[00:00]
AI Agent Studio에 오신 것을 환영합니다.
[00:02]
오늘은 AI 에이전트가 인터넷과 상호작용하는 방식을 바꾸고 있는
[00:04]
강력한 개념에 대해 알아보겠습니다.
[00:07]
브라우저 자동화를 위한 MCP 서버입니다.
[00:09]
이 도구들은 AI 에이전트에게
[00:11]
웹사이트를 검색하고, 스크랩하고, 상호작용할 수 있는
[00:14]
인간과 같은 능력을 부여하지만
[00:16]
더 빠르고, 더 스마트하며, 완전히 자동화됩니다.
[00:18]
자율 에이전트, 봇,
[00:20]
또는 지능형 스크래퍼를 구축하든
[00:22]
MCP 브라우저 도구는 필수적입니다.
[00:25]
이것들이 어떻게 작동하고
[00:27]
2025년 프로젝트에서 어떤 게임체인저가 되는지 살펴보겠습니다.
[00:30]
첫 번째, 브라우저베이스 MCP 서버는
[00:33]
LLM이 브라우저베이스와 스테이지핸드로
[00:35]
브라우저를 제어할 수 있게 합니다.
[00:37]
AI에게 인터넷 전체를 보고
[00:39]
상호작용할 수 있는 능력을 주고 싶었나요?
[00:41]
이 프로젝트가 바로 그것을 실현합니다.
[00:43]
이 도구를 특별하게 만드는 것은
[00:45]
모델 컨텍스트 프로토콜(MCP)이라는 기반입니다.
[00:48]
이는 대규모 언어 모델(LLM)을
[00:50]
웹 브라우저와 같은 외부 리소스와 원활하게 연결하도록 설계된 개방형 표준입니다.
[00:53]
복잡한 API는 잊으세요.
[00:55]
MCP는 AI가 웹 콘텐츠를 이해하고 행동할 수 있는
[00:58]
표준화되고 직관적인 방법을 제공합니다.
[01:00]
이 서버는 클라우드 브라우저 자동화를 위한
[01:02]
브라우저베이스의 능력을
[01:04]
Puppeteer와 Stage Hand와 함께 활용하여
[01:06]
LLM이 탐색하고, 클릭하고,
[01:08]
심지어 모든 웹 페이지에서 양식을 작성할 수 있는
[01:11]
강력한 환경을 만듭니다.
[01:13]
AI가 구조화된 데이터를 쉽게 추출하고,
[01:15]
정확한 스크린샷을 찍거나
[01:18]
보안 클라우드 브라우저 내에서
[01:20]
맞춤형 JavaScript를 실행하는 것을 상상해보세요.
[01:22]
더욱이 Stage Hand의 포함으로
[01:25]
원자적 명령어를 통한 독특한 접근 방식을 제공하여
[01:26]
'로그인 버튼 클릭' 또는 '빨간 신발 찾기'와 같은
[01:29]
매우 구체적인 동작이 가능합니다.
[01:31]
GPT-4와 Claude 3.7 Sonnet과 같은
[01:33]
다양한 모델을 지원하며
[01:36]
주석이 달린 스크린샷을 통한
[01:38]
비전 지원까지 제공하여
[01:40]
이 프로젝트를 진정한
[01:42]
최첨단 솔루션으로 만듭니다.
[01:44]
이는 단순한 브라우징이 아닙니다.
[01:46]
AI에게 디지털 세계와의
[01:48]
새로운 차원의 이해와 상호작용을 제공하는 것입니다.
[01:50]
두 번째 프로젝트,
[01:52]
MCP 서버 Playwright입니다.
[01:55]
브라우저 자동화로 LLM에 힘을 실어주는
[01:58]
게임체인저를 소개합니다.
[02:00]
MCP 서버 Playwright는
[02:02]
Playwright를 사용하여
[02:04]
브라우저 자동화 기능을 제공하는
[02:06]
모델 컨텍스트 프로토콜 서버입니다.
[02:08]
이 도구를 특별하게 만드는 것은
[02:10]
대규모 언어 모델(LLM)이 완전한 기능의 브라우저 환경에서
[02:14]
실시간 웹 페이지와 직접
[02:16]
상호작용할 수 있다는 점입니다.
[02:17]
정적 콘텐츠 분석은 잊으세요.
[02:19]
MCP 서버 Playwright를 사용하면
[02:22]
AI가 지정한 모든 URL로 이동할 수 있어
[02:25]
동적 정보의 세계를 열어줍니다.
[02:27]
LLM이 버튼과 링크를 클릭하고
[02:29]
마치 실제 사용자처럼 웹 앱과
[02:32]
원활하게 상호작용할 수 있습니다.
[02:34]
복잡한 데이터 입력 작업을
[02:36]
자동화하는 양식 작성도 가능합니다.
[02:38]
하지만 이게 전부가 아닙니다.
[02:41]
이 놀라운 도구는 LLM이 브라우저에서
[02:43]
JavaScript를 직접 실행하여
[02:45]
고급 기능에 접근하고
[02:47]
동적으로 생성된 콘텐츠를
[02:49]
활용할 수 있게 합니다.
[02:52]
스크린샷 캡처가 아주 쉽게 가능하며,
[02:53]
전체 페이지나 특정 요소의 스크린샷을
[02:56]
캡처할 수 있어 웹 인터페이스에 대한
[02:58]
풍부한 이해가 가능합니다. 개발자들에게는
[03:00]
브라우저 콘솔 로그를 모니터링하는
[03:02]
기능이 제공되어 웹사이트 동작에 대한
[03:05]
귀중한 통찰을 제공합니다. 이러한 전례 없는
[03:07]
수준의 브라우저 자동화가 LLM을 통해
[03:09]
모델 컨텍스트 프로토콜로 직접 접근 가능하여,
[03:11]
MCP 서버 Playwright를
[03:14]
AI 기반 웹 상호작용의 미래를 위한
[03:16]
강력하고 독특한 도구로 만듭니다.
[03:18]
프로젝트 3번: Browser-use-MCP-server는
[03:20]
AI 파워를 활용하여 코드 에디터에서 직접
[03:22]
웹을 탐색할 수 있게 해줍니다.
[03:25]
Cursor나 다른 개발 환경에서
[03:27]
AI 에이전트를 통해 웹 브라우저를
[03:29]
제어하고 싶었던 적이 있나요?
[03:31]
바로 이것이 Browser-use-MCP-server가
[03:33]
제공하는 것으로, 개발자 생태계에서
[03:35]
독특한 도구로 자리매김합니다.
[03:37]
이 혁신적인 프로젝트는 MCP 서버로 작동하며
[03:39]
AI 에이전트가 웹 브라우저를
[03:42]
특별한 browser-use 메커니즘을 통해
[03:44]
직접 제어할 수 있게 해주는 브릿지 역할을 합니다.
[03:46]
특히 주목할 만한 점은
[03:48]
이중 전송 기능으로,
[03:49]
SSE(Server-Sent Events)와
[03:52]
stdio(표준 입출력) 프로토콜을 모두 지원하여
[03:56]
AI 에이전트가 브라우저와 통신하고
[03:58]
제어하는 방식에 유연성을 제공합니다.
[04:00]
VNC 스트리밍 기능 덕분에
[04:02]
AI의 실시간 동작을 직접 볼 수 있어
[04:05]
자동화 프로세스에 대한
[04:07]
전례 없는 가시성을 제공합니다.
[04:09]
더불어 브라우저 작업을
[04:11]
비동기 태스크로 처리하여
[04:12]
효율적이고 논블로킹 실행을 보장합니다.
[04:15]
여러 서버를 관리하는 사용자를 위해
[04:17]
이 프로젝트는 agent-browser를 통한
[04:19]
개발 워크플로우 단순화 방법도 제시합니다.
[04:21]
AI 에이전트를 통해
[04:23]
브라우저 제어를 개발 워크플로우에
[04:25]
깊이 통합할 수 있는 이 기능은
[04:27]
다양한 통신 및 모니터링 기능과 함께
[04:29]
Browser-use-MCP-server를
[04:31]
개발자와 AI 애호가들을 위한
[04:33]
강력하고 혁신적인 도구로 만듭니다.
[04:36]
프로젝트 4번:
[04:38]
Playwright MCP 서버 -
[04:40]
선호하는 IDE에서 AI로 브라우저와
[04:42]
API를 자동화하세요.
[04:45]
AI로 웹 애플리케이션을 개발하거나
[04:47]
테스트할 때 코드 에디터와 브라우저를
[04:49]
번갈아 전환하는 것이 지겹나요?
[04:50]
Playwright MCP 서버가
[04:52]
혁신적인 해결책을 제시합니다.
[04:55]
모델 컨텍스트 프로토콜(MCP) 서버로 기능하여
[04:58]
대규모 언어 모델(LLM)이 웹 브라우저와
[05:00]
직접 상호작용할 수 있게 해줍니다.
[05:02]
이는 단순한 자동화를 넘어서
[05:04]
Cloud Desktop, CLI, Cursor IDE와 같은
[05:06]
환경에서 AI 에이전트가
[05:09]
실시간 스크린샷 촬영,
[05:11]
현재 웹 컨텍스트 기반의
[05:13]
테스트 코드 동적 생성,
[05:15]
웹 페이지에서 직접
[05:17]
유용한 데이터를 효율적으로 스크래핑하고
[05:19]
실시간 브라우저 환경에서
[05:22]
커스텀 JavaScript를 실행하는 등
[05:24]
정교한 작업을 수행할 수 있습니다.
[05:26]
이 서버는 강력한 브라우저 자동화 라이브러리인
[05:28]
Playwright의 기능을 활용하여
[05:31]
MCP를 통해 AI 에이전트에게 그 기능을
[05:33]
제공합니다. 특히 주목할 만한 점은
[05:36]
개발 워크플로우에 완벽하게 통합된다는 것입니다.
[05:38]
개발 워크플로우에 통합되어
[05:39]
LLM의 지능을 활용하여
[05:41]
익숙한 코딩 환경을 벗어나지 않고도
[05:43]
브라우저 기반 작업을 수행할 수 있습니다
[05:45]
설치는 매우 간단하며
[05:47]
npm, mcpget, smithery 등 다양한 방법을 지원하고
[05:50]
VS Code와 Cloud Desktop을 위한
[05:52]
전용 설치 가이드도 제공됩니다
[05:55]
웹 페이지를 시각적으로 이해하고
[05:57]
AI 어시스턴트가 컨텐츠를 기반으로
[05:59]
테스트를 작성하거나 특정 정보를
[06:02]
추출할 수 있는 가능성을 상상해보세요
[06:04]
모든 것이 코드 에디터 내에서
[06:06]
조율됩니다 이러한 수준의
[06:08]
AI 기반 브라우저 상호작용은
[06:10]
Playwright MCP 서버를 현대 웹 개발과
[06:13]
자동화에 있어 독보적이고 강력한 도구로 만듭니다
[06:15]
프로젝트 넘버 5:
[06:17]
Browser Control MCP - AI에 직접적인 브라우저 접근 권한 부여
[06:20]
AI 어시스턴트가 직접
[06:22]
웹과 상호작용하면서
[06:24]
사람처럼 작업을 수행하되
[06:26]
LLM의 속도와 지능을 가진다면 어떨까요?
[06:28]
이것이 바로 Browser Control MCP의 특별한 점입니다
[06:30]
이 혁신적인 프로젝트는 MCP 서버와
[06:33]
브라우저 확장 프로그램으로 구성되어
[06:35]
Cloud Desktop과 같은
[06:37]
대규모 언어 모델에게
[06:40]
로컬 Firefox 브라우저에 대한
[06:42]
전례 없는 제어 권한을 부여합니다
[06:44]
다른 자동화 도구와 달리
[06:46]
이 설정은 AI가 탭을 열고 닫는 것뿐만 아니라
[06:49]
더 깊은 수준의 통합을 가능하게 하여
[06:51]
탭을 재정렬하거나
[06:53]
비활성 탭을 관리할 수 있습니다
[06:55]
AI에게 특정 주제에 대한
[06:57]
오래된 기사를 브라우저 기록에서 찾거나
[06:59]
지난주에 방문했던
[07:01]
모든 연구 논문을 열어달라고
[07:03]
요청하는 것을 상상해보세요
[07:05]
더 나아가 AI는 웹 페이지의
[07:07]
텍스트 내용과 링크를 읽고
[07:10]
탭 내에서 특정 정보를
[07:12]
찾아 강조할 수 있습니다 진정한 특별함은
[07:14]
각각의 열린 브라우저 탭을
[07:16]
직접적인 MCP 리소스로 노출시키는 것입니다
[07:18]
이는 AI가 표시된 콘텐츠를
[07:20]
맥락적으로 이해하고 행동할 수 있다는 의미로
[07:22]
웹 리서치와 데이터 추출부터
[07:24]
복잡한 브라우징 워크플로우까지
[07:27]
모든 것을 수행할 수 있는
[07:29]
강력한 도구가 됩니다
[07:31]
선택한 LLM의 지능으로 모든 것이 조율되죠
[07:33]
AI와 브라우저 기능 사이의
[07:35]
이러한 직접적인 지능형 연결이
[07:37]
Browser Control MCP를
[07:40]
개발자와 AI 애호가들에게
[07:41]
진정으로 독특하고 가치 있는 자산으로 만듭니다
[07:44]
프로젝트 넘버 6:
[07:46]
YouTube Transcript Server - AI 워크플로우에서
[07:48]
직접 YouTube 동영상 자막을 활용하세요
[07:51]
YouTube 트랜스크립트 서버의 특별한 점은
[07:53]
전용 모델 컨텍스트 프로토콜(MCP) 서버로서
[07:55]
YouTube 자막 검색 기능을
[07:58]
AI 워크플로우에
[08:00]
원활하게 통합한다는 것입니다
[08:02]
일반적인 웹 스크래핑 도구와 달리
[08:04]
이 서버는 AI 에이전트들에게
[08:07]
직접적이고 구조화된 방식으로
[08:09]
특히 Cloud Desktop과 같은 환경에서
[08:11]
비디오 자막과 자막에 접근할 수 있게 해줍니다
[08:13]
AI에게 YouTube 튜토리얼의
[08:16]
핵심 포인트를 요약하거나
[08:18]
대화 내용을 분석하도록 요청할 수 있습니다
[08:20]
AI 작업 공간을 벗어나지 않고도 비디오의
[08:22]
내용을 분석할 수 있습니다. 이는 서버의
[08:25]
간단한 인터페이스를 통해 가능해졌는데,
[08:27]
YouTube 비디오 URL이나 비디오 ID만으로도
[08:29]
자막을 추출할 수 있습니다.
[08:31]
게다가 영어에만 국한되지 않고
[08:34]
서버는 특정 언어의 자막
[08:35]
추출을 지원하여 원하는 언어 코드를
[08:38]
지정할 수 있습니다.
[08:39]
응답에 상세한 메타데이터가 포함되어
[08:42]
AI가 더 많은 맥락을 파악하는 데
[08:43]
도움이 됩니다.
[08:46]
Smithery와 같은 도구를 통한
[08:48]
간편한 설치가 가능하며, 특히 클라우드 데스크톱과
[08:49]
일반 MCP get 명령줄 도구를 통해
[08:52]
개발자 편의성과 통합에 중점을 둡니다.
[08:54]
MCP 프로토콜을 통한 이러한 직접적인
[08:56]
AI 중심 접근 방식으로 YouTube 자막에
[08:59]
접근하고 활용하는 것이
[09:01]
가능해졌습니다.
[09:03]
이는 개발자와 AI 애호가들이
[09:05]
자신의 프로젝트에서 비디오 콘텐츠를
[09:07]
활용하고자 할 때 특별히 가치있는
[09:10]
도구가 됩니다.
[09:11]
프로젝트 7번: 웹 검색 MCP 서버 -
[09:14]
AI 워크플로우에서 직접 무료 구글 검색을
[09:16]
활용할 수 있습니다.
[09:19]
웹 검색 MCP 서버가 특별한 이유는
[09:21]
API 키나 인증 없이도 구글 검색 기능을
[09:23]
AI 워크플로우에 직접 통합할 수 있다는
[09:25]
점입니다.
[09:27]
이 혁신적인 프로젝트는
[09:29]
모델 컨텍스트 프로토콜(MCP) 서버로 작동하여
[09:31]
VS Code의 Cloud Dev 확장과 Cloud Desktop과 같은
[09:35]
환경에서 AI 에이전트와의 원활한 통합을
[09:37]
가능하게 합니다.
[09:39]
더 이상 검색 결과를 수동으로 복사하여
[09:42]
붙여넣을 필요가 없습니다.
[09:44]
이 서버는 AI가 무료 구글 검색을 사용하여
[09:46]
웹을 검색하고 제목, URL,
[09:48]
설명을 포함한 정보를 즉시 사용
[09:50]
가능한 형식으로 받을 수 있는 구조화된
[09:52]
방법을 제공합니다.
[09:54]
각 검색에 대해 구성 가능한 제한을 통해
[09:57]
반환되는 결과 수를 제어할 수 있습니다.
[09:58]
쿼리와 선택적 결과 제한을 받아들이는
[10:00]
간단한 검색 도구를 제공함으로써
[10:02]
AI를 위한 정보 수집 프로세스를
[10:04]
간소화합니다.
[10:06]
구글의 잠재적 속도 제한과
[10:08]
HTML 구조에 대한 의존성과 같은
[10:09]
웹 스크래핑의 제한사항을 인지하는 것이
[10:12]
중요하지만,
[10:14]
무료 웹 검색의 편리함과
[10:16]
AI 기반 개발 환경에 직접 통합되는
[10:18]
특성이 웹 검색 MCP 서버를
[10:20]
독특하고 가치 있는 도구로
[10:22]
만듭니다.
[10:24]
프로젝트 8번: MCP 브라우저 키트 -
[10:26]
MCP 서버로 브라우저를 프로그래밍 방식으로
[10:29]
제어할 수 있습니다.
[10:30]
MCP 브라우저 키트가 특별한 점은
[10:32]
브라우저 상호작용에 대한 혁신적인
[10:35]
접근 방식입니다.
[10:36]
전용 MCP(모델 컨텍스트 프로토콜)
[10:38]
서버로 작동하여,
[10:41]
일반적인 브라우저 자동화 도구와 달리
[10:43]
이 프로젝트는 MCP 클라이언트와
[10:46]
웹 브라우저 사이에 직접적인
[10:48]
통신 라인을 제공하며,
[10:49]
특별히 설계된 브라우저 확장을 통해
[10:51]
이루어집니다.
[10:53]
이러한 독특한 아키텍처는 더욱
[10:55]
통합되고 잠재적으로 상황 인식이 가능한
[10:57]
브라우징 활동 제어를 가능하게 합니다.
[10:59]
현재 Brave와 Firefox 브라우저에서
[11:01]
매니페스트 v2 확장을 지원하는 MCP 브라우저
[11:04]
키트는 직접적인 메시징을 통해 작업을
[11:06]
수행합니다. MCP 클라이언트에서
[11:08]
명령을 보내는 것을 상상해보세요
[11:11]
예를 들어, MCP 브라우저 키트를 사용하여
[11:13]
GitHub 저장소를 브라우저에서 열고
[11:15]
브라우저가 이를 실행하도록 하는 것입니다
[11:17]
이 직접적인 서버-클라이언트 확장 통신 모델은
[11:20]
MCP 프로토콜을 활용하여
[11:22]
웹 브라우저를 프로그래밍 방식으로
[11:24]
제어하고 상호작용하는 독특한 방법을 제공하며
[11:26]
고급 자동화와 다른 MCP 기반 도구들과의
[11:28]
통합 가능성을 열어줍니다
[11:30]
이를 활용하기 위해서는 MCP 클라이언트
[11:32]
설정에 MCP 브라우저 키트를 추가하고
[11:35]
지원되는 브라우저에 제공된
[11:37]
확장 프로그램을 로드해야 합니다
[11:39]
이 직접적인 제어 메커니즘은
[11:41]
MCP 서버와 브라우저 확장을 통해 이루어지며
[11:43]
이것이 MCP 브라우저 키트를
[11:46]
브라우저 자동화 분야에서
[11:48]
혁신적인 도구로 만드는
[11:50]
핵심 요소입니다
[11:52]
프로젝트 9번: Playwright MCP 서버 -
[11:54]
선호하는 IDE에서 AI를 통한 브라우저와 API 자동화
[11:57]
Playwright MCP 서버가 특별한 점은
[12:00]
모델 컨텍스트 프로토콜 서버로서
[12:02]
Playwright의 접근성 트리를 독특하게 활용하여
[12:05]
대규모 언어 모델(LLM)을 위한
[12:07]
브라우저 자동화 기능을 제공한다는 것입니다
[12:09]
픽셀 기반 입력이나 스크린샷에 의존하는
[12:11]
전통적인 자동화 방식과 달리
[12:14]
이 서버는 구조화된 접근성 스냅샷을
[12:16]
사용하여 매우 빠르고 가벼운
[12:18]
작동을 가능하게 합니다
[12:20]
이 접근 방식은 순수하게 구조화된
[12:22]
데이터로 작동하기 때문에
[12:24]
LLM 친화적이며
[12:26]
복잡한 비전 모델이 필요 없습니다
[12:29]
이는 더욱 결정론적인 도구 적용을
[12:31]
가능하게 하여
[12:32]
스크린샷 기반 상호작용에서 발생할 수 있는
[12:35]
모호성을 피할 수 있습니다
[12:36]
AI 에이전트가 웹 페이지의
[12:39]
의미론적 구조를 이해하고
[12:41]
상호작용할 수 있게 되어
[12:43]
효율적인 웹 탐색이 가능해지고
[12:45]
원활한 양식 작성과
[12:47]
구조화된 콘텐츠에서 정확한
[12:50]
데이터 추출이 가능해집니다
[12:52]
이 모든 것이 LLM의 지능으로 구동됩니다
[12:54]
시각적 해석을 건너뛰어
[12:56]
Playwright MCP 서버는 AI가
[12:59]
웹과 상호작용하는 더 강력하고
[13:01]
신뢰할 수 있는 방법을 제공하여
[13:03]
브라우저 자동화 워크플로우에
[13:05]
AI를 깊이 통합하고자 하는
[13:06]
개발자들을 위한 독특하게 강력한 도구가 됩니다
[13:09]
프로젝트 10번: MCP IPFS 서버 -
[13:12]
Stracha.net 네트워크에서 분산 저장소로
[13:14]
AI를 강화합니다
[13:16]
MCP IPFS 서버가 특별한 점은
[13:19]
모델 컨텍스트 프로토콜 서버로서
[13:22]
대규모 언어 모델(LLM)과
[13:24]
Stracha.net 네트워크의 분산 저장소
[13:27]
플랫폼 사이의 간극을 메우도록
[13:29]
특별히 설계되었다는 점입니다
[13:32]
일반적인 IPFS 상호작용 방식과 달리
[13:34]
이 서버는 W3 명령줄 인터페이스를 독특하게 래핑하여
[13:37]
web3 storage/W3 CLI를 통해 AI 에이전트와
[13:41]
다른 MCP 클라이언트에게 구조화된
[13:43]
방식으로 분산 저장소를
[13:45]
관리할 수 있게 합니다
[13:47]
AI 어시스턴트가 직접
[13:49]
IPFS에 데이터를 업로드하고
[13:52]
다운로드할 수 있으며
[13:53]
네트워크를 통해 저장 공간을 관리하고
[13:56]
위임과 증명도 처리할 수 있습니다
[13:58]
이는 단순한 MCP 명령어로 가능합니다
[14:00]
이는 단순히 파일에 접근하는 것을 넘어
[14:03]
AI가 분산 저장소 생태계와
[14:05]
자연스럽게 상호작용할 수 있게 합니다
[14:07]
인증, 공간 관리,
[14:09]
그리고 청구 정보까지도
[14:11]
W3 도구 세트를 통해 활용할 수 있습니다
[14:13]
이 서버는 중개자 역할을 하여
[14:16]
MCP 요청을 W3 CLI 명령으로 변환하고
[14:18]
AI가 이해할 수 있는 형식으로
[14:21]
출력을 반환합니다
[14:24]
MCP 프로토콜을 통한
[14:26]
Stracha.network의 기능들과의
[14:28]
직접적이고 포괄적인 통합은
[14:31]
이 서버를 개발자들에게
[14:33]
매우 강력한 도구로 만듭니다
[14:34]
분산 저장소 기능을
[14:36]
AI 기반 애플리케이션에 통합하고자 하는
[14:39]
개발자들은 MCP 클라이언트를
[14:41]
간단한 설정으로 이 서버에
[14:43]
연결할 수 있으며, npx로 로컬 사용이나
[14:45]
Docker를 통한 컨테이너화된 배포가 가능합니다
[14:47]
브라우저 자동화를 위한 MCP 서버에 대한
[14:49]
설명을 마무리하겠습니다. 이는 AI 에이전트를
[14:52]
더 스마트하고 강력하게 만드는
[14:54]
가장 흥미로운 방법 중 하나입니다
[14:56]
도움이 되었다면 좋아요, 댓글을 남기고
[14:59]
AI Agent Studio를 구독하여 최신 도구와
[15:01]
오픈소스 AI 프로젝트에 대한
[15:03]
주간 비디오를 시청하세요
[15:05]
AI와 함께 브라우저 자동화를 사용하고 계시다면
[15:07]
아래 댓글로 의견을 들려주세요
[15:09]
시청해주셔서 감사합니다
[15:11]
다음 영상에서 만나요