# AI Agent 개념 가이드

## AX 팀 첫 번째 세션을 위한 교육 자료

---

## 목차 (Table of Contents)

1. [에이전트 (Agent)](#1-에이전트-agent)
2. [MCP (Model Context Protocol)](#2-mcp-model-context-protocol)
3. [스킬 (Skills)](#3-스킬-skills)
4. [서브 에이전트 (Sub-agent)](#4-서브-에이전트-sub-agent)
5. [실전 시나리오](#5-실전-시나리오)
6. [용어 정리](#6-용어-정리)

---

## 1. 에이전트 (Agent)

### 💡 쉬운 비유 (Analogy)

**에이전트는 마치 "스마트 비서"와 같습니다.**

일반적인 AI 챗봇이 **"질문에 답하는 관찰자"**라면, 에이전트는 **"직접 행동하는 실행자"**입니다.

| 일반 AI 챗봇 | AI 에이전트 |
|-------------|-----------|
| 💬 질문에만 답함 | 🛠️ 직접 작업 수행 |
| 📖 정보 제공 | 🎯 목표 달성 |
| 🔄 수동적 대화 | 🚀 능동적 행동 |
| ❓ "어떻게 해요?" | ✅ "이렇게 해드렸어요" |

### 🔍 핵심 개념

**Agent (에이전트)** = **언어 모델(LLM) + 도구(Tools) + 자율성(Autonomy)**

```
┌─────────────────────────────────────┐
│          AI 에이전트 구조            │
├─────────────────────────────────────┤
│                                     │
│   🧠 언어 모델 (LLM)                │
│   - 추론 및 계획                     │
│   - 상황 이해                        │
│   - 의사결정                         │
│                                     │
│          ↕                          │
│                                     │
│   🛠️ 도구 (Tools)                   │
│   - 파일 시스템                      │
│   - 웹 검색                          │
│   - API 호출                         │
│   - 코드 실행                         │
│                                     │
│          ↕                          │
│                                     │
│   🎯 목표 (Goal)                    │
│   - 자율적 실행                      │
│   - 피드백 루프                      │
│   - 결과 도달                        │
│                                     │
└─────────────────────────────────────┘
```

### 📊 2025년 에이전트 아키텍처 유형

#### **1단계: 단일 에이전트 (Single Agent)**
- **용도**: 간단한 작업, 프로토타입
- **장점**: 빠른 설정, 낮은 비용
- **한계**: 복잡한 작업 부적합

#### **2단계: 계층형 에이전트 (Hierarchical)**
- **구조**: 관리자 + 전문가 팀
- **장점**: 전문성 분리, 확장성
- **예시**: 플래너 → 리서처 → 라이터 → QA

#### **3단계: 연합 에이전트 네트워크 (Federated)**
- **구조**: 독립적인 에이전트들이 협력
- **장점**: 최대 확장성, 병렬 처리
- **트렌드**: 2025-2026년 주流的 패턴

### 🎯 실제 동작 예시

```
사용자: "제 웹사이트의 성능을 최적화해주세요"

일반 AI: "성능 최적화 방법은 다음과 같습니다..."
        (정보만 제공)

AI 에이전트:
1. 📂 프로젝트 구조 분석
2. 🔍 병목 지점 탐지
3. 📝 최적화 코드 제안
4. ✅ 테스트 실행
5. 📊 성능 보고서 작성
   (직접 작업 수행)
```

---

## 2. MCP (Model Context Protocol)

### 💡 쉬운 비유 (Analogy)

**MCP는 "AI를 위한 USB-C" 표준입니다.**

이전의 AI 연결 방식이 **"각 기기마다 다른 충전기"**였다면,
MCP는 **"모든 기기가 공유하는 USB-C 포트"**입니다.

```
이전 (Before MCP):
AI ──→ GitHub专用连接
  ──→ Slack专用连接
  ──→ Database专用连接
  ──→ File System专用连接
  = 각각 따로 개발 필요 ❌

MCP 이후 (After MCP):
AI ──→ MCP ──→ GitHub
        ├────→ Slack
        ├────→ Database
        └────→ File System
  = 하나의 표준으로 모두 연결 ✅
```

### 🔍 핵심 개념

**MCP (Model Context Protocol)** = **AI 시스템을 위한 개방형 연결 표준**

- **목적**: AI 모델과 외부 시스템 간의 **표준화된 통신**
- **개발자**: Anthropic (2024년 11월 오픈소스로 공개)
- **현황**: 업계 표준 (OpenAI, Google, Microsoft 전면 도입)

### 🌟 MCP의 핵심 가치

#### **1. 표준화 (Standardization)**
```yaml
Before:
  - 각 시스템마다 다른 연결 방식
  - 중복 개발
  - 유지보수 어려움

After MCP:
  - 단일 표준 프로토콜
  - 재사용 가능한 커넥터
  - 확장 용이
```

#### **2. 상황 공유 (Context Sharing)**
```
API: 데이터만 전송
MCP: 데이터 + 의미(Context) 전송

예시:
API: "매출 100만원"
MCP: "3월 15일 온라인 채널 매출 100만원,
     전년 동기 대비 20% 증가, 캠페인 영향 있음"
```

#### **3. 양방향 통신 (Two-way Communication)**
- **읽기**: AI가 데이터 수집
- **쓰기**: AI가 직접 작업 수행

### 🏗️ MCP 아키텍처

```
┌─────────────────────────────────────────┐
│            MCP 생태계                    │
├─────────────────────────────────────────┤
│                                         │
│  🤖 AI 애플리케이션 (Claude, GPT 등)    │
│         ↓                               │
│  🔌 MCP Client                          │
│         ↓                               │
│  ┌─────────────────────────────────┐  │
│  │      MCP Transport Layer        │  │
│  │   (표준화된 통신 프로토콜)        │  │
│  └─────────────────────────────────┘  │
│         ↓                               │
│  🗄️ MCP Servers                        │
│  ├─ GitHub                             │
│  ├─ File System                        │
│  ├─ Database                           │
│  ├─ Web Browser                        │
│  └─ Custom API                         │
│                                         │
└─────────────────────────────────────────┘
```

### 📈 MCP 도입 현황 (2025년)

| 회사 | 도입 현황 | 활용 사례 |
|------|---------|---------|
| **Anthropic** | 창시자 | Claude 전면 탑재 |
| **OpenAI** | 2025년 3월 채택 | Agents SDK에 통합 |
| **Google** | Gemini 전면 지원 | Maps, Cloud DB 공개 |
| **Microsoft** | Agentic AI Foundation 공동 설립 | Azure 통합 예정 |
| **Hugging Face** | 프레임워크 통합 | 개발자 도구 강화 |

### 🔐 보안 고려사항

```yaml
MCP 보안 원칙:
  1. 명시적 동의 (Explicit Consent):
     - 사용자 동의 없이 데이터 전송 금지

  2. 접근 제어 (Access Control):
     - 적절한 권한 관리
     - 데이터 노출 방지

  3. 도구 안전 (Tool Safety):
     - 코드 실행 = 신중한 취급
     - 사용자가 이해한 후 승인
```

---

## 3. 스킬 (Skills)

### 💡 쉬운 비유 (Analogy)

**스킬은 "AI의 전문 자격증"입니다.**

일반적인 AI가 **"고졸 평생학습자"**라면,
스킬을 장착한 AI는 **"각 분야 전문가 박사들"**의 팀입니다.

```
일반 AI:
모든 질문 → 일반적인 답변
(범용적이지만 얕은 지식)

AI + 스킬:
React 질문 → React 스킬 로드 → 전문가 수준 답변
DB 질문 → DB 스킬 로드 → DB 전문가 답변
보안 질문 → 보안 스킬 로드 → 보안 전문가 답변
(상황별 전문 지知己 제공)
```

### 🔍 핵심 개념

**Skill (스킬)** = **재사용 가능한 전문 지식 패키지**

```yaml
구성 요소:
  1. SKILL.md (필수):
     - YAML 프론트매터 (메타데이터)
     - 지시사항 (Instructions)
     - 사용 예시

  2. scripts/ (선택):
     - 실행 가능한 코드
     - Python, Bash 등

  3. references/ (선택):
     - 참조 문서
     - 필요시 로드

  4. assets/ (선택):
     - 템플릿, 폰트, 아이콘
```

### 🎯 스킬의 3단계 로딩 시스템

```
1단계: 항상 로드 (Always Loaded)
├─ YAML 프론트매터
├─ 스킬 이름, 설명
└─ 언제 사용해야 할지 판단 정보

2단계: 관련 시 로드 (Loaded When Relevant)
├─ SKILL.md 본문
├─ 전체 지시사항
└─ 상세 가이드라인

3단계: 필요시 로드 (Loaded When Needed)
├─ 참조 문서
├─ 스크립트
└─ 추가 자산
```

### 📦 스킬 vs 프롬프트 vs 하위 에이전트

| **특징** | **프롬프트** | **스킬** | **하위 에이전트** |
|---------|-------------|---------|---------------|
| **구조** | 텍스트 지시사항 | 파일 시스템 폴더 | 독립적 AI 인스턴스 |
| **맥락** | 대회마다 반복 입력 | 자동 로드됨 | 독립적 컨텍스트 |
| **전문성** | 일반적 | 도메인별 패키지 | 깊이 있는 특화 |
| **용도** | 빠른 수정 | 재사용 가능한 표준 | 복잡한 작업 위임 |
| **예시** | "React로 작성" | React 스킬 폴더 | Frontend 하위 에이전트 |

### 🏭 실제 스킬 예시

```yaml
# react-component-skill/SKILL.md
---
name: react-component
description: React 컴포넌트 개발 전문 스킬
categories: [frontend, react]
version: "1.0"
---

# React Component 스킬

## 역할
React 컴포넌트를 설계하고 구현합니다.

## 원칙
1. **함수형 컴포넌트** 우선
2. **Hooks** 적극 활용
3. **타입스크립트** 사용
4. **접근성** 고려

## 폴더 구조 템플�트
```
src/
  components/
    ComponentName/
      index.tsx
      ComponentName.tsx
      types.ts
      styles.module.css
      __tests__/
        ComponentName.test.tsx
```

## 코드 예시
\`\`\`typescript
interface Props {
  title: string;
  onAction: () => void;
}

export const ComponentName: React.FC<Props> = ({
  title,
  onAction
}) => {
  return (
    <button onClick={onAction}>
      {title}
    </button>
  );
};
\`\`\`
```

### 💼 팀 컨벤션을 스킬로

```yaml
팀 표준 스킬 예시:
  api-design-skill:
    - API 설계 표준
    - 에러 핸들링 패턴
    - 인증 방식

  code-review-skill:
    - 리뷰 체크리스트
    - 코딩 규칙
    - 보안 고려사항

  testing-skill:
    - 테스트 전략
    - 커버리지 기준
    - 목킹 방법
```

---

## 4. 서브 에이전트 (Sub-agent)

### 💡 쉬운 비유 (Analogy)

**서브 에이전트는 "전문 팀원"들입니다.**

메인 에이전트가 **"프로젝트 매니저"**라면,
서브 에이전트들은 **"개발자, 디자이너, QA 엔지니어"**들입니다.

```
프로젝트: "새로운 웹사이트 제작"

일반 AI:
- 모든 작업을 혼자 처리
- 속도 느림
- 전문성 부족

메인 에이전트 + 서브 에이전트:
메인 에이전트 (매니저)
  ├─ Frontend 서브 에이전트 (UI 개발)
  ├─ Backend 서브 에이전트 (API 개발)
  ├─ Database 서브 에이전트 (DB 설계)
  ├─ QA 서브 에이전트 (테스트)
  └─ Security 서브 에이전트 (보안 검토)

- 병렬 작업
- 전문성 극대화
- 빠른 완료
```

### 🔍 핵심 개념

**Sub-agent (서브 에이전트)** = **특정 작업에 특화된 독립적 AI 인스턴스**

```yaml
특징:
  1. 독립적 컨텍스트 윈도우:
     - 각자의 기억 공간
     - 깊이 있는 작업 가능

  2. 전문 도구와 지시사항:
     - 작업별 최적화
     - 전문적 결과물

  3. 메인 에이전트 조율:
     - 상위 수준 계획
     - 결과 종합
```

### 🏗️ 서브 에이전트 아키텍처

```
┌────────────────────────────────────────┐
│         사용자 요청                     │
│    "전자상거래 사이트 개발"             │
└──────────────┬─────────────────────────┘
               ↓
┌────────────────────────────────────────┐
│      메인 에이전트 (Orchestrator)       │
│         📋 계획 및 조율                 │
└──────────────┬─────────────────────────┘
               ↓
       ┌───────┴────────┐
       ↓                ↓
┌────────────┐  ┌─────────────┐
│  Planner   │  │  Researcher │
│  계획 수립  │  │  조사 분석   │
└────────────┘  └─────────────┘
       ↓                ↓
┌────────────┐  ┌─────────────┐
│  Coder     │  │  Designer   │
│  코드 작성  │  │  UI 설계    │
└────────────┘  └─────────────┘
       ↓                ↓
┌────────────┐  ┌─────────────┐
│  QA        │  │  Security   │
│  테스트     │  │  보안 검토   │
└────────────┘  └─────────────┘
               ↓
       ┌───────┴────────┐
       ↓                ↓
┌──────────────────────────────────────┐
│        메인 에이전트 (종합)           │
│         결과 통합 및 보고              │
└──────────────────────────────────────┘
```

### ⚡ 성능 비교

| **지표** | **단일 에이전트** | **메인 + 서브 에이전트** |
|---------|----------------|----------------------|
| **작업 시간** | 100% | **40-60%** ⚡ |
| **성공률** | 기본 | **+90.2%** 📈 |
| **비용** | 기본 | **-95%** 💰 |
| **품질** | 일반적 | **전문적** 🎯 |

**출처**: Anthropic 멀티 에이전트 연구 시스템 (2025)

### 🎯 언제 서브 에이전트를 사용할까?

```yaml
✅ 서브 에이전트 적합 (Use Sub-agents):

  1. 복잡한 다단계 작업:
     - 전체 작업 > 10단계
     - 서로 다른 도메인 필요

  2. 병렬 처리 필요:
     - 동시에 여러 작업 수행
     - 시간 단축 중요

  3. 깊이 있는 전문성:
     - 각 분야 전문가 필요
     - 일반 에이전트로 부족

  4. 컨텍스트 한계:
     - 긴 작업 흐름
     - 컨텍스트 윈도우 초과 우려

❌ 단일 에이전트 충분 (Single Agent Enough):

  1. 간단한 작업:
     - 1-3단계 완료
     - 명확한 답변

  2. 빠른 프로토타입:
     - 개념 검증
     - 초기 아이디어 탐색

  3. 낮은 비용 선호:
     - 간단한 질의응답
     - 자원 제한
```

### 💡 비용 최적화 (Cost Optimization)

```
50회 API 호출 시:

전면 프런티어 모델:
- GPT-4o / Claude Sonnet
- 약 $1-3/실행
- 비용 높음 ❌

혼합 접근법 (오케스트레이터 + 서브 에이전트):
- 오케스트레이터: Claude Sonnet
- 서브 에이전트: Haiku / GPT-4o mini
- 약 $0.05-0.20/실행
- 비용 효율 ✅

* 2025년 중반 기준 토큰 가격
```

---

## 5. 실전 시나리오

### 시나리오 1: 이커머스 플랫폼 개발

#### 📋 상황 (Situation)
```
신규 이커머스 스타트업 "ShopAI"
목표: 3개월 내 MVP 출시
팀: 프론트엔드 2명, 백엔드 2명
기간: 2025년 Q1
```

#### 🎯 적용 (Application)

**메인 에이전트**: 프로젝트 매니저

**서브 에이전트 팀**:
```
1. Frontend 전문가
   - React/Next.js 스킬 로드
   - UI/UX 디자인 구현
   - 반응형 디자인

2. Backend 전문가
   - API 설계 스킬 로드
   - Node.js/Express 구현
   - RESTful API 개발

3. Database 전문가
   - DB 설계 스킬 로드
   - PostgreSQL 스키마 설계
   - ORM 최적화

4. Security 전문가
   - OWASP Top 10 검토
   - 인증/인가 구현
   - 보안 테스트

5. QA 전문가
   - 테스트 스킬 로드
   - E2E 테스트 작성
   - 성능 테스트
```

#### 🔌 MCP 연동
```
GitHub MCP:
- 코드 저장소 관리
- PR 검토 자동화

Slack MCP:
- 팀 알림 자동화
- 진행 상황 공유

Database MCP:
- 제품 데이터 연동
- 재고 관리

Payment Gateway MCP:
- 결제 시스템 연동
- 주문 처리
```

#### 📊 결과 (Results)
```yaml
성과:
  개발 기간:
    예상: 12주
    실제: 8주 (-33%)
    병렬 작업으로 시간 단축

  코드 품질:
    버그 밀도: 40% 감소
    커버리지: 85% 달성

  보안:
    취약점: 0개 (초기부터 보안 고려)

  협업:
    코드 리뷰 시간: 50% 감소
    자동화된 PR 검토
```

---

### 시나리오 2: 금융 리스크 분석 시스템

#### 📋 상황 (Situation)
```
대형 은행 "FinBank"
목표: AI 기반 실시간 리스크 분석
규제: 금융 당국 규정 준수
기간: 2025년 상반기
```

#### 🎯 적용 (Application)

**메인 에이전트**: 리스크 분석가

**서브 에이전트 팀**:
```
1. Data Analyst 서브 에이전트
   - 금융 데이터 분석 스킬
   - 거래 패턴 식별
   - 이상 징후 탐지

2. Compliance Officer 서브 에이전트
   - 규정 준수 스킬
   - Basel III 기준 검토
   - 보고서 생성

3. Security Auditor 서브 에이전트
   - 보안 규정 스킬
   - 접근 권한 검토
   - 감사 로그 분석

4. Model Validator 서브 에이전트
   - ML 모델 검증 스킬
   - 모델 성능 모니터링
   - 편향성 검사
```

#### 🔌 MCP 연동
```
Database MCP:
- 고객 데이터 연결
- 거래 내역 조회

Regulatory API MCP:
- 당국 보고 자동화
- 규정 업데이트

Internal Systems MCP:
- 코어 뱅킹 시스템
- 리스크 관리 시스템

Notification MCP:
- 알림 시스템
- 이메일/SMS 발송
```

#### 📊 결과 (Results)
```yaml
성과:
  리스크 탐지:
    오탐율: 60% 감소
    미탐율: 45% 감소

  규정 준수:
    보고 시간: 80% 단축
    규정 위반: 0건

  비용:
  - 운영 비용: 40% 절감
  - 수동 검토: 90% 감소
```

---

### 시나리오 3: 헬스케어 진단 보조 시스템

#### 📋 상황 (Situation)
```
대학병원 "MedAI"
목표: AI 기반 진단 보조
규제: HIPAA 준수, 의료기기 인증
기간: 2025년 하반기
```

#### 🎯 적용 (Application)

**메인 에이전트**: 의사 에이전트 (진단 책임자)

**서브 에이전트 팀**:
```
1. Medical Imaging 전문가
   - 의료 영상 분석 스킬
   - X-ray/CT/MRI 해석
   - 소견 작성

2. Lab Results 전문가
   - 검사 결과 분석 스킬
   - 혈액 검사 판독
   - 추이 분석

3. Medical Records 전문가
   - 전자의무기록 분석
   - 병력 정리
   - 약물 상호작용 확인

4. Clinical Decision Support 전문가
   - 임상 가이드라인 스킬
   - 치료 계획 제안
   - 최신 연구 검색

5. Privacy Officer 전문가
   - 의료정보 보호 스킬
   - HIPAA 준수 검토
   - 데이터 익명화
```

#### 🔌 MCP 연동
```
PACS MCP (Picture Archiving):
- 의료 영상 시스템 연동
- DICOM 데이터 처리

EHR MCP (Electronic Health Records):
- 전자의무기록 접근
- 환자 정보 조회

Medical Literature MCP:
- 최신 의학 연구 검색
- 임상 시험 데이터

Lab Systems MCP:
- 검사실 시스템 연동
- 결과 자동 전송
```

#### 📊 결과 (Results)
```yaml
성과:
  진단 정확도:
    초기 진단 정확도: 92%
    전문의 합의도: 89%

  업무 효율:
    문서 작성 시간: 70% 단축
    영상 판독 시간: 50% 단축

  환자 안전:
    약물 상호작용 경고: 100% 감지
    알레르기 반응 예방: 95% 성공
```

---

## 6. 용어 정리

### 📚 핵심 용어 (Key Terms)

| **용어** | **영어** | **설명** |
|---------|---------|---------|
| **에이전트** | Agent | 도구를 사용해 자율적으로 작업을 수행하는 AI 시스템 |
| **하위 에이전트** | Sub-agent | 특정 작업에 특화된 독립적 AI 인스턴스 |
| **모델 컨텍스트 프로토콜** | Model Context Protocol | AI 시스템을 위한 개방형 연결 표준 |
| **스킬** | Skill | 재사용 가능한 전문 지식 패키지 |
| **오케스트레이션** | Orchestration | 여러 AI 컴포넌트를 조율하는 프로세스 |
| **컨텍스트 윈도우** | Context Window | AI가 한 번에 처리할 수 있는 정보량 |
| **프롬프트** | Prompt | AI에게 주는 지시사항 |
| **툴** | Tool | AI가 사용할 수 있는 외부 기능 |
| **후크** | Hook | 특정 이벤트 시 자동 실행되는 작업 |
| **피드백 루프** | Feedback Loop | 결과를 바탕으로 시스템을 개선하는 순환 |
| **연합 에이전트** | Federated Agent | 독립적 에이전트들의 협력 네트워크 |
| **계층형 아키텍처** | Hierarchical Architecture | 상위-하위 관계의 조직 구조 |

### 🔄 관계도 (Relationship Diagram)

```
┌────────────────────────────────────────┐
│           AI 시스템 생태계              │
├────────────────────────────────────────┤
│                                        │
│  🤖 에이전트 (Agent)                   │
│     ├─ 메인 에이전트 (Orchestrator)    │
│     │   └─ MCP 연동                    │
│     │      ├─ GitHub                   │
│     │      ├─ Database                 │
│     │      └─ Slack                    │
│     │                                 │
│     └─ 서브 에이전트 (Specialists)     │
│         ├─ 스킬 로드 (Skills)          │
│         │  ├─ React 스킬              │
│         │  ├─ API 스킬                │
│         │  └─ 보안 스킬               │
│         │                              │
│         └─ 전문 도구 (Tools)           │
│            ├─ 코드 실행                │
│            ├─ 웹 검색                  │
│            └─ 파일 시스템              │
│                                        │
└────────────────────────────────────────┘
```

---

## 💡 요약 (Summary)

### 🎯 3가지 핵심 개념

1. **에이전트 (Agent)**
   - 🗣️ 정의: 도구를 사용해 자율적으로 작업을 수행하는 AI
   - 💡 핵심: 언어 모델 + 도구 + 자율성
   - 🎯 목표: 결과를 직접 만들어냄

2. **MCP (Model Context Protocol)**
   - 🗣️ 정의: AI 시스템을 위한 개방형 연결 표준
   - 💡 핵심: AI를 위한 USB-C 표준
   - 🎯 목표: 모든 시스템을 하나로 연결

3. **스킬 (Skills)**
   - 🗣️ 정의: 재사용 가능한 전문 지식 패키지
   - 💡 핵심: AI의 전문 자격증
   - 🎯 목표: 상황별 전문 지식 제공

4. **서브 에이전트 (Sub-agent)**
   - 🗣️ 정의: 특정 작업에 특화된 독립적 AI 인스턴스
   - 💡 핵심: 전문 팀원들
   - 🎯 목표: 병렬 작업과 전문성 극대화

### 🚀 2025년 트렌드

```yaml
주요 흐름:
  1. 단일 → 다중 에이전트:
     - 혼자보다 팀이 더 강함
     - 전문성 분리

  2. 연결 표준화:
     - MCP가 업계 표준으로
     - 재사용 가능한 커넥터

  3. 지식 패키지화:
     - 스킬로 전문 지知己 저장
     - 자동 로드로 효율화

  4. 비용 최적화:
     - 서브 에이전트로 비용 절감
     - 오케스트레이터는 고성능
     - 작업자는 경량 모델
```

---

## 📖 추가 학습 자료

### 🌟 공식 문서
- **Anthropic Claude**: [docs.anthropic.com](https://docs.anthropic.com)
- **MCP 사양**: [modelcontextprotocol.io](https://modelcontextprotocol.io)
- **Claude Code**: [docs.anthropic.com/claude-code](https://docs.anthropic.com/claude-code)

### 💻 실습 프로젝트
1. **Hello Agent**: 간단한 에이전트 만들기
2. **MCP Connector**: 나만의 MCP 서버 만들기
3. **Custom Skill**: 팀 규칙을 스킬로 변환하기
4. **Multi-Agent**: 서브 에이전트 팀 구축하기

### 🤔 생각해 볼 질문

1. 현재 프로젝트에 에이전트를 어떻게 적용할 수 있을까요?
2. MCP로 연결하고 싶은 시스템이 있나요?
3. 팀의 어떤 지식을 스킬로 만들면 좋을까요?
4. 어떤 서브 에이전트가 필요할까요?

---

## 📝 부록

### A. 빠른 참조 (Quick Reference)

```
에이전트 선택 가이드:
  간단한 작업 → 단일 에이전트
  복잡한 작업 → 메인 + 서브 에이전트
  전문성 필요 → 스킬 로드
  외부 연결 필요 → MCP
```

### B. 모범 사례 (Best Practices)

```yaml
개발 시:
  1. 작게 시작
  2. 점진적 확장
  3. 지속적 모니터링
  4. 보안 항상 고려

협업 시:
  1. 컨벤션 문서화
  2. 스킬로 표준화
  3. 코드 리뷰 자동화
  4. 지식 공유 장려
```

---

**📅 작성일**: 2025년 4월 1일
**👥 대상**: AX 팀 첫 번째 세션 참가자
**📧 문의**: 팀 리더 또는 AI 전문가에게 문의하세요

---

**© 2025 AX Team. All rights reserved.**