AI Agent를 활용한 실무형 엔지니어 양성 과정

과정 개요

생성형 AI 시장이 단순 챗봇을 넘어 스스로 계획을 세우고 도구를 호출해 작업을 완수하는 'AI 에이전트' 중심으로 재편되면서, LLM API 연동 경험만으로는 실무에 대응하기 어려운 인력 공백이 커지고 있다. 본 과정은 Python 기반 프로그래밍과 자료구조부터 시작해 LangChain·LangGraph·MCP(Model Context Protocol)를 활용한 멀티 에이전트 설계, 벡터DB 기반 RAG 구현, 그리고 이를 실제 서비스로 완성하기 위한 React/Next.js 프론트엔드와 FastAPI/Node.js 백엔드, Docker 배포까지 전 과정을 다룬다. 교육생은 프롬프트 엔지니어링과 파인튜닝(LoRA/PEFT) 기법을 익혀 도메인 특화 에이전트를 직접 튜닝하고, Function Calling과 Tool Use 설계를 통해 사내 시스템(DB, API, 사내 문서)과 연동되는 자율 업무 처리 에이전트를 구현한다. 최종 산출물은 실제 기업 업무 시나리오(고객 상담, 데이터 분석 자동화, 사내 지식 검색 등)를 해결하는 풀스택 AI 에이전트 서비스이며, 이를 팀 프로젝트로 기획-설계-개발-배포까지 수행한다. 커리큘럼은 고용노동부 K-디지털 트레이닝 AI 캠퍼스 사업 표준을 따르며 산업 현장 실무자 출신 강사진의 코드 리뷰와 협약 기업 멘토링이 병행된다.

교육 목표

• Python과 웹 프로그래밍 기초를 바탕으로 LLM API를 연동한 서비스를 개발할 수 있다.
• LangChain·LangGraph를 활용해 다단계 추론과 도구 호출이 가능한 멀티 에이전트 시스템을 설계할 수 있다.
• 벡터 데이터베이스와 임베딩을 활용한 RAG 파이프라인을 구축하고 환각 현상을 최소화할 수 있다.
• LoRA/PEFT 기반 경량 파인튜닝으로 도메인 특화 LLM을 커스터마이징할 수 있다.
• React/Next.js와 FastAPI를 연동해 에이전트 기반 웹 서비스를 풀스택으로 구현하고 Docker로 배포할 수 있다.
• MCP(Model Context Protocol) 표준을 활용해 외부 시스템과 안전하게 연동되는 에이전트 아키텍처를 설계할 수 있다.

교육 대상

비전공자 중 AI 개발자로 전직을 희망하는 구직자, 웹 개발 경력자 중 AI 서비스 기획·개발 역량을 확장하려는 재직자, 컴퓨터공학·소프트웨어 전공자 중 생성형 AI 심화 학습을 원하는 졸업(예정)자

수료 혜택

협약 IT·AI 기업 대상 채용 연계형 프로젝트 및 취업 박람회 참가, 담당 취업지원관을 통한 1:1 이력서·포트폴리오 클리닉 및 모의면접, 과정 수료 시 팀 프로젝트 결과물(개인 프로젝트 1건 + 팀 프로젝트 1건 + 해커톤 산출물 등 GitHub 포트폴리오 3종 이상)을 이력서에 활용 가능, 우수 수료생 대상 협약 기업 우선 서류전형 추천, 동문 네트워크 및 심화 스터디 그룹 연계.