AI 에이전트 배우기
AI 에이전트 배우기 — 휴대폰으로 AI 에이전트의 작동 원리를 배우고 직접 만들어 보세요
AI 에이전트 배우기는 AI 에이전트의 작동 원리와 제작 방법을 가르쳐 주는 무료 iPhone 및 Android 강좌 앱이에요. 개발자, 학생, 커리어 전환을 준비하는 분들을 위해 첫 LLM 루프부터 tool calling, RAG, LangChain, LangGraph, multi-agent orchestration까지 60개 과정과 239개의 짧은 레슨을 제공해요. 또한 에이전트 실험실에서는 에이전트가 과제를 수행하는 모습을 실행하고 모든 tool call, 결과, 답변이 단계별로 나타나는 과정을 지켜볼 수 있으며, 무언가 잘못됐을 때 도움을 받을 수 있는 AI 멘토도 이용할 수 있어요.
- 가격
- 무료, Pro 업그레이드
- 플랫폼
- iOS 및 Android
- 언어
- 22
- 연령 등급
- 4+
- 필요 사항
- iOS 15.1 이상
에이전트의 성능은 실제로 추적할 수 있는 tool call만큼만 좋아요.
대부분의 에이전트 튜토리얼은 루프를 다이어그램으로 보여 줘요. 생각하고, 행동하고, 관찰하는 흐름을 보여 준 뒤 넘어가죠. 하지만 이 커리큘럼은 각 화살표에서 멈춰요. 모델이 호출할 수 있는 함수를 작성하고, 모델이 정확히 어떤 결과를 반환했는지 확인하며, 잘못된 tool result가 루프를 어떻게 엉뚱한 방향으로 이끄는지 살펴봐요.
어떤 앱인가요
AI 에이전트 배우기는 AI 에이전트의 구축 방법을 배우는 무료 iOS 및 Android 앱으로, 각각 5~10분 분량의 60개 과정과 239개 레슨을 제공해요. 커리큘럼은 LLM 기반 에이전트와 prompt engineering 소개부터 tool calling, retrieval-augmented generation (RAG), vector databases, LangChain, LangGraph, LlamaIndex를 거쳐 multi-agent orchestration, computer-use agents, production deployment까지 이어져요. 레슨에는 바로 실행해 볼 수 있는 Python 예제, 에이전트 실행의 각 단계를 보여 주는 Agent Lab, 주제마다 제공되는 퀴즈, 학습 중 궁금한 점을 물어볼 수 있는 AI Mentor가 포함돼요.
앱 내부 살펴보기
화면은 어떻게 보이나요
강좌
AI Agents 강좌에서 배우는 내용
앱 자체 커리큘럼을 바탕으로 한 60개 강좌와 239개 레슨으로, 첫 LLM 에이전트 루프부터 멀티 에이전트 오케스트레이션과 프로덕션 배포까지 다뤄요.
에이전트 기초
Intro to LLM Agents, Prompt Engineering for Agents, LLM APIs in Practice(OpenAI 및 Anthropic SDKs), File System Agent Operations, Conversational Memory Basics와 첫 번째 실전 프로젝트 모음을 배워요.
도구 사용 및 검색
Tool-Use / Function-Calling 패턴, API Integration for Agents, Email and Calendar Agents, Embeddings 활용, Retrieval-Augmented Generation 기초, Vector Databases for Agents 및 Agent Observability Foundations를 다뤄요.
실제 플랫폼을 위한 에이전트
Slack 및 Chat Platform Agents, GitHub 및 Repository Agents, Web Scraping and Data Fetching Agents, Agent CLI 및 Interactive Tools, Secrets and Configuration Management, LangChain Fundamentals, Structured Output and Parsing, 자연어를 SQL로 변환하는 Database Agents를 배워요.
테스트, 디버깅 및 안정성
Agent Testing Fundamentals, Debugging Agent Loops, Stateful Agents를 위한 LangGraph, LlamaIndex Deep Dive, Multi-Tool Agents(ReAct 패턴), Building Reliable Agents 및 Memory Architectures for Agents를 다뤄요.
전문 에이전트
Voice and Audio Agents, Knowledge Graph Integration, Personal AI Assistant Architecture, Agent Evaluation and Benchmarking, Agent Safety and Guardrails, Cost and Latency Optimisation, Customer Service 및 Deep Research Agent 시스템을 배워요.
프로덕션 및 최신 기술
Multi-Agent Orchestration, Production Agent Deployment, Computer-Use and Browser Agents, Code-Generating Agents, Long-Horizon Planning Agents, Sandboxing and Secure Code Execution, Self-Improving Agent Systems를 다뤄요.
어떻게 작동하나요
AI Agents 레슨은 이렇게 진행돼요
이 과정은 루프, 도구, memory, 프레임워크, production 관련 고려 사항 순서로 구성된 build order를 따라 진행돼요. 그리고 Agent Lab에서는 결과를 글로만 읽는 것이 아니라 직접 지켜볼 수 있어요.
에이전트 루프의 한 부분을 읽어 보세요
각 레슨에서는 하나의 구체적인 단계를 다뤄요. wire에서 tool call이 어떤 모습인지, vector database가 match를 어떻게 반환하는지, prompt에 role separation이 필요한 이유 등을 쉬운 말로 설명하며, 하루 중 잠깐의 여유 시간에도 학습할 수 있는 분량으로 구성했어요.
에이전트를 실행하고 trace를 읽어 보세요
Agent Lab에서 에이전트에게 과제를 주고 각 tool call, 결과, 답변이 한 단계씩 나타나는 모습을 지켜보세요. trace viewer는 debugger처럼 작동하므로 실행이 정확히 어디에서 잘못됐는지 확인할 수 있어요. 레슨에 포함된 Python 예제도 레슨 화면에서 바로 실행할 수 있어요.
직접 만들고, 고쳐 보세요
Agent Builder에서 system prompt, 도구, step budget, 과제를 선택한 다음 나만의 에이전트를 저장해 보세요. Lab missions에서는 첫 tool call 만들기, 잘못된 tool call 수정하기, trace 읽기, guardrail 추가하기, 과제 라우팅하기, 여러 에이전트에 작업을 병렬로 나누기를 수행해요. trace가 이해되지 않을 때는 AI Mentor가 모델이 어떤 행동을 했는지 설명해 줘요.
무엇이 들어 있나요
앱에서 실제로 다루는 내용
Live
Live 실행을 지원하는 Agent Lab
에이전트에게 과제를 주고 각 tool call, 결과, 답변이 단계별로 나타나는 모습을 지켜본 다음, 정확히 어디에서 잘못됐는지 보여 주도록 설계된 trace viewer에서 실행 과정을 확인해 보세요. 매일 일정 횟수의 Live 실행을 무료로 이용할 수 있어요.
60
초급부터 고급까지의 과정
첫 LLM 에이전트 루프와 prompt engineering부터 tool calling, RAG, vector databases, LangChain, LangGraph를 거쳐 multi-agent orchestration, computer-use agents, production deployment까지 다루는 60개 과정과 239개 레슨을 제공해요.
5
Orchestration Lab
single agent, sequential pipeline, router, parallel fan-out, generator with critic의 5가지 패턴을 나란히 비교하고, 각각 속도, 비용, 안정성 사이에서 어떤 선택을 하는지 확인해 보세요. 한 가지 패턴은 무료로 이용할 수 있으며, 나머지는 Pro에서 잠금 해제돼요.
Build
Agent Builder
system prompt, 도구, step budget, 과제를 선택한 다음 나만의 에이전트를 저장하고 Lab에서 실행해 보세요.
6
Lab missions와 Python 예제
첫 tool call, 잘못된 call 수정, trace 읽기, guardrail 추가, 과제 라우팅, 여러 에이전트에 작업을 병렬로 나누기로 구성된 6개의 에이전트 미션과 레슨 화면에서 바로 실행할 수 있는 Python 예제를 제공해요.
AI
AI Mentor
tool call이 잘못된 형태의 데이터를 반환한 이유나 에이전트가 같은 단계에서 두 번 반복한 이유를 물어보면, 몇 초 안에 쉬운 말로 답변을 받을 수 있어요.
배경
AI 에이전트란 무엇이며, 실제로 에이전트를 만든다는 것은 어떤 과정일까요?
AI 에이전트는 단순히 무엇을 말할지 결정하는 것이 아니라, 다음에 무엇을 할지 결정하기 위해 언어 모델을 사용하는 프로그램이에요. 하나의 답변만 반환하는 대신 루프를 실행해요. 상황을 읽고, 행동을 선택하고, search index, database, API, 코드 같은 도구를 호출한 다음, 결과를 다시 읽고 목표를 달성할 때까지 반복하죠. 에이전트를 만드는 일은 대부분 이 루프를 중심으로 한 엔지니어링이에요. 모델이 호출할 수 있는 도구를 정하고, 반환되는 데이터를 구조화하며, 도구가 실패하거나 형식이 잘못된 응답이 돌아오는 단계를 처리하고, 에이전트가 같은 행동을 반복하지 않도록 이전 단계에 대한 충분한 기억을 유지해야 해요.
Tool callingfunction calling
모델이 구조화된 call을 생성하면 코드가 이를 실행하고 결과를 다시 전달해, 실제 행동을 요청할 수 있게 하는 메커니즘이에요. query 실행, 페이지 가져오기, 이메일 보내기 등이 여기에 해당해요. 텍스트만 예측하는 모델과 실제로 무언가를 수행하는 프로그램을 연결하는 핵심 역할을 해요.
RAGretrieval-augmented generation
질문이 들어온 시점에 관련 문서를 가져와요. 보통 embeddings로 구성된 vector database에서 문서를 검색한 다음 모델에 context로 전달하죠. 이를 통해 답변이 모델이 학습 중 기억한 내용이 아니라 여러분의 자체 데이터를 기반으로 하게 돼요.
에이전트 프레임워크LangChain, LangGraph, LlamaIndex
에이전트에서 반복적으로 필요한 부분을 처리해 주는 라이브러리예요. 루프 자체, memory, tool 연결, stateful multi-step graphs 등을 담당하므로, 여러분은 그 기반 작업이 아니라 에이전트에 특화된 로직에 집중할 수 있어요.
Multi-agent orchestration다른 에이전트를 사용하는 agents
하나의 에이전트가 다른 에이전트에게 하위 작업을 위임하는 방식이에요. researcher agent, coder agent, reviewer agent가 각각 자체 도구와 context를 사용하고, 다음에 누가 작업할지 결정하며 돌아온 결과를 조정하는 계층이 전체 과정을 관리해요.
나에게 잘 맞는지
누구에게 적합하고, 누구에게는 적합하지 않은지
다음과 같은 분께 잘 맞아요
- 챗봇에 프롬프트만 입력하는 것이 아니라 실제로 도구나 데이터베이스를 호출하는 에이전트를 만들고 싶어요
- LLM을 전혀 모르는 상태에서 시작하며, 프레임워크를 배우기 전에 에이전트 루프를 설명받고 싶어요
- 하나의 일반적인 템플릿이 아니라 Slack 봇, GitHub 에이전트, 데이터베이스 에이전트처럼 특정 플랫폼을 직접 다뤄 보는 강좌를 원해요
- 다이어그램으로만 보지 않고 실제 작동하는 코드에서 LangChain과 LangGraph가 어떻게 사용되는지 보고 싶은 개발자예요
- 간단한 데모에서 멈추지 않고, 장기적으로 멀티 에이전트 오케스트레이션과 프로덕션 배포까지 배우고 싶어요
다음과 같은 경우에는 적합하지 않아요
- 60개 강좌 전체 라이브러리를 무료로 이용하고 싶어요. 첫 번째 강좌는 무료이고 나머지는 Pro에서 잠금 해제돼요
- 무료 요금제에서도 광고를 보고 싶지 않아요. Pro에서는 광고가 제거돼요
- 일일 사용량 제한이 있는 무료 요금제에서 AI Mentor를 무제한으로 사용해야 해요
- 이미 프로덕션에서 에이전트를 운영 중이며, 구축 순서 중심의 강좌보다 연구 논문을 원해요
질문
자주 묻는 질문
휴대폰으로 AI 에이전트를 배우기에 가장 좋은 앱은 무엇인가요?
에이전트 루프에 대해 읽는 데서 그치지 않고 실제로 실행되는 모습을 보여 주는 앱이에요. AI 에이전트 배우기에는 첫 LLM 루프부터 tool calling, RAG, LangChain, 멀티 에이전트 오케스트레이션까지 이어지는 60개 강좌가 있어요. 모든 도구 호출과 결과를 trace로 확인할 수 있는 Agent Lab과, 도구 호출에서 예상치 못한 결과가 반환되는 순간 도움을 주는 AI Mentor도 제공해요. iOS와 Android에서 무료로 시작할 수 있어요.
AI 에이전트란 무엇인가요? 쉽게 설명해 주세요.
AI 에이전트는 무엇을 말할지만 결정하는 것이 아니라, 다음에 무엇을 할지 결정하기 위해 언어 모델을 사용하는 프로그램이에요. 상황을 읽고, 행동을 선택하고, 검색 인덱스·데이터베이스·API 같은 도구를 호출하고, 결과를 읽은 다음 반복하는 루프를 실행해요. 다음에 무엇을 할지 판단하는 역할은 모델이 맡고, 주변 코드, 즉 이 앱에서 작성하는 방법을 배우는 부분은 도구를 제공하고 실제 행동을 실행해요.
AI 에이전트는 챗봇과 어떻게 다른가요?
챗봇은 메시지 하나를 받고 답변 하나를 반환해요. 즉, 텍스트가 입력되고 텍스트가 출력될 뿐 세상에서 어떤 일도 일어나지 않아요. 반면 에이전트는 목표를 부여받고 목표를 달성할 때까지 계속 작업하며, 그 과정에서 데이터베이스를 조회하고, API를 호출하고, 파일을 읽고, 자체 출력을 확인하고, 단계가 실패하면 다시 시도하는 등 실제 행동을 수행해요. Learn AI Agents의 tool calling 및 agent loops 강좌는 바로 이 차이, 즉 모델의 결정이 행동으로 이어지려면 코드에 무엇이 있어야 하는지를 다뤄요.
AI 에이전트를 배우기 전에 코딩을 알아야 하나요?
코드에 어느 정도 익숙하면 도움이 되지만, 첫 번째 강좌는 아무것도 모르는 상태를 전제로 하며 LLM 에이전트 루프가 무엇인지부터 시작해요. 각 레슨에서는 짧은 이론과 레슨 안에서 실행해 볼 수 있는 Python 예제를 함께 제공하므로, 코딩을 별도의 선수 과목으로 배우는 대신 에이전트 개념과 함께 익힐 수 있어요. AI 에이전트 배우기는 초보자와 개발자 모두를 대상으로 해요.
RAG란 무엇이며, 에이전트 강좌에서 Vector Databases를 다루는 이유는 무엇인가요?
Retrieval-augmented generation은 질문이 들어온 시점에 관련 문서를 가져와 모델에 컨텍스트로 제공하는 방식이에요. 따라서 답변이 모델이 학습 중 기억한 내용이 아니라 여러분의 데이터에 기반하게 돼요. Vector Databases는 이 검색을 실제로 구현하는 방법으로, 임베딩을 저장하고 쿼리와 가장 가까운 항목을 빠르게 반환해요. 특정 코드베이스, 제품 또는 문서 모음에 관한 질문에 답하는 에이전트는 거의 항상 이 패턴을 활용하기 때문에, 한 문단으로 끝내지 않고 별도의 강좌로 다뤄요.
LangChain, LangGraph, LlamaIndex의 차이점은 무엇인가요?
LangChain은 프롬프트, 도구, 메모리처럼 에이전트에 필요한 일반적인 구성 요소를 연결해 주므로, 이런 기반 작업을 처음부터 다시 만들 필요가 없어요. LangGraph는 그 위에 명시적인 상태와 분기 처리를 추가해요. 따라서 단순한 선형 체인보다 이전에 무슨 일이 있었는지에 따라 단계가 달라지는 에이전트에 적합해요. LlamaIndex는 자체 문서를 효율적으로 불러오고, 색인하고, 쿼리하는 검색 영역에 특화되어 있어요. Learn AI Agents에서는 각각을 별도의 강좌로 제공하며, Multi-Tool Agents 강좌에서는 이들이 자주 기반으로 삼는 ReAct 패턴도 다뤄요.
2026년에 AI 에이전트를 배울 가치가 있나요?
에이전트는 언어 모델을 단순히 설명하는 도구가 아니라 실제 작업을 완료하는 무언가로 전환하는 대표적인 분야 중 하나예요. 또한 도구 설계, 프롬프트 구조화, 검색, 자동화된 루프를 멈추고 사람에게 물어봐야 할 시점을 판단하는 능력 등 기본 기술은 프레임워크가 달라져도 활용할 수 있어요. AI 에이전트 배우기에는 에이전트가 출시된 후 팀이 마주하게 되는 문제인 에이전트 안전성, 가드레일, 평가, 비용 및 지연 시간 최적화에 관한 강좌가 포함되어 있어요.
AI 에이전트 배우기는 무료인가요?
무료로 다운로드할 수 있고 무료로 시작할 수 있어요. LLM 기반 에이전트 입문 강좌인 첫 번째 강좌와 일일 AI Mentor 사용량, 하나의 Orchestration Lab 패턴, 첫 번째 Agent Builder 설계, 일일 live runs 사용량이 무료로 제공돼요. Pro에서는 모든 강좌와 모든 오케스트레이션 패턴이 잠금 해제되고, 일일 실행 제한과 광고가 제거돼요.
마지막에 수료증이 제공되나요?
네. 최종 시험에 합격하면 직접 만든 에이전트와 함께 보여 줄 수 있는 수료증을 받을 수 있어요. 이 수료증은 여러분이 수행한 작업을 증명하는 것이며, 공인된 학업 자격은 아니에요.
어떤 플랫폼과 언어를 지원하며, 이름이 두 가지인 이유는 무엇인가요?
AI 에이전트 배우기는 iPhone(iOS 15.1 이상)과 Android에서 실행되며, 22개 언어의 인터페이스를 제공하고 4+ 등급으로 분류돼 있어요. Google Play 등록 앱의 제목은 AI 에이전트 배우기이고, App Store에서는 같은 앱을 Learn AI Agents로 표시해요. 이 앱은 40개 이상의 코딩 앱으로 구성된 CoddyKit 제품군의 일부이므로, 레슨 형식은 제품군 내 다른 강좌와 공유돼요.
시작하기
오늘 첫 AI 에이전트를 실행해 보세요
iOS와 Android에서 22개 언어로 무료로 시작할 수 있어요.
CoddyKit의 다른 앱
iOS 및 Android에서 이용할 수 있어요.