OpenAI 에이전트 빌더 살펴보기

Sam Witteveen 구독자 81,400명

요약

OpenAI의 Agent Builder는 드래그 앤 드롭 인터페이스로 에이전트를 손쉽게 설계하고 배포할 수 있는 플랫폼입니다. 템플릿과 Guardrails를 활용해 기본 워크플로우를 빠르게 구축하고, 분류 에이전트와 조건부 엣지(if-else)로 다양한 사용자 요청을 유연하게 처리할 수 있습니다. Westworld 테마파크 여행 에이전트를 예시로, 파일 검색과 벡터 스토어를 활용해 실질적인 정보를 제공하고 비관련 요청은 자동으로 거절하는 과정을 시연했습니다. Agents SDK로 에이전트를 코드로 내보내 다양한 환경에서 모델 교체 및 확장이 가능하다는 점이 핵심 가치입니다.

주요 키워드

Agent Builder Guardrails Template Classification Agent Vector Store File Search Agents SDK Chat Kit Conditional Edge MCP

하이라이트

🔑 Agent Builder를 통해 드래그 앤 드롭 방식으로 쉽고 직관적으로 에이전트를 설계할 수 있습니다.
⚡️ 템플릿 기능을 활용하면 구조화된 Q&A, 개인 비서 등 다양한 워크플로우를 빠르게 시작할 수 있습니다.
🌟 Guardrails 노드를 사용해 에이전트의 탈옥 방지, 유해 콘텐츠 차단 등 안전 규칙을 간편하게 설정할 수 있습니다.
🚀 분류 에이전트로 사용자의 입력을 JSON enum 형식으로 구조화하고 if-else 엣지로 흐름을 제어하는 방식을 소개했습니다.
📌 파일 검색과 벡터 스토어를 활용해 외부 문서를 기반으로 사실 확인 및 응답의 정확도를 높일 수 있습니다.
✨ Westworld 테마파크 여행 에이전트를 구현해, 질문 종류에 따라 정보 제공·거절 멘트·다른 문의 안내를 자동 처리하는 과정을 시연했습니다.
🎯 에이전트를 퍼블리시한 뒤 Agents SDK로 내보내 모델 교체나 확장 기능을 쉽게 적용할 수 있다는 점이 인상적입니다.

용어 설명

Agent Builder

OpenAI에서 제공하는 드래그 앤 드롭 기반 에이전트 생성 도구

Guardrails

에이전트의 안전성과 적절성을 보장하기 위한 제약 규칙(탈옥 방지·유해 콘텐츠 차단 등)

Template

미리 정의된 에이전트 워크플로우 구조로 빠른 시작을 돕는 템플릿

Node/Edge

워크플로우 구성 요소(노드)와 조건부 연결(엣지)을 의미

Classification Agent

입력을 미리 정의된 카테고리(enum)로 분류해 다음 단계를 제어하는 에이전트

File Search

업로드된 문서를 검색해 관련 정보를 조회하는 기능

Vector Store

문서 임베딩(벡터)을 저장해 유사도 기반 검색을 지원하는 저장소

Agents SDK

생성된 에이전트를 코드로 내보내 다양한 환경에서 실행할 수 있는 개발 키트

Chat Kit

에이전트 UI를 쉽게 구축할 수 있도록 지원하는 툴킷

MCP

외부 모델 또는 서비스를 호출할 수 있게 해주는 커스텀 플러그인 연결 기능

OpenAI Dev Day에서 발표된 Agent Builder 기능을 소개하며, 본 영상에서 워크플로우를 직접 살펴보고 실습할 계획임을 안내합니다.

[00:00] OpenAI 개발자 데이에서 발표된 에이전트 빌더에 대해 소개하며, 이것이 에이전트킷의 일부로서 실제로 에이전트를 구축해보고 장단점을 파악해보겠다는 목적을 설명합니다.

[00:33] 에이전트 빌더의 대시보드를 살펴보며, 다양한 템플릿들이 제공된다는 점을 강조하고 구조화된 데이터 Q&A 템플릿을 예시로 들어 설명을 시작합니다.

[00:49] 에이전트킷 템플릿의 시각적 인터페이스가 make.com과 같은 드래그 앤 드롭 빌더와 유사하다고 설명하며, 노드들을 드래그하고 설정을 변경할 수 있는 방식을 소개합니다.

Structured Data Q&A 템플릿을 중심으로 드래그 앤 드롭 방식의 워크플로우 구성, 노드·엣지 개념, 설정 패널 조작 방법을 설명합니다.

[01:16] 워크플로우의 구조를 자세히 분석하며, 가드 레일에서 시작해 분류 단계를 거쳐 if-else 노드로 이어지는 흐름을 설명합니다. LangGraph와의 비교를 통해 노드와 조건부 엣지의 개념을 명확히 합니다.

프롬프트 리라이터 노드를 통해 질문을 재작성하고, 분류 노드에서 Q&A·사실 확인 결정, if-else로 분기 처리하며 도구 호출 기능까지 동작 흐름을 자세히 살펴봅니다.

[02:10] 개인 어시스턴트 템플릿의 구체적인 예시를 통해 프롬프트 재작성기의 역할과 GPT-4o 모델이 어떻게 사용자 질문을 지식베이스에 맞게 재작성하는지 설명합니다.

[02:40] 분류 에이전트가 Q&A와 팩트 파인딩 중 어떤 방식을 사용할지 결정하는 과정을 설명하며, enum을 통한 운영 절차 예측 방식과 if-else 노드의 직관적인 작동 방식을 소개합니다.

[03:05] 조건부 엣지와 JSON 응답 처리 방식을 설명하며, Q&A인지 사실 확인인지에 따라 다른 경로로 라우팅되는 구조를 보여줍니다.

[03:37] 각 에이전트의 기능을 설명합니다. 웹 검색 에이전트는 GPT-4를 사용하며, 외부 사실 확인은 웹 검색과 코드 인터프리터 툴을 모두 활용합니다.

새 워크플로우를 생성해 노트, File Search, Vector Store, Guardrails 같은 컴포넌트를 드래그해 배치하고, 각 요소 설정 방법과 활용 사례를 정리합니다.

[04:16] 새 워크플로우 생성 과정을 시연하며, 에이전트를 드래그 앤 드롭으로 배치하고 메모 기능을 활용해 계획을 수립할 수 있음을 보여줍니다.

[04:55] 다양한 툴들을 소개합니다. 파일 검색으로 RAG 시스템을 구축하고, MCP를 설정하여 외부 서비스와 연동할 수 있는 기능들을 설명합니다.

[05:36] 실제 에이전트 구축을 시작하며, 시작 노드부터 가드레일 설정까지의 과정을 보여줍니다. 특히 탈옥 방지 가드레일의 기능을 언급합니다.

[06:02] OpenAI Agent Builder에서 가드레일 시스템의 우회 가능성과 기존 에이전트 시스템 대비 구현의 용이성을 설명합니다. 실패 시 에이전트 종료, 성공 시 분류 에이전트로 전환하는 흐름을 소개합니다.

사용자 입력을 Westworld·other·non-travel enum으로 분류하는 JSON 스키마를 정의하고, if-else 엣지로 주제별 경로를 나누는 방법을 구현합니다.

[06:27] 가드레일의 다양한 기능들을 살펴봅니다. 유해 콘텐츠 차단을 위한 조정 기능, 탈옥 방지를 위한 모델과 신뢰도 임계값 설정, 벡터 스토어 기반 환각 방지 기능 등을 소개합니다.

[07:14] 웨스트월드 테마파크를 위한 여행 에이전트 구축을 시작합니다. 웨스트월드 관련 질문 답변과 관련 없는 쿼리 처리가 가능한 시스템을 목표로 하며, 쿼리 분류기를 설정합니다.

[07:35] 분류기의 구조화된 출력을 위해 JSON 형식을 선택하고 스키마를 설정합니다. 불리언보다는 열거형이 더 효과적임을 경험을 통해 설명하며, user_topic 필드에 웨스트월드, 기타, 비여행의 세 가지 열거형 값을 정의합니다.

테마파크 가이드 Markdown 문서를 파일 검색으로 업로드하고, 벡터 스토어로 인덱싱해 체계적인 정보 조회·응답을 구성합니다.

[08:21] 사용자 입력을 주제별로 분류하는 시스템 프롬프트를 작성합니다. 웨스트월드, 기타, 비여행 중 하나로 분류하도록 하며, 구조화된 데이터 출력을 요구합니다. if-else 로직을 통한 후속 처리 흐름을 설계합니다.

[09:15] 화자가 Westworld 테마파크 관련 여행 에이전트 시스템을 구축하는 과정을 설명합니다. 먼저 기타 여행과 비여행 관련 쿼리를 거절하는 두 개의 기본 에이전트를 설정합니다.

[09:50] 각 에이전트에 대해 구체적인 시스템 프롬프트를 설정합니다. 기타 여행 에이전트는 Westworld 외의 다른 Delos 테마파크 문의를 다른 담당자에게 연결하도록 하고, 비여행 관련 에이전트는 모든 비여행 쿼리를 Delos 고객지원으로 안내하도록 설정합니다.

[10:23] 메인 Westworld 여행 에이전트를 위해 공원에 대한 상세한 정보와 가격 정보가 포함된 마스터 가이드 마크다운 문서를 준비하고, 이를 벡터 스토어에 업로드하여 파일 검색 기능으로 활용합니다.

[11:15] Westworld 여행 데이터베이스 정보를 활용하여 고객 질문에 정확하게 답변하되, 거짓 정보는 생성하지 않고 설득력 있고 친근한 방식으로 판매하도록 하는 시스템 프롬프트를 설정합니다.

샘플 일정·가격 조회, ‘Mave’ 캐릭터 질문, Disneyland 문의 거절 시나리오를 실행하며 분류·응답 로직을 검증합니다.

[11:53] 실제 테스트를 위해 '저와 제 아내를 위한 Westworld 여행의 샘플 여행일정과 가격 정보를 만들어달라'는 질문을 합니다. 시스템의 가드레일이 작동하여 쿼리를 Westworld로 분류하고, 적절한 에이전트로 라우팅하여 벡터 데이터베이스에서 정보를 검색하여 최종 답변을 제공하는 과정을 확인합니다.

[12:38] 웨스트월드 테마파크 여행 계획 시연을 통해 AI 에이전트의 실제 작동 모습을 확인합니다. 스위트워터 3일 일정과 가격 정보(게스트 당 하루 4만-5만5천 달러)를 제공하며, 문서에서 정보를 가져오는 과정을 보여줍니다.

[13:30] 메이브 캐릭터 문의를 통해 에이전트가 웨스트월드 관련 질문에 적절히 응답하는 것을 확인합니다. 래틀스네이크 릿지 트레일 등 TV 쇼와 관련된 다양한 활동 옵션들을 제시하며, 시스템의 정확성을 검증합니다.

[14:05] 디즈니랜드 관련 질문으로 에이전트의 가드레일 기능을 테스트합니다. 시스템이 다른 에이전트로 전환하여 '웨스트월드 테마파크만 담당한다'는 적절한 거부 응답을 제공하며, 범위 제한 기능이 정상 작동함을 확인합니다.

[14:35] 완성된 '웨스트월드 여행 에이전트'를 게시하고 배포 옵션을 소개합니다. 채팅 키트 사용 또는 에이전트 SDK를 통한 전체 코드 추출이 가능하며, 코드를 다른 환경에서 실행하고 모델을 변경할 수 있는 유연성을 제공합니다.

완성된 에이전트를 ‘Westworld travel agent’로 퍼블리시 후 Agents SDK 코드를 내보내고, 모델 교체·오픈소스 대안·Chat Kit 활용 방안을 제안하며 결론을 맺습니다.

[15:17] OpenAI 에이전트 빌더의 장점과 한계를 분석합니다. 쉬운 시작과 다양한 기능을 제공하지만, 파일 검색과 가드레일이 OpenAI 시스템에 제한된다는 단점이 있습니다. N8N과의 경쟁 관계와 향후 오픈소스 대안의 필요성을 언급합니다.

[00:00] 어제 OpenAI 개발자 데이에서 발표된 내용들을 전체적으로 다룬 영상을 올렸는데요.

[00:03] 그 중에서도 특히 흥미로웠던 건

[00:06] 에이전트 빌더라는 개념이었습니다.

[00:08] 정말 매력적으로 보였거든요.

[00:10] 이건 실제로는 에이전트킷의 일부이기도 하고요.

[00:12] 그래서 이번 영상에서는

[00:15] 실제로 에이전트 빌더를 사용해서

[00:18] 에이전트들을 만들어보려고 합니다.

[00:20] 그들이 만든 예시들이 어떻게 작동하는지도 살펴보고

[00:23] 직접 우리만의 것도 만들어보면서

[00:25] 실제로 테스트해보고

[00:27] 이 기술의 장단점을 파악해보겠습니다.

[00:29] 한번 확인해보죠.

[00:30] 에이전트 빌더에 들어가면

[00:33] 여러 가지 옵션들이 보입니다.

[00:35] 아마 가장 흥미로운 부분은

[00:37] 템플릿일 텐데요.

[00:39] 여기서 다양한 템플릿 예시들을 볼 수 있고

[00:41] 각각이 어떻게 구조화되어 있는지도 확인할 수 있습니다.

[00:43] 그럼 실제로 구조화된 데이터 Q&A를 살펴보겠습니다.

[00:46] 여기 레이아웃을 보면

[00:48] 많은 면에서 make.com과 같은

[00:50] 드래그 앤 드롭 빌더들과 유사합니다.

[00:53] 그리고 여기 옆에는

[00:56] 드래그하거나 설정할 수 있는 노드들이 있고요.

[00:59] 이런 드래그 앤 드롭 빌더들과 같은 방식이죠.

[01:02] 그리고 여기 옆에는 다양한 노드들이 있어서

[01:05] 이걸 드래그해서 가져오거나 설정할 수 있습니다.

[01:06] 그리고 각각의 항목을 클릭하면

[01:10] 오른쪽에서

[01:11] 변경할 수 있는 다양한 설정들을 볼 수 있습니다.

[01:14] 이 워크플로우를 보면

[01:16] 기본적으로 시작해서

[01:18] 먼저 가드 레일을 거치고

[01:20] 그다음 분류 단계로 넘어가서

[01:22] 무엇이 이를 가이드할지 결정하고

[01:24] 그다음 if-else 노드로 가서

[01:27] 기본적으로 여기서 나온 분류 결과에 따라

[01:29] 방향을 결정하게 됩니다.

[01:33] 여기 에이전트에서 나온 분류 결과에 기반해서 말이죠.

[01:35] 이걸 LangGraph나

[01:38] 비슷한 것들로 생각해보면

[01:40] 노드들이 있고

[01:42] 여기 이런 부분들은

[01:44] 다음에 어떤 노드로 갈지 결정하는

[01:47] 엣지 같은 역할을 합니다.

[01:49] 사실 이것들은

[01:51] 조건부 엣지들이라고 할 수 있죠.

[01:53] 다음에 어떤 노드로 갈지 결정하는 거니까요.

[01:55] 그 노드에 도달하면

[01:57] 다양한 기능들이 있는 걸 볼 수 있습니다.

[02:00] 도구를 사용할 수 있는 기능도 포함해서

[02:03] 출력에 대한 어느 정도의

[02:05] 제어권도 가질 수 있습니다.

[02:08] 이건 개인 어시스턴트의 또 다른 예시인데요.

[02:10] 기본적으로 들어가면

[02:12] 프롬프트 재작성기가 있는 걸 볼 수 있습니다.

[02:14] 사용자의 질문을 더 구체적이고

[02:18] 여기 있는 지식베이스에 더 관련성 있게

[02:21] 재작성하도록 하고 있습니다.

[02:23] 그리고 원래 질문을 전달하면

[02:25] 여기 GPT-4o 모델이

[02:28] 이를 재작성하게 됩니다.

[02:30] 그다음에는 기본적으로

[02:34] 이 질문이 Q&A를 사용해야 할지

[02:36] 아니면 팩트 파인딩을 사용해야 할지

[02:37] 결정하게 됩니다.

[02:40] 이것은 분류 에이전트이고

[02:42] 아래를 보면 분류 방식이

[02:45] 기본적으로 enum의 운영 절차를 예측하는 방식이고

[02:47] Q&A, 팩트 파인딩,

[02:50] 또는 여기서 기타 중 하나가 될 수 있습니다.

[02:52] 그리고 그것에 따라 if-else 노드로 가게 되고

[02:56] if-else 노드들은 꽤 직관적으로

[03:00] 설명이 필요 없을 정도로 명확하죠.

[03:02] 정말 설명이 필요 없을 정도로 간단합니다.

[03:05] 조건부 엣지를 볼 수 있습니다

[03:07] 출력이 Q&A였다면

[03:10] 입력 출력 전달 운영 절차입니다.

[03:13] 이것이 우리가

[03:15] JSON을 받아오고 있다는 것을 보여줍니다.

[03:17] JSON에서 운영 절차 변수를 받고 있습니다.

[03:21] 그것이 Q&A라면

[03:23] 내부 Q&A로 가는 경로를 택할 것입니다.

[03:26] 사실 확인이라면

[03:28] 이 경로를 택할 것입니다.

[03:30] 다른 것이라면, 여기 이 에이전트로 갈 것입니다.

[03:32] 그 에이전트들을 살펴보면

[03:34] 어떤 것들인지 보겠습니다.

[03:37] 첫 번째는 웹 검색을 할 것입니다.

[03:39] 이것은 간단한 것으로

[03:42] 프롬프트가 들어있습니다.

[03:44] 그다음 GPT-4를 사용해서 실제로 웹 검색을 할 것입니다.

[03:47] 받게 될 출력이

[03:49] 텍스트라는 것을 볼 수 있습니다.

[03:51] 상세도는 보통이고 이것은

[03:54] 채팅으로 다시 전달될 것입니다.

[03:56] 외부 사실 확인이라면

[03:59] 웹 검색과 코드 인터프리터

[04:01] 툴이 여기에 모두 들어있습니다.

[04:04] 둘 다 아니라면, 여기서 기본적으로

[04:07] 사용자에게 더 자세한 정보를 요청해서

[04:10] 쿼리를 이런 출력 중 하나로

[04:13] 분류할 수 있도록 합니다.

[04:16] 제 생각에는

[04:17] 들어가서 이것이 실제로

[04:19] 우리만의 에이전트를 만들 때 어떻게 작동하는지 보겠습니다.

[04:23] 여기서 새 워크플로우를 만들러 왔습니다.

[04:25] 이 에이전트들을 그냥

[04:27] 끌어서 놓을 수 있다는 것을 볼 수 있습니다.

[04:30] 그다음 기본적으로 그것들이 무엇인지

[04:32] 세부사항을 채우면 됩니다.

[04:34] 원한다면 단계를 삭제할 수도 있습니다.

[04:37] 메모를 넣을 수도 있습니다.

[04:39] 기본적으로 자신에게

[04:41] 메모를 쓰고 싶다면 정말

[04:43] 유용한 기능이라고 느껴지고

[04:45] 계획을 브레인스토밍할 수 있게 해주는

[04:47] 것 같습니다. 사실

[04:49] 메모에 프롬프트를 넣고

[04:50] 더 자세한 내용을 채워달라고 할 수도 있을 것 같습니다.

[04:53] 그다음 툴들이 있습니다.

[04:55] 여기 툴들 중에 파일 검색 같은 것들이 있습니다.

[04:57] 뭔가를 로드하고 싶다면

[04:59] 이것이 기본적으로

[05:01] 우리를 위한 작은 RAG을 만들어 줄 것입니다.

[05:03] 반환할 결과 수를

[05:05] 설정할 수 있습니다. 벡터 저장소를 만들 수 있고

[05:08] 잠깐 후에 살펴보겠습니다.

[05:09] 가드레일 같은 것들이 있는데

[05:11] 살펴보겠습니다. 그리고

[05:13] MCP 같은 것들도 있습니다.

[05:16] 실제로 MCP를 설정하고 싶다면

[05:18] 여기 와서 서버를 선택할 수 있습니다.

[05:21] 여기에 넣고 싶은 것들의

[05:23] 세부사항을 채우고

[05:26] 기본적으로 외부 MCP를 호출하는

[05:29] 것을 만들거나 OpenAI의 것들, 여기 있는

[05:33] 다른 개발자들의 것들로 갈 수 있습니다.

[05:36] 자, 이제

[05:37] 조금 간단한 것으로

[05:39] 시작해보겠습니다. 시작 노드가 있습니다.

[05:41] 기본적으로

[05:43] 것들을 가져올 것입니다. 기본적으로

[05:46] 시작할 때 가드레일을 둘 것입니다.

[05:49] 가드레일 중 하나가

[05:51] 꽤 좋은 것이 이 탈옥 방지입니다.

[05:54] 이것은 기본적으로 사람들이

[05:56] 에이전트를 탈옥시키려는 프롬프트를 넣는 것을 막습니다.

[06:00] 얼마나 성공적인지는 모르겠습니다.

[06:02] 아마 일부 사람들은 이를 우회할 수 있을 것 같습니다.

[06:03] 하지만 보시다시피,

[06:05] 이건 확실히 다른 많은 에이전트 시스템들보다 훨씬 쉽게 구현할 수 있어요.

[06:09] 기존에는 이런 것들을 코드로 만들어야 했거든요.

[06:11] 그리고 만약 실패하면

[06:14] 해당 에이전트는

[06:16] 그냥 종료되겠죠?

[06:18] 성공하면 여기로 와서

[06:20] 분류 에이전트로 넘어가게 될 거예요.

[06:22] 잠시 후에 설정하겠습니다.

[06:26] 먼저 가드레일의 다른 기능들을 살펴보겠습니다.

[06:27] 조정 기능도 있어요.

[06:29] 기본적으로 유해한 콘텐츠를 차단할 수 있습니다.

[06:31] 그리고 이를 위한 설정도 있죠?

[06:34] 기본적으로 원하는 설정을 하면

[06:35] 여러 가지를 차단할 수 있어요

[06:39] 실제로 무엇을 차단할지

[06:40] 설정할 수 있죠

[06:44] 탈옥 방지 기능에서는

[06:46] 어떤 모델을 사용하는지

[06:49] 신뢰도 임계값은 어떻게 되는지

[06:50] 가드레일에서 실제로 사용하는 값들을 볼 수 있어요

[06:52] 그리고 환각 방지 기능도 있습니다.

[06:55] 만약 우리가 기본적으로

[06:57] 벡터 스토어를 기반으로 응답을 접지하려면

[07:00] 그것도 넣을 수 있어요

[07:02] 이 경우에는

[07:03] 간단한 탈옥 방지 기능만 사용하겠습니다.

[07:05] 기본적으로 이것이 나와서

[07:07] 그 다음에는

[07:10] 분류 에이전트가 있을 거예요.

[07:14] 지금 제가 만들려고 하는 건

[07:17] 테마파크 웨스트월드를 위한

[07:19] 여행 에이전트입니다.

[07:21] 우리가 원하는 건

[07:23] 관련 질문에 답할 수 있고

[07:25] 웨스트월드와 관련 없는 쿼리도 처리할 수 있는 시스템이에요.

[07:28] 일단은

[07:29] 기본적으로 이것을 쿼리 분류기로 설정하겠습니다.

[07:32] 분류기를 만들려면

[07:33] 기본적으로 출력이 구조화되어야 합니다.

[07:35] 여기로 내려와서

[07:38] JSON을 선택하면

[07:40] 이제 들어가서 스키마를 추가할 수 있습니다.

[07:42] 지금까지 테스트해보니

[07:46] 종종 불리언 같은 걸 사용하고 싶을 때가 있는데

[07:49] 그건 그냥 그래요.

[07:51] 더 잘 작동하는 것 같은 건

[07:53] 열거형을 사용하는 것입니다.

[07:55] 이걸 user_topic이라고 하겠습니다.

[07:58] 설명을 넣겠습니다. 사용자 대화가

[08:02] 다루고 있는 주제입니다.

[08:05] 여기에 보시면

[08:06] 열거형을 넣을 거예요. 웨스트월드가 될 수도 있고

[08:10] 기타, 비여행 관련이 될 수도 있습니다.

[08:15] 시작할 때 이걸 열거형으로 넣겠습니다.

[08:18] 좋습니다. 이제 시스템 프롬프트를 넣겠습니다.

[08:21] 사용자 입력을 분류해 주세요

[08:24] 그들이 쿼리하고 있는 주제를 기반으로

[08:30] 웨스트월드, 기타, 또는 비여행 중 하나로 분류해 주세요.

[08:34] 비여행 관련이거나

[08:37] 구조화된 데이터를 출력하도록 해주세요.

[08:40] 좋습니다. 이제 완료되었네요.

[08:42] 다음으로 원하는 건

[08:45] 기본적으로 이후에 if-else 같은 것입니다.

[08:48] 여기서 나온 출력이

[08:51] 여기로 들어오겠죠.

[08:53] 그러면 웨스트월드 관련이면

[08:57] 출력을 통과시키고 싶어요

[09:01] user_topic이죠. 그리고 그건

[09:05] 같다고 하면, 이제 제가 설정한 것들을

[09:08] 돌아가서 확인해야 해요

[09:10] 응답 스키마를 봐야겠네요. 비여행

[09:12] 기타 웨스트월드가 있군요. 들어오면

[09:15] 여기 Westworld 기타 비행 여행이 있네요

[09:19] 좋아요, 이제 이것에 대해 다른 에이전트들을 설정하고 싶습니다

[09:22] 기본적으로 기타 여행으로 이동하면

[09:25] 그것을 에이전트로 만들 것입니다

[09:27] 세부사항이나 그런 것들은 주지 않겠습니다

[09:30] 기본적으로 간단한 시스템 프롬프트만 줄 것입니다

[09:32] 사용자 쿼리를 정중하게 거절하며 처리하고

[09:33] Westworld 테마파크 여행만 담당한다고 설명하세요

[09:36] 만약 Shogun World나

[09:39] 다른 Delos 테마파크에 관심이 있다면

[09:43] 다른 담당자에게 연락하라고 하세요

[09:45] 좋습니다. 여기 또 다른 설정이 있는데

[09:50] 기본적으로 설정할 것입니다

[09:52] 사용자에게 Westworld 테마파크와 관련된

[09:56] 쿼리만 처리한다고 설명하는 내용을 넣을 것입니다

[10:00] 여행과 관련 없는 것은

[10:03] 처리할 수 없으며

[10:06] 다른 모든 문의는

[10:09] Delos 고객 지원으로 안내해야 합니다

[10:12] 라고 설명하는 것을 넣을 것입니다

[10:14] Delos 고객 지원팀으로 연결되어야 한다고 하겠습니다

[10:17] 좋습니다. 이렇게 두 개를 설정했고

[10:20] 이제 Westworld 에이전트를 설정해야 합니다

[10:23] 여기를 보시면 제가 한 것은

[10:26] Westworld 여행 에이전트 마스터 가이드

[10:29] 마크다운 문서를 만든 것입니다

[10:33] 이것에는 공원에 대한

[10:36] 많은 정보가 들어있습니다

[10:37] 가격 관련 내용도 있어야 합니다

[10:40] 거기 가격 썸네일을 볼 수 있습니다

[10:43] 하지만 사람들이 물어볼 수 있는

[10:46] 다양한 내용들과

[10:47] 정보들이 많이 들어있습니다

[10:49] 그리고 이것을 여기서

[10:51] 벡터 스토어용으로 사용할 것입니다

[10:53] 그럼 무엇을 하고 싶냐면 우선

[10:57] 이것을 파일 검색으로 추가하고 싶습니다

[10:59] 업로드가 필요합니다

[11:03] 좋아요, 이제 업로드했습니다

[11:05] 벡터 스토어의 이름을 Westworld로 하겠습니다

[11:08] 이제 실제로 처리할 것입니다

[11:11] 거기서 볼 수 있는 것에서 말이죠

[11:13] 그리고 여기에 시스템 프롬프트가 필요합니다

[11:15] Westworld 여행 데이터베이스의 정보를 사용하여

[11:18] 고객의 질문에 그 정보로 답변하되

[11:20] 거짓 정보나 세부사항을

[11:24] 생성하지 않고 답변하세요

[11:27] 설득력 있고 친근한 방식으로

[11:31] 고객에게 판매해야 합니다

[11:34] 좋습니다. 이제 기본적으로

[11:37] 결과를 얻기 위해 이것을 사용하고 있는 것을 볼 수 있습니다

[11:40] 채팅 히스토리를 포함하고 싶다는 것을 알 수 있습니다

[11:42] 모든 과정을 거치면서 말이죠

[11:44] 모든 것을 진행하면서요

[11:47] 좋습니다. 여기에 이것이 있고

[11:48] 알고 싶은 것은

[11:50] Westworld에 대해 몇 가지 질문을 하고 싶습니다

[11:53] 그래서 물어볼 것입니다

[11:55] 샘플 여행일정을 만들어주시고

[11:57] 저와 제 아내가 Westworld에 가는 여행의

[12:01] 가격을 포함해주실 수 있나요?

[12:05] 좋습니다. 가드레일이 작동하는 것을 볼 수 있습니다

[12:07] 이것을 분류했습니다

[12:09] 쿼리 분류기가 여기서

[12:11] Westworld로 돌아오는 것을 봐야 합니다

[12:14] 그리고 과연 사용자 주제는 Westworld입니다

[12:16] 그래서 이 상위 에이전트로 갔습니다

[12:18] 이제 기본적으로 Westworld 여행 데이터베이스를

[12:21] 파일 정보에서 사용해서

[12:24] 다양한 정보를 추출하는 것을 보고 있습니다

[12:26] 이 과정에서 검색한 내용을 볼 수 있습니다

[12:29] 그리고 이 과정을 거쳐

[12:31] 최종 답변을 받습니다

[12:33] 훌륭합니다

[12:38] 웨스트월드 탈출 여행 계획을 세워보겠습니다.

[12:40] 스위트워터 3일 일정을 준비했습니다.

[12:42] 2명을 위한 샘플 일정표가 있습니다.

[12:45] 누가 가는지에 대한 정보도 포함되어 있네요.

[12:48] 실제로 어디서 정보를 가져오고 있는지 확인할 수 있습니다.

[12:50] 문서에서 가져온 걸 볼 수 있어서 좋네요.

[12:54] 가격은 어떨까요?

[12:56] 가격 정보를 제공했나요? 네, 그렇네요.

[12:58] 기본적으로 게스트 당 하루에 4만~5만 5천 달러가 듭니다.

[13:02] 그러니까 대략 25만 달러 이상

[13:05] 이 휴가에 쓰게 되는 거죠.

[13:07] 확실히 비싸네요.

[13:08] 그리고 볼 수 있듯이 난이도 추가 옵션도 있습니다.

[13:11] 그런 것들에 대한 정보가 나와 있어요.

[13:14] 만약 원한다면

[13:15] 래틀스네이크 릿지 트레일에 도전해볼 수 있습니다.

[13:17] TV 쇼와 관련된 다양한 활동들이 있어요.

[13:20] 실제 TV 프로그램과 관련된 것들이고

[13:23] 우리 문서에 포함된 내용들과도 관련이 있습니다.

[13:26] 메이브를 만날 수 있을까요?

[13:30] 철자가 확실하지 않지만 한번 보겠습니다.

[13:33] 결과가 나올 것 같네요.

[13:35] 여기서 보실 수 있듯이

[13:36] 이런 상황들을 어떻게 처리할지 생각해봐야겠어요.

[13:39] 웨스트월드라는 걸 알아냈지만

[13:41] 웨스트월드 캐릭터들에 대한

[13:43] 별도 섹션이 있으면 좋겠네요.

[13:45] 그리고 이에 대한 다른 섹션도요.

[13:46] 네, 메이브는 일반적으로

[13:47] 웨스트월드 아크 내에서 스케줄 예약이 가능합니다.

[13:50] 그녀는 메르 프로세스 술집에 등장합니다.

[13:52] 우리가 원하는 방향으로 잘 진행되고 있네요.

[13:54] 디즈니랜드 여행 정보를

[13:56] 알려달라고 하면 어떨까요?

[13:58] 이제 기본적으로 거부 응답이 나와야 합니다.

[14:02] 디즈니랜드에 가는 세부사항을

[14:04] 알려주실 수 있나요?

[14:05] 이제 기본적으로 이런 요청에 대해 거부해야 합니다.

[14:08] 여기서 처리할 예정입니다.

[14:11] 가드레일을 통과할 것입니다.

[14:13] 모든 것이 통과되어야 하지만

[14:15] 적절한 응답을 받아야 합니다.

[14:17] 이제 다른 에이전트로 넘어갔네요.

[14:19] 그리고 이제 거부 응답을 받을 것입니다.

[14:22] 죄송합니다.

[14:23] 디즈니랜드 관련해서는 도움을 드릴 수 없습니다.

[14:25] 저는 웨스트월드 테마파크의

[14:27] 여행 계획만 담당합니다.

[14:29] 이게 꽤 잘 작동했네요.

[14:30] 간단한 에이전트입니다.

[14:32] 여기서 보시다시피 이미 모든 것이 준비되어 있습니다.

[14:35] 이제 이것을 게시할 수 있습니다.

[14:39] 웨스트월드 여행 에이전트라고 부르겠습니다.

[14:40] 이제 실제로 배포할 수 있는 상태가 되었네요.

[14:44] 채팅 키트를 사용할 수도 있고

[14:46] 이에 대해서는 별도 영상을 만들 예정입니다.

[14:48] 아니면 여기에 들어와서

[14:50] 에이전트 SDK를 받아서

[14:52] 전체 코드를 받을 수 있습니다.

[14:56] 이 코드를 가져다가

[14:59] 원하는 곳에서 실행할 수 있습니다.

[15:02] 이것의 멋진 점은

[15:04] 여기서 실제로 가져다가

[15:06] 모델들을 바꿀 수 있다는 것입니다.

[15:09] 에이전트 SDK가 다른 모델들도 사용할 수 있게 해줄 것 같습니다.

[15:11] 하지만 파일 검색과 가드레일 등은

[15:14] 그들의 것으로 제한됩니다.

[15:17] 전반적으로 보면 시작하기가 매우 쉽습니다.

[15:19] 다양한 기능들이 많이 있어서

[15:22] 이것으로 할 수 있는 일들이 많습니다.

[15:24] 이것이 많은 사람들에게

[15:27] 주요 도구가 될 것 같습니다.

[15:29] 에이전트를 쉽게 만드는 방법을 찾는 사람들에게요.

[15:33] 이것이 N8N에 어떤 영향을 미칠지 궁금합니다.

[15:36] N8N 킬러는 아닐 수도 있지만

[15:38] 확실히 사람들이 에이전트를 설계하고

[15:41] 시작할 수 있는 좋은 쉬운 방법이 될 것입니다.

[15:44] 그리고 나서 이 시스템에서 내보낼 수도 있고요.

[15:47] 저에게는 단점이 있습니다.

[15:49] 여기에 갇히고 싶지 않다는 것입니다.

[15:53] 우리가 정말 원하는 것은

[15:55] 이런 것의 오픈소스 버전입니다.

[15:57] OpenAI 에이전트 SDK뿐만 아니라

[16:00] 다양한 에이전트 프레임워크를 위해

[16:02] 만들 수 있는 것 말입니다.

[16:05] LangGraph, ADK, Pydantic AI 등을 위해서요.

[16:08] 어쨌든, 댓글로 이에 대한

[16:10] 여러분의 생각을 알려주세요.

[16:13] 직접 써보셨나요? 이것이 N8N 킬러라고 생각하시나요?

[16:18] 무엇이 부족하다고 생각하시나요?

[16:20] 그것도 제가 생각하고 있는 것입니다.

[16:21] MCP는 보여드리지 않았지만

[16:24] 확실히 이것으로 MCP를 설정할 수 있습니다.

[16:26] 정말 멋지네요.

[16:28] 우리가 원하는 모든 것을

[16:30] 여기에 연결하고 사용할 수 있다는 것이요.

[16:32] 앞서 말했듯이

[16:34] 채팅 키트 부분을 살펴보는

[16:36] 다른 영상을 만들 예정입니다.

[16:39] 그것 자체로 정말 흥미롭다고 생각하거든요.

[16:41] 그것에 대해 어떻게 느껴야 할지

[16:43] 100% 확신하지 못하겠습니다.

[16:46] 그것이 OpenAI에 너무 종속되는 것인지

[16:48] 아니면 정말 좋은 방법이 될 가능성이 있는지요.

[16:51] 멋지고 쉬운 채팅 UI를 만드는

[16:53] 프론트엔드 등을 만드는 방법이 될 수 있는지요.

[16:56] 어쨌든, 항상 그렇듯이

[16:58] 영상이 유용했다면 좋아요와 구독을 눌러주시고

[17:02] 다음 영상에서 뵙겠습니다.

[17:05] 지금은 안녕히 계세요.