❄️ 에쓰퍼트 AI Agent 개발 교육 - 2026년 첫 내부교육이었어요~

지난 1월부터 2월까지, 무려 6주 동안 매주 토요일 아침, 희망자에 한해 사내 교육이 진행되었습니다.

제목은 다소 거창했습니다.

“AI Agent 개발을 향한 첫 여정”

솔직히 처음엔 걱정도 했습니다.“SAP랑은 조금 거리가 있지 않을까?”“토요일을 6주나 투자할 분이 얼마나 될까?”

그런데 예상과는 달리… 신청자가 꽤 많았습니다 결국 영등포 회의실이 아닌 성수동 패스트파이브 세미나실에서 진행하게 되었죠.

🎯 이 교육의 가장 특이한 점

AI Agent 개발 교육이었지만,주 대상은 웹 개발 경험이 거의 없는 ABAP 개발자와 SAP 컨설턴트였기 때문에 커리큘럼 준비가 꽤나 머리를 아프게 했습니다 🤯

• AI를 “사용하는 법”이 아니라 AI를 “직접 만들어보는 것”

• 너무 어렵게 느껴지지 않으면서 새로운 기술에 대한 의욕을 자극하는 것

이 두 가지를 모두 만족시키면서,너무 어렵지도, 너무 가볍지도 않은 난이도를 유지해야 했거든요.

참석하신 분들이 어떻게 느끼셨을지는 모르겠지만…준비한 입장에서는 재미도 있었고, 아쉬움도 남는 교육이었습니다.

이제 차분히 되돌아보며,각 주차별 내용을 간단히 정리해보려고 합니다 😊

뭐 이렇게 다 적었나 싶으실수도 있겠지만 교육을 함께 하신 분들에게 다시 생각나는 계기가 되었으면 하는 바램에서 적어봤습니다.

---

🗓️ 1주차 – AI Agent 개발을 향한 첫 여정

첫 주는 언제나 그렇듯, 환경 구성부터 시작했습니다. 하지만 매주 첫 시간은 “AI 서비스 소개”로 문을 열었습니다.ChatGPT만이 전부가 아니라는 것을 보여주고 싶었거든요.

📌 NotebookLM 소개

NotebookLM은 사용자가 제공한 문서와 링크를 기반으로정리·요약·분석을 해주는 AI입니다.

실제로 사용 중인 ABAP, SWIFT 관련 노트를 보여드리며“이렇게도 활용할 수 있다”는 감을 먼저 잡아보는 시간이었습니다. 부담 없이, 흥미롭게 시작하는 워밍업이었죠 ☕️

🛠 개발 환경 준비

파이썬 개발 환경을 처음부터 함께 세팅했습니다.

• VSCode Extension 설치

• Python, uv

• Jupyter

• OpenAI API Key 발급

환경 설치가 사실 제일 어렵습니다… 😅그래도 이 고비를 넘으면 절반은 온 겁니다.

🤖 LLM과 첫 대화

개발환경을 구축한 기념으로 아주 간단한 코드로 LLM에게 말을 걸어봤습니다. 답변을 받고,그 중에서 우리가 원하는 부분만 추출해보고,응답 구조를 분석해보는 과정까지 진행했습니다. ChatGPT와 같은 완제품처럼 우리가 AI 서비스를 제어하는 첫 걸음이었죠.

그러면서 ChatGPT와 같은 완제품이 아니라 우리가 제어하는 구조라는 점을 느끼게 해주고 싶었어요.

🗓️ 2주차 – 첫 번째 AI Agent 개발

📎 ChatGPT와 Notion 붙이기

ChatGPT를 Notion과 연결해 문서를 읽고, 분석하고, 작성하게 해보는 시연을 했습니다.

유료 기능이라 모두가 직접 해보진 못했지만, “AI는 생각보다 훨씬 확장 가능하다”는 감을 느끼셨길 바랍니다.

• 정리되지 않은 노트에서 필요한 정보만 추출

• 웹 검색 후 Notion에 자동 정리

• Claude로 동일한 작업 비교

시연은 노션으로 진행했지만 이메일, 캘린더, 파일 시스템, 구글 드라이브 등 다영한 앱들과 연계가 가능하다는 점에서 실제 업무에 적극적으로 활용이 가능할 것으로 생각됩니다.✨

🧠 Agent의 기본 골격 이해

LLM의 응답 구조를 분석하고,본질적인 한계를 확인했습니다. LLM은 기억력이 없습니다.

방금 전 대화도,내 이름도,다시 물어보면 모릅니다. 그래서 우리가 직접 대화 히스토리를 저장해“기억처럼” 만들어보는 실습을 진행했습니다.

간단하게 메모리에 저장하는 형식이지만 우리가 했던 대화를 저장하고 LLM에게 대화 히스토리를 알려주는 구현을 통해서 어떤 식으로 AI에게 기억력을 제공할 수 있는지 이해하는 시간을 가졌습니다.

또한 LLM은 오늘 날짜도, 날씨도 모릅니다. 모델이 학습된 이후의 데이터는 없거든요. 그래서 날씨 확인 함수를 만들어 LLM에게 제공해주고 오늘의 날씨를 물어봤습니다.

그리고 그 답변은…

“낮술 마시기 좋은 날씨입니다.” 🍺☀️

이렇게 AI Agent에게 가장 중요하면서도 기본적인 메모리와 도구를 만드는 실습을 통해서 어떤 식으로 AI Agent들을 구성할 수 있는지 생각해보고 Memory와 Tool이 Agent의 핵심이라는 것을 자연스럽게 이해하는 시간이 되었기를 바랍니다.

🗓️ 3주차 – 최소한의 코드로 Agent 만들기

🧩 Google Opal 소개

자연어로 워크플로우를 만들 수 있는 실험적 서비스, Google Opal을 소개했습니다. 구글 Opal은 AI를 이용한 AI로 워크플로우를 만드는 툴이라고 생각하시면 됩니다. 자연어로 원하는 기능을 얘기하면 사용자 입력부터 AI를 통한 이미지, 텍스트, 동영상등을 만들어내는 워크플로우를 만들어줍니다.

“증명사진을 귀여운 캐릭터로 만들어 주는 앱을 만들어 줘”… 제 흉측한 증명사진도 귀여워지더군요. 😅

⚙ n8n & CrewAI

지난 주에 했던 AI에게 기억력과 도구주기를 직접 코딩보다는 코딩을 거의 안하고 만드는 방법들을 살펴봤습니다.

• n8n으로 3행시 챗봇 만들기 : n8n이라는 워크플로우 툴은 요즘 정말 핫한데요. 뭐 예전에도 유명하긴 했지만 AI를 붙이는 방법이 소개된 이후에 많은 비개발자들이 이를 이용해서 업무에 AI를 활용하고 있죠.

• CrewAI로 번역 + 단어 수 세기 Agent 만들기 : 아주 약간의 코딩이 들어가는 CrewAI 소개도 같이 진행되었습니다. 파이썬 프로젝트를 구성하고 개발을 하는 것은 맞지만 agent와 task들에 대한 설명을 그냥 기술하는 형식으로 되어 있어서 로우코딩으로 구현이 가능한 툴입니다.

  개발자라고 해도 아주 빠른 시간내에게 AI Agent를 구현할 수 있었기 때문에 주어진 문장을 영어와 일어로 번역하고 단어 수를 세어보는 간단한 AI Agent를 만들어 보았습니다.

개발자든 아니든,생각보다 빠르게 Agent를 만들 수 있다는 자신감을 얻는 시간이었습니다.

🗓️ 4주차 – AI Agent 챗봇 만들기

🚀 Antigravity (바이브 코딩)

구글에서 제품이 나온지 이제 2달이 조금 넘은 뜨끈뜨끈한 신상(2025년 11월 18일 공개)인 안티그레비티를 소개하는 시간을 가졌습니다.

안티그레비티는 원하는 시스템을 얘기하면 스스로 계획을 세우고 개발을 하는 AI 개발도구인데요.

좀 더 자세히 작성하기 위해서 목표, 개념, 기술 스택을 Markdown으로 작성해서 전달했더니 안티그레비티는 분석을 하고 계획 및 업무 절차를 작성해서 보여줍니다. 내용을 검토하고 필요한 부분을 수정해서 작업을 지시하면 혼자서 뚝딱 거리며 코딩을 시작하죠.

이건 단순한 코드 자동완성이 아니라,설계 → 구현 → 테스트까지 이어지는 흐름이었습니다.

Claude Code와 비교도 해봤고요. 결과적으로 몇 분이 지나지 않아서 아래 그림과 같이 기본적인 TODO 메모 앱을 만들었습니다.

개발자에게도 AI는 이제는“쓸까 말까”가 아니라“어떻게 잘 사용할까”를 고민해야 하는 단계라는 걸 실감했고, 아쉬운 점이 없는 것은 아니지만, 이제는 아쉬운 점 때문에 사용을 기피할게 아니라 어떻게 단점들을 잘 피해서 활용할지를 고민해야하는 수준인 것은 분명합니다.

🧠 Google ADK로 Agent 만들기

앞서서 만든 간단한 AI Agent는 사실 Openai 프레임워크로 만들었습니다. 그보다는 개발자 경험 측면에 많은 강점을 가지고 있는 구글 ADK 프레임워크를 이용해서 다시 AI Agent를 만들어 봤는데요.

이번에는 "은퇴계획 상담 전문가"를 만들기 위해서 프로젝트 환경을 세팅하고 어떤 응대를 해야하는지 간단한 역할만 주어서 구현을 해봤어요.

몇 줄의 코드만으로 그럴싸한 답변을 내놓는 것을 확인했고, 구글 ADK에서 제공하는 개발용 채팅웹 화면을 통해서 대화를 나누는 경험을 할 수 있었습니다.

거기에 시스템 프롬프트를 정성껏 작성했을 때 답변의 톤과 구조가 달라지는 것도 직접 확인하고 더미 함수를 연결해 LLM이 필요할 때 Tool을 호출하는 흐름도 확인했습니다.

🗓️ 5주차 – 더 똑똑한 Agent 만들기

🛒 AI로 장보기

“파스타 레시피를 검색해서 마켓컬리에 재료를 담아줘.”

ChatGPT와 Claude가 브라우저를 제어하며 실제로 페이지를 탐색하고 클릭하는 모습을 시연했습니다. 꽤… 잘합니다 😳

AI가 생활 속으로 들어오는 걸 실감하는 순간이었습니다.

🤝 협업하는 AI 구조

은퇴 상담 Agent를 좀 더 고도화하는 작업을 진행했습니다.

재정 전문가 Agent를 별도로 만들어 분리하고 메인 Agent와 협업하는 구조로 만들었더니 확실히 더 세분화되고 전문적인 답변이 되더군요.

또한 Firecrawl을 웹 검색용 도구로 등록하여 우리가 만든 Agent가 은퇴계획과 관련된 최신 뉴스도 찾아서 답변에 추가하는 과정까지 실습해보았습니다.

이제 AI는 혼자가 아니라 팀으로 움직입니다.

🗓️ 6주차 – SAP와 AI

드디어 SAP 이야기입니다.

“그럼 SAP GUI도 AI가 제어할 수 있을까?”

대중적으로 소개된 ABAP 코딩을 위한 몇몇 MCP를 테스트하고 그 배경이되는 기술인 SAP GUI Scripting API를 조사하고 COM 기반 호출 가능성까지 실험해보았습니다.

Claude가 채팅만으로 SAP GUI를 열고 화면을 이동하는 모습은 꽤 인상적이었습니다 😮

그리고 사내에서 프로토타입으로 개발된 Google ABAP SDK, Azure ABAP SDK 사례를 통해 ABAP 코드 레벨에서 AI 서비스를 직접 호출하는 서비스들과 개발환경에 대해서 소개하는 시간을 가졌습니다.

🤖 우리가 만든 S-PERT AI Agent

현재 개발중인 S-PERT AI Agent의 구조를 같이 분석하며 이제까지 배운 내용이 어떤 식으로 녹아있는지에 대해서 알 수 있었습니다.

AI Agent → MCP → SAP로 연결되는 구조는 겉보기엔 단순하지만,그 안에는 우리가 배운 RAG, Vector DB, Tool, Prompt Engineering, Multi Agent 개념들이 다 들어가 있거든요.

📚 그 외에도…

이런 교육 중간 중간에는 기본 용어나 개발에 대한 제반지식에 관해서도 잠깐씩 알아보는 시간이 있었는데요.

LLM, Token, Parameter, Context, Multi Modal, Prompt Zero-Shot/Few-Shot, Fine-tuning, Agent, Temperature, Hallucination, RAG, VectorDB, MCP, Tools, Memory, Repetition Penalty 과 같이 자주 접하게 되지만 뭐라 딱 말하기 어려운 내용들을 같이 살펴봤습니다.

JSON, RestfulAPI, HTTP, OAuth 2.0, SDK, Hash, 파이썬, Markdown과 같은 기본교육도 의미가 있었다고 생각합니다.

---

❄️ 그래서, 추운 토요일 아침마다 우리는 무엇을 했을까?

우리는 AI를 구경한 게 아니라,직접 만들어보았습니다.

AI를 소비하는 사람이 아니라 AI를 설계하는 사람이 되어보는 시간. 6주라는 짧지 않은 시간, 하지만 AI Agent를 본격적으로 시작하기에는 너무도 부족한 여정이었지만, 이제 시작이라고 생각합니다.

다음 단계는 더 현실적인 SAP 적용과 더 정교한 Agent 설계겠죠.

추운 아침, 성수동으로 모여주신 모든 분들께 감사드립니다. 우리에게 지난 6번의 토요일은 사라졌지만…대신 새로운 가능성이 생겼습니다 🚀