rudnfai실제 인프런 수강평
“에이전트가 동작하는 핵심 원리를 직접 구현해보면서 이해할 수 있었습니다.”핵심 원리 이해
inflearn
실리콘 밸리 개발자와 함께하는 실전 AI 에이전트 핵심 원리 및 확장 개발
실리콘밸리 현직 개발자 직강 · TypeScript · 100% 무료
도구를 쓰는 AI 에이전트,
도구를 쓰는 AI 에이전트,
손으로 만들어 봅니다
실리콘밸리에서 일하는 현직 개발자와, AI 에이전트 루프를 손으로 직접 구현한 뒤 Vercel AI SDK로 다시 짜는 TypeScript 강의입니다. 에이전트 루프를 프레임워크 없이 한 번 직접 짜서 원리를 눈으로 보고, 그다음 Vercel AI SDK로 다시 완성합니다. 클라우드도, 유료 API도 없이 내 노트북에서 도는 진짜 에이전트를요. 마지막 보너스 섹션에서는 그 에이전트의 모델만 Kimi K3로 바꿔 끼워, 로컬 모델이 못 하던 일이 어디까지 열리는지 봅니다.
workspace에서 회의 일정 찾아서 한 줄로 정리해줘
[tool] search_files("회의") → notes.md
[tool] read_file("notes.md")
다음 회의는 금요일 오후 3시입니다.
자, 말보다 먼저 보여드릴게요
맛보기 영상
백 마디 설명보다, 직접 보세요
AI 에이전트는 사용자의 요청을 이해하고 스스로 도구를 선택해 다단계로 작업을 수행한 뒤 결과를 확인하는 프로그램입니다. 완성작이 실제로 어떻게 움직이는지부터 보세요. 명령 한 줄에 에이전트가 도구를 골라 쓰고, 스스로 다음 행동을 정하는 장면입니다. 아래 글로 된 흐름은 그다음에 한 단계씩 뜯어봅니다.
완성형 로컬 업무 에이전트 시연 · 로컬 모델이라 실행마다 문구는 조금씩 다를 수 있어요.
방금 그 에이전트, 한 단계씩 뜯어보면
완성하면 이런 걸 합니다
대화를, 도구 호출까지 펼쳐 보면
한 번 켜 두면 파일을 읽고 쓰고, 계산하고, 웹을 가져오고, 사용자를 기억합니다. 위험한 작업 앞에선 사람에게 확인을 받고요. 아래는 강의 마지막에 완성하는 로컬 업무 에이전트의 실제 대화 흐름입니다.
내 이름은 Hong이고 차를 좋아해. 기억해줘
[tool] remember("사용자 이름은 Hong, 차를 좋아함")
Hong님, 차를 좋아하신다는 것 기억해 두었습니다.
todo.md에서 안 끝난 일들만 골라 todo-open.md로 정리해줘
[tool] read_file("todo.md")
'todo-open.md'에 38자를 씁니다. 진행할까요? (y/N) y
[tool] write_file("todo-open.md")
안 끝난 할 일 2개를 todo-open.md로 정리했어요.
내 이름이 뭐였지?
Hong입니다.
도구 사용, 다단계 판단, 기억, 사람 확인. 이게 전부 직접 짠 코드로 돌아갑니다.
그런데 이게 어떻게 가능할까요
이 강의가 약속하는 것
"쓸 줄 안다"에서 멈추지 않습니다
특별한 건 없습니다. 순서가 다를 뿐입니다 — 원리를 먼저 손으로 짜 보고, 그 위에 프레임워크를 올립니다. 보통은 반대로 하죠.
강의를 듣기 전
프레임워크를 갖다 쓸 줄은 안다. 그런데 안에서 무슨 일이 벌어지는지는 모른다.
→
강의를 들은 뒤
루프를 직접 짜 봤기에, 프레임워크가 안에서 뭘 하는지 안다. 새 도구를 만나도 빠르게 적응한다.
01
손으로 한 번, 그다음 SDK
함수 호출 루프를 raw 코드로 직접 구현해 원리를 본 뒤, 같은 걸 Vercel AI SDK로 재구성합니다. 프레임워크가 안에서 뭘 하는지 알게 됩니다.
02
100% 로컬, 100% 무료
Ollama로 내 컴퓨터에서 모델을 돌립니다. API 키도, 결제도, GPU도 필요 없습니다. 마음껏 실험해도 요금 0원.
03
견고함까지 다룹니다
데모로 끝내지 않습니다. 에러 회복, 입력 검증, 무한 루프 방지, 위험 작업 사람 확인까지 — 실제로 버티는 에이전트를 만듭니다.
그리고 하나 더, 협업으로 붙였습니다
Moonshot AI 협업 · 보너스 섹션
같은 에이전트에 K3를 꽂으면, 어디까지 열릴까
섹션 7까지 만든 그 에이전트에서 모델만 Kimi K3로 바꿔 끼웁니다. 코드는 거의 그대로 둡니다. 로컬 작은 모델이 못 하던 일이 어디까지 열리고, 무엇은 그대로인지 직접 비교합니다. Moonshot AI와 함께 만든 섹션입니다.
MOONSHOT AI · 협업 섹션
K3
Moonshot AI의 최신 플래그십 모델. 이 이름을 코드 한 줄에 적어 넣는 것부터 시작합니다.
OFFICIAL K3 MODEL SPEC
2.8T총 파라미터세계 최초 오픈 3T 클래스 모델
1,048,576최대 컨텍스트 토큰대형 저장소와 긴 문서를 한 요청에
90.4BrowseComp 점수1M 컨텍스트·문맥 압축 없이
Native Vision이미지 이해에러 화면과 시각 자료를 바로 읽기
BrowseComp 90.4는 Kimi가 공개한 공식 평가값입니다. 1M 토큰 컨텍스트와 max 추론 강도 설정에서 문맥 압축 없이 측정했습니다.
Kimi K3 공식 성능 근거 보기 →Kimi CLI는 이런 도구입니다.
100만 토큰
자르지 않고 통째로
컨텍스트 창이 1,048,576 토큰입니다. 3,600줄짜리 코드 파일을 쪼개지 않고 그대로 넣고 "이 값은 어디서 정해지나"를 묻습니다.
이미지 · 영상
에러 화면을 그대로
OCR을 붙이지 않습니다. 깨진 화면을 캡처해 그대로 던지면 모델이 읽고 버그를 짚습니다. 도구로 만들어 에이전트 루프에도 물립니다.
Agent Swarm
서브에이전트를 병렬로
오케스트레이터가 일을 쪼개 서브에이전트에게 뿌리고 다시 모읍니다. 최대 300개까지 동시에 돕니다(Beta, 멤버십 대상).
이미지를 그대로 넣어 버그를 찾게 한 장면입니다. 섹션 8에서 직접 해 봅니다.
2.8조 파라미터 MoE 모델입니다. 공식 블로그를 함께 읽으며 어디까지가 실측이고 어디부터가 마케팅인지 가려내는 것부터 시작합니다.
여기까지 보셨다면, 이제 1단계부터입니다
Ollama만 설치하면 바로 시작할 수 있어요. 요금은 0원입니다.
왜 지금이냐면
지금 시장이 찾는 사람
에이전트를 "써 본" 사람 말고, 만들 줄 아는 사람
챗봇 API를 붙여 본 경험은 이제 변별력이 없습니다. 채용 공고가 실제로 묻는 건 도구를 쓰는 에이전트를 설계하고 통제할 수 있느냐입니다.
673건잡코리아에 올라와 있는 'ai agent' 관련 채용공고입니다. 1년 전에는 검색 자체가 거의 비어 있던 키워드예요.
280%전 세계 에이전틱 AI 채용공고가 전년 대비 늘어난 폭입니다. 한 해에만 9만 건이 올라왔습니다.
52.4%AI 에이전트 시장 안에서도 코딩·소프트웨어 개발 부문의 연평균 성장률 전망치입니다(2025~2030). 가장 빠른 구간이에요.
4,947만원국내 AI·개발·데이터 직무 평균 연봉입니다. 조사 대상 21개 직무 가운데 1위였습니다.
잡코리아 채용공고 수는 2026년 8월 직접 검색한 값이며 시점에 따라 달라집니다. 나머지 수치는 공개된 채용 시장 조사와 시장 전망 보고서에서 인용했습니다.
그래서 무엇이 남느냐면
이력서에 남는 것
"AI 써 봤습니다"가 아니라, 만들어 봤습니다
API를 호출해 본 사람은 많습니다. 에이전트가 도구를 고르고 스스로 다음 행동을 정하는 그 루프를 직접 짜 본 사람은 훨씬 적습니다. 강의를 마치면 이력서와 포트폴리오에 이렇게 적을 수 있습니다.
이력서에 이렇게 씁니다
01LLM 에이전트 루프를 프레임워크 없이 직접 구현모델이 도구를 고르고, 실행하고, 결과를 보고 다시 판단하는 사이클을 코드로 짭니다. 남이 만든 추상화 뒤가 아니라 그 안을 압니다.
02파일·웹·계산·메모리 등 9종 도구를 스키마째 설계하고 통합도구마다 인자 스키마를 정의하고, 잘못된 인자가 들어왔을 때 어떻게 되돌릴지까지 정합니다.
03Vercel AI SDK로 같은 에이전트를 재구성해 실행 제어를 설계stopWhen·stepCountIs·temperature로 몇 단계까지 돌지, 언제 멈출지를 손으로 정해 봅니다.
04단기 맥락과 장기 기억을 분리해 세션을 넘는 개인화를 구현대화가 끝나도 남는 기억과, 지금 이 대화에만 필요한 맥락을 나눠서 다룹니다.
05에러 회복·가드레일·사람 확인 절차를 넣어 실패에 대응도구 호출은 실패합니다. 되돌리고, 막고, 위험한 동작 앞에서는 사람에게 묻게 만듭니다.
06로컬 모델과 원격 모델을 바꿔 끼울 수 있는 구조로 추상화Ollama로 짜 둔 에이전트의 모델만 Kimi K3로 교체해, 같은 코드가 어디까지 확장되는지 확인합니다.
면접에서 "그거 SDK가 해 주는 거 아닌가요?"라는 질문을 받았을 때, 안을 열어 본 사람만 답할 수 있습니다.
그렇다면 누구에게 맞을까요
시작 전에
이런 분께 맞고, 이것만 준비하면 됩니다
◆이런 분께 추천합니다
- AI 에이전트를 처음 제대로 만들어 보려는 분
- 프레임워크를 블랙박스로 쓰는 게 답답했던 분
- "쓸 줄도 알고 원리도 안다"를 갖고 싶은 분
- 비용 걱정 없이 로컬에서 마음껏 실험하고 싶은 분
◆준비물
- TypeScript / JavaScript 기초 문법
- Node.js와 npm을 써 본 경험
- macOS 환경 (zsh 기준으로 진행)
- Ollama 설치 — GPU 없이 CPU로 충분
이런 분이라면 잘 맞습니다
강사 소개
원리부터 만드는 걸 좋아하는 개발자
SILICON VALLEY · AI ENGINEER
실리콘 밸리 개발자 Waddy
13년차 백엔드 서버 개발자로 국내 다양한 기업에서 개발을 하다가 최근에는 실리콘 밸리로 이직하여 AI 관련 개발하고 있는 Waddy라고 합니다.
토스 개발자 친구와 인연을 맺어 이렇게 합류하게 되었고, 다양한 정보를 인터넷 환경에서 제공할 수 있다는 부분에서 큰 흥미를 느끼고 있습니다. 제가 알고 있는 지식을 최대한 쉽고 편하게 전달드릴 수 있게 노력하겠습니다.
"프레임워크를 갖다 쓰는 건 누구나 합니다. 한 번이라도 직접 만들어 보면, 그 도구를 쓰는 눈이 완전히 달라집니다. 그 감각이 결국 실력의 차이를 만드니까요."
AI 에이전트
tool use · 함수 호출
로컬 LLM
실리콘밸리 현직
시작하기 전에, 궁금한 것들
자주 묻는 질문
먼저 궁금하실 것들
코딩을 막 시작한 초보도 따라갈 수 있나요?
TypeScript나 JavaScript의 기본 문법과 npm 사용 경험은 필요합니다. 그 위에서 에이전트에 필요한 개념(LLM 호출, 함수 호출, 도구 사용)은 강의 안에서 처음부터 짚어 드립니다.
GPU나 유료 API가 필요한가요?
아니요. 본편은 Ollama로 내 컴퓨터에서 작은 모델을 돌립니다. GPU 없이 CPU로 충분하고, API 키나 결제도 필요 없습니다. 마지막 보너스 섹션에서 다루는 Kimi K3만 유료 API를 쓰는데, 이 섹션은 건너뛰어도 앞의 실습에는 아무 지장이 없습니다. 직접 돌려 보고 싶으시면 수강생 제휴 링크로 가입하면 API 구매 때마다 15% 추가 크레딧이 붙습니다.
보너스 섹션에서 다루는 Kimi K3는 무엇인가요?
섹션 1~7에서 만든 그 에이전트의 모델만 Kimi K3로 바꿔 끼웁니다. 코드는 거의 그대로 두고 무엇이 달라지는지 봅니다. K3는 100만 토큰 컨텍스트와 이미지·영상 입력을 받는 모델이라, 로컬 작은 모델로는 안 되던 것들이 열립니다. 긴 코드 파일을 자르지 않고 통째로 넣거나, 에러 화면 이미지를 그대로 던져 버그를 찾게 하는 식이요. 공식 블로그를 함께 읽으며 어디까지가 사실이고 어디부터가 마케팅인지도 짚습니다. Moonshot AI와 함께 만든 섹션입니다.
LangChain 같은 프레임워크는 안 쓰나요?
산업 표준인 Vercel AI SDK를 씁니다. 다만 바로 갖다 쓰지 않고, 핵심 루프를 손으로 먼저 만든 뒤 SDK로 옮기며 1:1로 비교합니다. 그래서 프레임워크가 안에서 무엇을 하는지까지 이해하게 됩니다.
Windows에서도 가능한가요?
강의는 macOS(zsh) 기준으로 진행합니다. 코드와 개념 자체는 동일하지만, 설치·실행 명령은 macOS 기준으로 보여 드립니다.
강의를 마치면 무엇이 남나요?
터미널에서 도는 나만의 로컬 업무 에이전트와, 무엇보다 "에이전트가 어떻게 동작하는가"에 대한 단단한 이해가 남습니다. 다른 프레임워크를 만나도 빠르게 적응할 수 있는 토대죠.
Vercel AI SDK를 이미 써 봤는데도 들을 이유가 있나요?
SDK를 갖다 쓰는 법과, SDK가 안에서 무엇을 하는지 아는 건 다른 문제입니다. 이 강의는 함수 호출 루프를 손으로 먼저 짠 뒤 SDK로 재구성하는 순서를 택해서, 이미 SDK를 쓰고 있어도 그 안에서 벌어지는 일을 새로 보게 됩니다.
수강생의 기록
직접 구현한 수강생은 이렇게 평가했습니다
5.0수강생이 남긴 인프런 수강평
그래서, Hong 진짜 도움이 될까?
AI 에이전트, 이제 직접 만들어 봅니다
블랙박스를 열고, 내 손으로 동작하는 에이전트를 완성하세요.
TypeScript · Ollama 로컬
강의가 끝나도, 끝이 아니에요
함께 성장하기
혼자 듣고 끝나지 않게
배움은 강의 밖에서도 이어집니다. 개발자들이 모여 커리어 고민, 현업의 상황, 기술 이야기를 자유롭게 나누는 카카오톡 오픈채팅을 운영하고 있어요. 강의를 듣다 막힌 부분도 편하게 물어보세요.
개발자들이 모이는 카카오톡 오픈채팅
커리어, 현업의 상황, 기술적인 고민까지. 가볍게 묻고 같이 답을 찾는 공간입니다.
커리어 이야기현업 상황 공유기술 토론누구나 무료
오픈채팅 참여하기인스타그램 보러가기
open.kakao.com/o/ggBVZsai