 사용하도록 전환했습니다.
00:02:51편집 후에는 어떤 파일을 변경했는지 알려주었습니다.
00:02:54그 후,
00:02:54Claude Code의 구성을 복사하여 .mcp.json 파일을 생성하고 붙여넣은 다음,
00:03:00Next.js 앱을 시작하고,
00:03:01이미 보셨던 Ingest 개발 서버를 시작했습니다.
00:03:04그 후, Claude Code를 다시 시작하고 MCP가 연결되었는지 확인했습니다.
00:03:09MCP 내부에는 이벤트 관리가 있는데,
00:03:11이를 통해 테스트 이벤트로 함수를 트리거하고 실행 ID를 얻을 수 있으며,
00:03:16함수를 나열하고 호출하는 기능도 제공됩니다.
00:03:19또한 상태 확인 및 문서 접근이 가능한 모니터링 도구가 있어서,
00:03:23Ingest 함수에 문제가 생기더라도 더 이상 수동으로 뒤져서 에이전트의 문제점을 찾을 필요가 없습니다.
00:03:30이 도구들은 Claude에게 무엇이 잘못되었는지 자동으로 알려주고,
00:03:33Claude가 직접 수정할 수 있게 해줍니다.
00:03:34"컨텍스트 엔지니어링이란 무엇인가?"
00:03:36라는 질문으로 메인 연구 함수를 쿼리하기 위해 send event 도구를 사용했습니다.
00:03:40그 후, 실행 상태를 폴링했는데, 이는 기본적으로 실행이 완료되었는지 여부를 계속해서 확인했다는 의미입니다.
00:03:47그리고 다시 테스트한 결과,
00:03:48모든 것이 올바른 모델 이름을 사용하고 있었고 워크플로우도 여전히 잘 실행되고 있음을 확인했습니다.
00:03:53그들의 말에 따르면, 이는 서버리스 함수를 구축하고 디버깅하는 방식에 있어 근본적인 변화를 의미합니다.
00:04:00AI 모델이 외부에서 읽기만 하는 블랙박스처럼 함수를 다루는 대신,
00:04:03이제 AI가 직접 실행 과정에 참여하여 실시간 통찰력을 제공할 수 있게 되었습니다.
00:04:08AI에 더 많은 자율성을 부여하는 이러한 변화가 다른 도구에서도 일어나기를 바랍니다..
00:04:13그리고 저는 이 점이 정말 기대됩니다.
00:04:15이것으로 이번 영상은 마무리하겠습니다.
00:04:16채널을 지원하고 저희가 계속해서 이런 영상을 만들 수 있도록 돕고 싶으시다면,
00:04:21아래 슈퍼 감사 버튼을 이용해 주세요.
00:04:23늘 그렇듯이 시청해 주셔서 감사합니다. 다음 영상에서 뵙겠습니다.