패스트캠퍼스/데일리 미션

패스트캠퍼스 환급챌린지 28일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 28일차 입니다. 오늘은 part3의 'ch1. FastAPI'중01. FastAPI를 사용하는 이유위 1개의 강의를 수강하였습니다. 이번 강의에서는 FastAPI에 대한 개념과 사용했을 때 장점에 대해 알아보았습니다. 강의를 통해 FastAPI를 처음 접하게 되었고, 강의를 들으며 느낀 점과 실습 내용을 정리해보려 합니다. FastAPI는 파이썬 기반의 웹 프레임워크로 이름에서 알 수 있듯 빠르고 간단한 사용법이 장점입니다. @app.get() 같은 데코레이터 기반의 라우팅 방식은 사용자가 어떤 경로로 접근하는지 바로 보여주기 때문에 유지보수나 협업에서도 장점이 크다고 느꼈습니다. FastAPI의..

패스트캠퍼스 환급챌린지 27일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 27일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중07. LangChain MCP Adapters - 내부 문서와 웹 검색 Agent위 1개의 강의를 수강하였습니다. 어느새 10시간 가량의 part2의 모든 강의를 수강하였습니다. 매일 하나의 영상을 보자는 마음가짐으로 달려오다 보니 전체 강의의 39%를 수강했다는 것이 뿌듯하면서도 놀라웠습니다. 이번 강의에서는 LangChain 기반의 MCP(Multi-Context Protocol) Adapter 구조를 다뤘습니다. 웹 검색과 내부 문서 검색을 각각 별도의 MCP 서버로 분리하여 에이전트가 필요할 때 호출하는 방식이 깔끔..

패스트캠퍼스 환급챌린지 26일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 26일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중06. LangChain MCP Adapters - 데이터 분석 Agent위 1개의 강의를 수강하였습니다. 이번 강의에서는 MCP를 사용한 데이터 분석 Agent를 구현해보는 실습을 하였습니다. 단순히 데이터 분석 코드를 작성하는 것이 아니라, Agent가 외부 도구(MCP Tool)를 호출해 분석, 시각화, 모델링까지 수행하는 구조는 마치 작은 데이터 분석가를 하나 만들고 있는 듯한 느낌을 받았습니다. MCP는 일종의 표준 프로토콜로, AI 모델이 외부 데이터나 기능에 접근할 수 있도록 연결해주는 역할을 합니다. LangC..

패스트캠퍼스 환급챌린지 25일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 25일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중05. Cursor AI에서 MCP 사용하기위 1개의 강의를 수강하였습니다. 이번 강의에서는 Cursor AI에서 MCP 기능을 활용해 보았습니다. 처음에는 "MCP가 뭔가?"라는 의문에서 출발했지만, 강의를 따라가다 보니 AI 개발 환경의 확장성과 실용성을 높여주는 아주 핵심적인 구성 요소라는 점을 깨달았습니다. MCP는 Model Context Protocol의 약자로, LLM이 다양한 외부 도구나 데이터와 상호작용할 수 있도록 해주는 일종의 인터페이스입니다. 이 MCP는 세 가지 핵심 구성요소로 이뤄져 있습니다. 바로 ..

패스트캠퍼스 환급챌린지 24일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 24일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중03. AI Data Science Team Agent위 1개의 강의를 수강하였습니다. 이번 강의에서는 LangGraph 기반의 사전 구축 에이전트 중 하나인 "AI Data Science Team Agent"를 사용해보았습니다. 이 에이전트는 이름에서 느껴지듯, 데이터 분석과 시각화 업무를 보다 쉽고 효율적으로 처리할 수 있도록 다양한 역할을 수행하는 멀티 에이전트 구조로 구성되어 있었습니다. 강의를 통해 직접 테스트해본 결과, 데이터 분석 업무에 있어 반복적이고 번거로운 과정을 자동화해준다는 점에서 인상 깊었습니다. 가장..

패스트캠퍼스 환급챌린지 23일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 23일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중02. LangGraph Swarm - 시장 조사와 마케팅 전문가위 1개의 강의를 수강하였습니다. 이번 강의에서는 사전 구축된 swarm에 대해 배웠습니다. 기존의 LangGraph Supervisor와는 달리, Swarm은 여러 에이전트들이 동적으로 제어권을 주고받으며 문제를 해결하는 구조로, 실전에서의 유연한 협업을 염두에 둔 구성이라는 점이 흥미로웠습니다. create_handoff_tool을 통해 에이전트 간의 자연스러운 역할 전환이 가능한 구조가 인상 깊었습니다. Alice와 Bob이라는 두 에이전트를 만들어 서로 ..

패스트캠퍼스 환급챌린지 22일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 22일차 입니다. 오늘은 part2의 'ch4. 사전 구축 Agent '중01. LangGraph Supervisor - 자료 검색과 코딩 전문가위 1개의 강의를 수강하였습니다. 이번 강의에서는 사전 구축된 supervisor 생성에 대해 실습하였습니다. 사전 구축된 Supervisor를 활용하는 구조를 통해, 단순한 분기형 에이전트 흐름이 아니라, 협업 구조를 갖춘 지능형 에이전트 네트워크를 구축할 수 있다는 점이 인상 깊었습니다. 자료 검색과 코딩을 전문으로 담당하는 두 에이전트를 설정하고, 이를 관리하는 Supervisor를 만들어 보았습니다. 예를 들어, "2025년 한강에서 열리는 행사"..

패스트캠퍼스 환급챌린지 21일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 21일차 입니다. 오늘은 part2의 'ch3. N개 이상의 Agent' 중06. Hierarchical - 웹 검색 기반 조사 + 문서 작성 전문가 Agent위 1개의 강의를 수강하였습니다. 'Hierarchical Agent' 구조는 단순한 단일 에이전트가 아닌, 여러 하위 에이전트들을 계층적으로 조직하고, 이를 관리하는 Supervisor 에이전트까지 포함된 구조였는데요. 그 자체로 하나의 작은 조직처럼 보였습니다. Hierarchical 구조에서는 사용자 입력이 들어오면 최상위 Supervisor가 이를 해석하고, 조사 또는 문서 작성이 필요한지를 판단합니다. 이후 판단에 따라 각각의 전문..

패스트캠퍼스 환급챌린지 20일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 어느덧 '50일의 기적 AI 환급반' 도전 20일차 입니다. 오늘은 part2의 'ch3. N개 이상의 Agent' 중05. Supervisor - 여행 날씨와 장소를 추천하고 저장하는 Agent위 1개의 강의를 수강하였습니다. 이번 강의에서는 여행 날씨와 장소를 추천하고 저장하는 Agent를 구현하는 시간을 가졌습니다. 단순한 챗봇 기반의 여행 추천이 아니라, 웹 검색과 날씨 API, 파일 저장 기능까지 연결하여 수행하는 다중 에이전트입니다. Supervisor는 말 그대로 관리자 역할을 수행하는 에이전트로, 사용자의 입력을 기반으로 어떤 작업이 필요한지 판단한 후 적절한 하위 에이전트를 호출합니다. 예를 들어, 사용자가 "이번 ..

패스트캠퍼스 환급챌린지 19일차 : 실전 AI Agent의 모든 것 - 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연) 강의 후기

본 포스팅은 패스트 캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. '50일의 기적 AI 환급반' 도전 19일차 입니다. 오늘은 part2의 'ch4. 사전구축 Agent' 중04. MCP 이해하기위 1개의 강의를 수강하였습니다. MCP는 LLM이 외부 데이터 소스나 도구들과 어떻게 연결되어야 하는지에 대한 표준화된 방법론을 제시하는 개방형 프로토콜입니다. MCP는 단순 연결이 아닌 양방향 통신이 가능한 설계로 구성되어 있습니다. 기존에는 LLM이 외부 도구나 데이터에 접근하기 위해 그때그때 맞춤형 코드를 작성해야 했는데, MCP를 활용하면 표준화된 방법으로 다양한 리소스와 손쉽게 연결할 수 있습니다. 즉, 어디서나 쓸 수 있는 플러그인처럼 만드는 느낌이었습니다. MCP는 호스트-클라이언트-서버라는..