00:00저는 방금 어, 프롬프터로 질문을 날린 게, 어, 인플루언서를 검색을 하는데 애니메이션 코스프레 인플루언서 검색을 해 달라고 요청을 했고요

00:06이게 정상적으로 정말로 존재하는 인플루언서를 추천했는지 한번 보기 위해서 한번 넘어가 보도록 하려고 하는데요

00:10들어가서 한번 진짜 존재하는지 한번 보도록 하겠습니다

00:15네, 요런 식으로 어, 진짜 존재하는데요

00:19네, 존재하고 지금 팔로우 수가 지금 어, 362만 명, 어, 들 수치적으로 지금 정상적으로 들어왔나 한번 보도록 할게요

00:26여기 제가 URL로 렌더링해야 된다라는 그런 UI적인 요소들을 제가 만들어 놨기 때문에요, 부분 정상적으로 렌더링 된 걸 보실 수가 있습니다

00:32여기 보면은 제시카 니그리, 이름 동일한 부분 확인이 되실 수가 있고요

00:38실제로 이제 MCP 서버를 통해서 타빌리 API를 통해서 검색을 하고, 그 검색을 한 결과를 에이전트로 이렇게 결합을 해서 UI 형태로 보실 수가 있는 요런 게 지금 에이전트 빌더인데요

00:51자, 그러면 여기서만 써 볼 수가 있냐? 그럼 아쉽겠죠? AI가 사람들의 삶을 변화시키는 특별한 방법을 탐구하는 팟캐스트, 평범한 사람들이 오신 것을 환영합니다

01:01저는 호스트 유튜버 평범한 사가입니다

01:12오늘은 AI 붐이 오기 전부터 NLP 연구를 시작하셨고 현재 광고, 무역, HR, 패션, 부동산 등 다양한 산업에서 AI 에이전트 시스템을 구축하고 계신 쓸모랩 임근석 대표님을 모셨습니다

01:22간단한 자기 소개와 현재 하고 계신 일에 대해서 소개해 주시면 감사하겠습니다

01:26네, 안녕하세요

01:30저는 현재 기업 내 AI 기업 도입을 위한 컨설팅을 하고 자동화 시스템 개발을 하고 있는 쓸모의 랩 대표 임근석이라고 합니다

01:33반갑습니다

01:36아, 반갑습니다

01:39네, 오늘 날짜가 10월 7일입니다

01:42예, 10월 6일이 추석 당일이었고 10월 7일도 이제 추석 연휴인데요

01:49제가 이렇게 추석 연휴 부산에 잠깐 내려왔는데, 잠깐 내려온 김에 기존에 이전부터 계속 좀 연락하고 지내는, 네, 네루라는 닉네임을 쓰고 계신 임근석 님을 제가 꼭 팟캐스트로 모시고 싶다라고 좀 요청을 드려서 이렇게 부산에 내려온 김에 이렇게 만나뵙게 됐습니다

02:00아, 영광입니다

02:10네, 오늘도 이렇게 또 좋은 공간에서 좀 저희가 이야기를 나눌 수 있게 돼서 너무 기쁘고, 또 이렇게 저희가 이 팟캐스트를 준비하면서 오늘 또 막 그 오픈 AI에서 에이전트 빌더라는 것을 공개를 했습니다

02:21그래서 좀 개발자들 그리고 비개발자들 사이에서 굉장히 난리가 났는데, 이따가 그 부분에 대해서 저희가 좀 간단히 좀 이야기 드리면 좋을 것 같고요

02:32제가 이제 네로 님하고 이제 연락을 하게 된 계기가, 저희가 이제 엠팔 관련해서 좀 이런저런 이야기를 많이 하고 제가 좀 자문을 좀 많이 구하던 개발자 분이셨고, 또 굉장히 많은 일들을 좀 하고 계셔 가지고 제가 하는 어떤 일들을 좀 많이 팔로우업했던 거 같습니다

02:51그래서 어떤 일들을 해 오셨는지 좀 간단히 이야기해 주시면 너무 좋을 것 같습니다

02:56네, 전 가장 최근에 했던 프로젝트부터 한번 소개를 해 보자면은 최근에 한 9월 달에 광고업계 최초로 광고 AI 에이전트 시스템을 구축하는 프로젝트를 참여를 했었고요

03:04현재 지금 참여하고 있는 프로젝트로는 데이터 기반의 디자인 씽킹을 해서 어떤 데이터 분석 인사이트를 제공을 하는 그런 에이전트 시스템이자 에이전트 플랫폼 개발을 하고 있고, 그 외적으로 무역, HR, 패션, 부동산, 부동산이라면 되게 재밌긴 한데요

03:23그런 겹치지 않는 여러 가지 산업 도메인들에 대해서 AI 시스템을 도입을 하기 위해 열심히 지금 현재 발로 뛰고 개발하고 있습니다

03:30그 기업들이 대부분이 에이전트라고 하면은 굉장히 다 원하는 어떤 추구하는 방향성들이 굉장히 다를 거잖아요

03:42그런 것들을 이제 개발자와 기업 간의 원하는 이 에이전트를 구축하기 위해서 좀 어떤 좀 수고가 좀 들어가는지 좀 이야기해 주시면 너무 좋을 것 같습니다

03:54어 저는 사실은 이전에 있었던 어떻게 보면 저거 이런 이런 식으로 영업을 하고 하는 과정들이 기술 영업에 가까운데요

04:01기술 영업을 하는 게 사실 예전과 지금과 크게 다르지는 않다고 생각을 합니다

04:07그래서 어, 제가 예전에 기술 영업을 해왔던 방식 그대로 하고 있는데, 여기에 한 가지 달라진 점은 어, AI가 있다 보니까, 특히 바이브 코딩 도구가 있다 보니까 고객과 상담하는 도중에 원하는 내용들을 최대한 개발을 할 수 있는 용어, 도메인 용어를 사용을 해서 바이브 코딩을 해서 바로 고객 앞에서 "이런 식으로 동작하는 게 원하는 바일까요?"라고 여쭤보면서 실시간 소통을 하는 과정에서 굉장히 도메인 흡수도 되고, 그다음에 고객들을, 고객분들과 이제 커뮤니케이션을 금방 할 수 있는 것 때문에 저, 그런 부분들이 가장 큰 차이점으로 이전에 있던 개발과 지금에서는 좀 그런 부분이 좀 차이가 있던 거 같습니다

04:43 왜냐하면은 이런 시각적인 내용이 보여진 상태에서 얘기를 하게 되면 훨씬 더 대화가 수월해지는데, 예전엔 그런 디자인들을 하기 위해선 기획도 다시 하고 디자인도 다시 하고 개발하기 전에 이 두 단계를 거치고 난 다음에 다시 한번 더 고객을 찾아가서 설득하는 그런 과정들을 거쳤는데요

05:00요런 것들이 이제 바이브 코딩 도구를 사용을 해서 바로 고객분 앞에서 보여 드리면서 어떻게 일정을 잡고 어떻게 개발해 나갈지들을 구체적으로 잡을 수 있어서 그런 것들이 가장 큰 차이점으로 생각이 듭니다

05:12그 말씀하신 대로 아무래도 이전에는 이 제품을 하나에 완성하기까지 시간이 굉장히 오래 걸렸다면 요즘에는 바이브 코딩으로 굉장히 빠르게, 간단한 MVP 정도를 결과물을 내놓는 기간이 굉장히 좀 단축이 되면서 고객사하고 이렇게 그 소통하는 부분이 많은 단계가 좀 생겨나지 않았나 좀 생각이 드는데, 그 이전에는 뭔가 그 고객사도 만들고자 하는 것들이 너무 광범위하고, 그거를 개발자들이 이해하는 것도 너무 어려웠는데, 개발자들 대충 좀 알아들은 다음에 "이런 걸 좀 만들고 싶으신가요?"라고 해서 빠르게 좀 바이브 코딩 툴이나 이런 것들을 활용을 해 가지고 MVP를 빠르게 만든 다음에 고객사가 원하는 니즈를 좀 더 좁힐 수 있게 되다 보니까 이전보다 좀 더 고객사도 만족하고 개발자들도 좀 일하는 속도가 굉장히 좀 빨라지지 않았나, 좀 그런 생각이 들더라고요

06:06맞습니다

06:11그래서 이제 그런 것들을 원래는 디자인을 하고 그다음에 커뮤니케이션 한다고 해서 디자인 프로토타이핑이라고 많이 해 왔었는데요

06:18이제 요것보다 현재는 좀 더 단어가 진화를 해서 래피드 프로토타이핑이라고 단어가 좀 더 진화가 되기도 했습니다

06:23그래서 이런 식으로 그 래피드 프로토타이핑을 하면서 고객과 그런 소통의 시간을 굉장히 압축적으로 줄이게 될 수가 있었고요

06:29그 이후에 개발하는 과정들은 사실은 크게 달라지지 않았지만 그 중간중간에 디자이너와 개발자가 소통자와 디자이너 소통하는 그 과정의 AI가 바이브 코딩이 아니라 다른 AI 도구들을 또 활용하다 보면은 금방 그분들 사이에서 협업이 굉장히, 협업 시간에서 소통하는 비용이 많이 줄어지다 보니까 그런 게 전체적인 소프트웨어를 개발하는 시간들이나 이런 것들이 단축이 되고 있는 것 같습니다

06:55요즘에 아무래도 좀 바이브 코딩이 좀 굉장히 이슈가 되면서 사람들이 관심이 좀 되게 많은 거 같아요

07:02그래서 요런 AI 시대에 개발자가 되고 싶어 하는 분들이 좀 어떤 것을 좀 준비를 하면서 이 AI 시대를 준비를 해야 되는지 너무 막연하거든요

07:16저도 사실 뭔가 코딩부터 배워야 되나? 그럼 파이썬을 공부해야 되나? C언어를 배워야 되나? 막 너무 광범위한 거예요

07:22요즘 같이 바이브, 이렇게 뭔가 자연어로 개발을 하는 시대가 되면서 분명 그 안에도 허점이 분명히 있고 약간 명확한 좀 한계가 있는 건 좀 사실인 거 같아요

07:36이렇게 굉장히 빠르게 급변하는 좀 AI 시대, 개발자가 되고자 하는 분들에게 좀 어떤 좀 준비를 하고선 이 개발자가 되는 준비를 하면 좋은지에 대한 좀 이야기도 좀 해 주시면 너무 좋을 것 같습니다

07:51기존에 하던 개발 어떤 방식과 요즘에 개발하는 방식이 어떤 변화가 있는지도 좀 이야기해 주시면 너무 좋을 것 같습니다

07:59제가 요런 부분에 대해서 감히 얘기를 할 수 있는 사람인지는 모르겠지만 제가 경험해 왔던 최근에 현재 트렌드에 맞는 신입 개발자로서 준비해야 되는 역량들이, 어, 저는 한 가지가 있는 것 같기는

08:07합니다

08:14이거는 사실 기존의 어, 신입 개발자들뿐만이 아니라 현재 편에 하고 있는 AI를 적극적으로 사용하고 있지 않은 개발자 모두를 포함을 해서 공통된 내용으로도 볼 수가 있다고 생각이 드는데요

08:22조금 과거 얘기로부터 말씀을 드려 보자면은, 최치PT의 등장을 필두로 해서 코딩을 할 때 엄청나게, 원래는 컴퓨터 과학 지식, 컴퓨터 공학가를 나와야지만이, 혹은 컴퓨터 과학가를 나와야지만이 배울 수 있었던 그런 컴퓨터 과학 지식을 요구했었던 게 여전히 지금도 여전히 많이 있지만, 그럼에도 어 정말 사소한 기능 하나를 만드는데 있어서는 그런 디테일한, 그리고 깊은 이야기를 다 지식을 다 이해를 하면서 개발할 필요는 없습니다

08:53그런데 이제 어떠한 개발 팀이 나눠져 있고, 그다음에 어떤 도메인인지, 전문가 집단이 있는 대부분의 기업에서는 요런 사소한 기능 한 개 한 개를 개발자들한테 요청을 하고 싶은데 굉장히 바빠 보이기도 하고, 말 걸면 되게 "아, 일정 바쁘니까 나중에 얘기하세요." 이런 식으로 거절하는 상황이 너무 자주 있다 보니까, 어 그런 것들을 좀 미팅 요청하는 것도 민망해지고 하면서 그런 기회들이 많이 날아가, 과거에 많이 날아갔었습니다

09:21그래서 정말 도메인 전문가들 입장에서는 되게 필요했던, 이 도메인 전문가라고 하게 되면은 어 쉽게 설명을 하면은 마케팅 팀일 수도 있고요

09:26그다음에 영업 팀일 수도 있고요

09:32그다음에 뭐, 단순하게는 회계 팀일 수도 있고, 기업 안에 개발 팀을 제외한 모든, 어, 그런 부서들을 다 도메인 전문가라고 보실 수가 있는데요

09:39도메인 전문가들이 작은 기능 하나를 만들어 요청하는 것조차 과거에는 굉장히 시간이 많이 필요하고, 이게 시간을 넘어서 사실은 팀의 조화를 또 깰 수도 있는 그런 이슈들이 발생할 수 있는데요

09:52최치PT가 등장하고 난 다음부터는 사실은 이런 도메인 전문가들이 약간의 코딩 지식만 학습을 하고, 그다음 코드를 어떻게, 이게 어떻게 동작하는 거다라는 대략적인 내용만 학습을 하고, 그 내용을 학습을 해서 채지PT한테 물어봐서 "나 이런 기능 만들고 싶어." 어, 이렇게 바이브 코딩을 해서 만든 기능 한 개를 만들고, 그것들을 조금씩 개선해 나가다 보면 어느새 프로그램이 하나 완성되어 있는 모습을 너무 지금은 당연하게 보실 수가 있게 되었습니다

10:15그래서, 어, 평범한 사업가님께서도 이제 오시면서 계속 코딩을 하실 수 있는 것도 요런 비슷한 맥락일 거라 생각을 합니다

10:27사실은 이게 엄청나게 복잡한 시스템을 만드는 것들 요청을 드리면 사실은 굉장히 어려워하실 거고, 그렇 쉽지가 않은 작업인데요

10:34요런 것들이 아니라 사실은 대부분의 사람이 원하는 거는 네이버 블로그 글을 수집하는 거, 그다음에 쿠팡이나 이런 데 키워드로 검색을 해서 내용을 수집하는, 대부분의 그런 작업들은 사실 크롤링 작업들이 굉장히 많이 있습니다

10:46그런데 그런 것들이 어, 기존에는 엄청난 시스템을 디자인을 하는 엄청난 개발자들이 아니라, 작은 단위의 그런 기능들을 개발하는 그런 분들도 많이 계시는데, 채 GPT가 등장을 하고 바이브 코딩이 유행을 하게 되면서 그런 개발자분들이 설 자리가 조금 없어지게 되었지만, 반대로 요런 식으로 작은 기능 하나를 하나하나를 내가 만들고 있다면은, 그거는 이제 도메인 지식 전문가분들께는 굉장히 도움이 될 거라고 생각을 하는데요

11:11자, 그럼 다시 한번 더 신입 개발자분들과 AI를 많이 적용하지 않은 개발자들에게 이런 AI 시대에 어떻게 준비해야 되는지를 한번 말씀드려 보자면은, 단순한 기능 개발을 이제는 도메인 전문가분들도 조금의 학습, 코드를 읽는 학습을 하게 되면은 금방 따라오실 수가 있게 되었습니다

11:24그래서 이 단순한 기능 한 개를 만드는 것이 아니라, 어 시스템 전체를 아키텍처를 설계를 하고, 이 아키텍처 설계라고 하기 때문에 작은 거부터 하면은 폴더 구조를 어떻게 짜는지, 폴더 트리를 어떻게 만들고, 어 파일 이름 어떻게 나누고, 여기 어떤 코드를 넣을지, 요런 것들을 만드는 작업들이 아키텍처 중에 하나가 일부가 될 수가 있는데요

11:51요런 시스템 아키텍처를 디자인하는 것들을 공부를 하는 것이 요런 AI 시대 개발자가 살아남을 수 있는 방법이라 생각이 들고요

11:57그다음에 신입 개발자 분들도

12:03마찬가지로 어떠한 단순한 기능을 수행을 하는 페이지를 만들고 앱을 만드는 것이 아니라, 요런 것들을 유지 보수가 가능하게끔 코드를 개발하는 것들이 앞으로 굉장히 더 중요하게 여겨질 거라고 생각을 합니다

12:09음, 이어서 제가 좀 질문을 좀 드리자면은, 아까 전에 저희가 소개했던 것처럼 AI 붐이 오기 전부터 NLP 관련해서 좀 연구를 시작하셨다고 말씀하셨는데, 좀 NLP 연구를 좀 언제부터 좀 시작하셨는지도 좀 궁금하고, 당시 좀 지금처럼 뭐 AI가 각광받고 있을 때는 누구나 다 그 분야에 좀 공부하겠다는 생각이 들지만, 아직 뭔가 이렇게 붐이 일어나기 전에 좀 어떻게 좀 이 공부를 하기로 마음을 먹으셨는지, 좀 이런 부분에서 어떤 미래를 예측하셨는지도 좀 이야기해 주시면 너무 좋을 것 같습니다

12:46어, 사실은 저는 이 챗GPT가 등장하기 전인 2021년도부터 관련된, 어 챗GPT가 이런 자연어 처리 기술과 인공지능 기술이 두 가지의 결합의 결정체라고도 할 수가 있는데요

13:04그 중에 저는 이제 인공지능보다는 자연어 처리 부분에 좀 더 저는 기술 공부를, 사실은 제가 원해서 했다라기보다는 회사 프로젝트에 필요해서 그런 것들 제가 기술 공부들을 하였었습니다

13:17근데 하다 보니까 요것들을 좀 더 딥하게 회사에 사는 공부 외적으로도 더 많은 딥한 기술들을 공부하고 싶어서 오픈 소스 프로젝트들을 참여하는 것들을 좀 찾아보기 시작을 했었고요

13:24그때 마침 어 21년도 말쯤에 스테이블 디퓨전을 만들고 공개한 회사인 스태빌리티 AI의 비영리 AI 연구 기관인 일루더 AI에서 어 언어 모델을 개발을 한다라고 하는 그런 프로젝트가 하나 있었고요

13:41거기에 한국 현재 지금 카카오에서 비전 모델을 만들고 있는 어 연구자 분이 저랑 좀 그 같은 프로젝트를 좀 한게 있었는데, 그 프로젝트에서 좀 같이 해 봐도 좋을 것 같다라고 해서 어 같이 이렇게 조인을 해서 저는 데이터 수집 쪽을 담당을 했었고요

13:55어 그분은 모델을 직접 만들고 학습을 하는 부분에 리딩을 맡아 가지고 같이 작업을 했었습니다

14:02그때 경험이 어 저는 H이나 A을 수천 대를 가지고 있는 GPU 클라우드 환경에서 어떻게 학습을 하고, 어떻게 데이터를 수집하고, 어떻게 데이터를 정지하는지를 완벽하게 저도 배우지 못했지만은 등성듬성이라도 거기에 나와 있는 명령 하나하나 보고 어떤 식으로 그분들이 그런 연구하시는 분들이 얘기하고 나누는지 보면 용어들을 하나씩 보면서 어떤 식으로 어떤 단어들이 있구나, 사실 너무 생소한 단어가 너무 많았거든요

14:33그래서 저는 그런 것들 하나하나 좀 이해를 해 보고 싶어서 많이 공부를 했었고, 그때 당시에 제가 가장 어려웠던 단어는 어 인컨텍스트 러닝이라고 하는 그런 단어가 있었습니다

14:45그게 지금에서는 저희 지금 컨텍스트 엔지니어링과 비슷한 내용인데, 당시에는 뭐 그게 학습을 하는 건지, 아니면 프롬프트 엔지니어인지 그조차에서는 그런 개념이 없었기 때문에 그런 단어를 처음 먼저 접해 보다 보니, 이게 지금 21년도부터 그런 새로운 생소한 단어를 많이 접하다 보니까 지금에서는 저한테 너무 익숙한 단어가 되게 되었고요

15:04그러다 보니까 너무 지금 나오는 새로운 단어들이 그렇게 새롭지가 않고, 아 그때 이야기가 지금이구나라는 그런 식으로 저는 습득을 할 수 있었던 것 같습니다

15:10그래서 어 조금 더 얘기를 말씀을 드리고 싶은 부분은 그렇게 하다 보면은 이게 뭔 말인지를 모르고 내용을 먼저 접하다 보면은 결국에는 단어가 익숙해지다 보니까 자연스럽게 음, 그 단어가 그 단어구나, 그 단어에 대한 노출이 되게 저는 중요하다고 생각을 합니다

15:29그래서 지금 AI 시대에 내가 같이 물결을 타지 못하더라도 그런 단어를 먼저 들어봄으로써 그래, 자주 듣다 보면은 처음에는 이해가 안 되지만 어느새 그게 아, 저 머릿속에 어느 정도 개념이 정립돼서 아, 그건 그거구나라는 게 처음 시작하시는 분들보다 한 번이나 더 먼저 들어본 그분들이 더 많은 아는 지식을 흡수할 수 있는 그런 기회가 된다라고 생각을 해서요

15:39저는 늦지 않았다고 생각을 합니다

15:49하루라도 더 빨리 AI에 대한 공부를, 아니면 지식을 접하는 것을 너무 적극적으로 추천드리고 싶습니다

15:56아, 네, 이야기 너무 감사합니다

16:03그리고 또 보면은 또 저희 커뮤니티에서도 계시고, 제가 있었던 그 엠파앤 코리아 커뮤니티에서도 또 활동을 많이 해 주시고, 또 직접 운영하시는 커뮤니티들도 있잖아요

16:10뭐 이따가 좀 한번 그 부분에 대해서 좀 이야기해 주셔도 너무 좋을 것 같고, 일단 제가 이제 인근석 님하고 좀 이야기를 많이 나눴던 계기가 굉장히 커뮤니티에서 유용한 정보들을 좀 많이 공유를 해 주시기도 하시고, 또 개발자지만 또 비개발자들도 좀 약간 이해하기 쉽도록 이제 설명을 해 주시는 그런 포인트들이 되게 좀 와닿던 거 같아요

16:34좀 그런 부분이 아무래도 좀 계속 AI 트렌드를 계속 팔로우업하면서 그런 정보들을 공유를 하고 계속 연구하는 과정에서 좀 더 남들보다 더 많은 습득이 있지 않았나라는 좀 생각이 들고, 주로 좀 이야기가 나왔으니까 좀 어떤 커뮤니티를 좀 활동하고 계신지도 좀 이야기해 주시면서 그 커뮤니티에서 하고 있는 어떤 액션들, 그런 거에 대해서 좀 이야기해 주시면은 좀 더 더 그 인근성 님에 대해서 좀 시청자분들이 이해하기 너무 좋을 것 같습니다

17:05네, 저는 가장 먼저는 2022년도부터 지금까지 꾸준하게 활동해 온 아이 모가코라고 하는 그런 개발자들만의 코딩 문화를 한 2, 3년 동안 꾸준하게 실천을 해 왔고요

17:18그런 것들 실천을 하는 게 부산에서 한 3년 전부터 아주 오랫동안 지속적으로 일어나고 있는 부산 IT 모가코라고 하는 그런 어, 개발자 문화를 지향을 하고 IT 문화를 이런 식으로 계속 공유를 하고, 하는 그런 문화를 공유를 하고 유지를 하는 그런 어, 취미 활동이자 커뮤니티 활동들을 주로 해 왔었고요

17:31이 과정에서 되게 다양한 분들이 많이 오십니다

17:44IT, 이게 개발자들의 문화라고 할 수도 있지만은 IT인들의 문화라고도 저는 보고 있는데, 새로운 지식들을 가지고 왔었을 기본적으로 어, 개발자들의 문화에서는 가장 유명한 게 오픈 소스라고 하는 그런 되게 독특한 문화가 하나 있습니다

17:57그 오픈 소스에서 가장 큰 활동은 내가 작성한 코드나 내가 작성한 프로젝트를 코드를 공개함으로써 어, 그 가치를 널리 퍼트리게 하는 게 그게 가장 핵심 문화인데요

18:08어, 이게 어떻게 보면은 내가 열심히 개발한 코드를 왜 공유해라고 생각이 드실 수도 있는데 어, 요거 같은 경우에는 어떻게 보면 내가 작성한 코드가 그만큼 자신이 있다라고 하는 그런 어, 개발자의 프라이드가 될 수도 있고요

18:16그다음에 프로그램이라고 하는 거는 나 혼자만 쓰면은 아무런 가치가 없습니다

18:25더 많은 사람들이 쓸수록 그 가치가 커지고, 영향도 너무 커지기 때문에 어, 그거에 대한 책임 의심, 의식도 하나가 있을 수 있고요

18:33그런 것들을 계속 유지를 해 온 게 어떻게 보면 개발 문화라고 볼 수가 있는데, 요런 것들을 어 저는 기초, 저의 철학을 삼아서 오카방을 여러 가지 돌아다니면서 LLMR이라고 하는 커뮤니티에서도 많이 활동을 했었고, 그다음에 평범한 상학가님의 유튜브 채널 구독자님이 계시는 그런 채널에서도 저만이 알고 있는 그런 지식들을 최대한 알리고, 최대한 제가 알고 있는 쉬운 용어로 어, 해석을 해서 전달하는 역할들을 많이 해왔습니다

18:57그 모가코 관련해서는 좀 한번 링크를 좀 공유해 주시면 너무 좋을 것 같고, 그 지금 오픈 채팅방에 한 들어와 계신 인원이 한 몇 명 정도 되신다 그랬죠? 어, 지금 처음에 제가 들어왔을 때는 한 90명 정도 안 됐었는데, 현재는 1년, 2년, 3년 지나면서 현재는 한 730명 정도 있는 어, 부산에서 아마 가장 큰 커뮤니티라고 자부할 수 있는 정도로 어, 큰 커뮤니티 운영을 하고 있습니다

19:24그 또 모임도 또 계속 오프라인 모임도 또 계속 진행 중이라고 들었어요

19:28네, 맞습니다

19:32저희는 그 어, 모아코라고 하는 건 사실 저희가 만들어낸 용어는 아니고요

19:36원래 있었던 모여서 각자 코딩을 하는 그런 모임이라고 해서 처음에 사실 저는 모아코라는 단어를 보고 모여서 각잡고 코딩한다라고 저는 해석을 하고 열심히 의지 투여를 하기 위해서 왔었는데, 알고 보니까 그게 모여서 각자 코딩을 하는 그런 의미로 해석이라서 활동을 한게 모아코인데요

19:54모여서 각자 코딩을 하는데 요런 것들을 매주 주말마다 토요일, 일요일 매주 주말마다 대부분의 직장인들이 많으시고요

20:01그다음에 이제 공부를 하고 있는 대학생분들이나 아니면 취준생분들이 매주 주말마다 모여서 그렇게 코딩을 하면서 각자 하고 있는 어떤 공부를 하고 있나요? 아니면 뭐 어려운 부분이 있으면, 10년, 20년 된 경력자분들도 오시기 때문에 그분들도 계속 공부를 하고 계시고, 본인들이 알고 있는 지식들 전파해 주시기 때문에 그런 것들로 와서 이런 선순환 구조로 후배들을, 선배들이 계속 끌어주고, 그다음에 반대로 선배들은 "아, 새로운 친구들은 이런 생각을 가지고 있구나"라고 하면서 이렇게 선순환 구조의 그런 문화를 한 3년 동안 이어오고 있습니다

20:33현재 그래서 지금은 두말에서 저희가 원래는 카페를 가서 이렇게 해 왔었는데요

20:39그게 아니라 어느 정도 인원도 많이 모이고 하다 보니 "어, 우리만의 그런 행사도 열고 우리만의 이런 좀 편안한 공간을 만들면 어떨까"라고 해서 올해 2월 달에 부산에 아주 핫한 거리 한복판에다가 저희가 카페처럼 개발자들이나 아니면 디자이너, IT 산업에 종사하고 있는 모든 분들을 편안하게 오실 수 있는 그런 공간을 이제 운영을 하고 있습니다

20:58저는 그게 너무 좋은 거 같아요

21:04왜냐면은 저도 이제 오랫동안 공부를 하다 보니까 그게 뭔가 나 혼자서 공부를 하다 보면 방향성을 가끔 "생각보다 내가 잘 가고 있나?"라고 인지하기 좀 어려운 순간이 있는 거 같아요

21:18왜냐면 뭔가 몰입을 하다 보면은 좀 멀리 내다보는 약간 인사이트가 좀 좁아진다고, 좁아지는 경험을 좀 하게 되면서 다른 사람들은 좀 어떤 생각을 갖고 AI를 좀 접근하는지, 같은 툴을 우리가 배우더라도 사람마다 어떤 필요한 니즈가 너무 다르기 때문에 그 사용성이 굉장히 다르단 말이에요

21:36근데 다른 사람들의 사용성을 좀 보면서 "어, 나도 어 저기서 좀 더 응용해서 내가 가고자 하는 방향성에 맞는 어떤 결과물을 도출해 보면 어떨까?" 약간 요런 인사이트가 좀 더해지는 경험을 하면서 뭔가 같이 달릴 수 있는 모임이 굉장히 좀 중요하다라는 걸 체감을 하면서 저는 뭐 저희 서울에서 또 수강생분들이 또 따로 계시니까, 이제 수강생분들이랑 한 저희도 한 3, 40분 되시는데 그분들하고 함께 이렇게 달리는 어떤 모임들을 하고 있는데, 요런 그런 모임이 굉장히 좀 중요한 거 같아요

22:07특히 코딩하시는 분들은 이게 너무, 이게 정말 다르잖아요

22:13너무 다르기 때문에, 그리고 또 AI가 굉장히 또 빠르게 발전하고 있다 보니까 요런 것도 좀 같이 공유하면서 이 기회를 좀 같이 도모하는 어떤 모임이 있다면은 저럼 굉장히 좀 든든하지 않을까? 그리고 이게 단거리 달리기가 아니잖아요

22:27저는 이게 향후 한 10년, 20년을 내다본 지금 비즈니스 모델이라고 좀 생각을 하고 이걸 통해서 이제 앞으로 어떤 많은 사업 전반에 있어서 패러다임을 가져올 거다라고 좀 생각을 하고

22:40장기적인 관점에서 멀리 보고 달리려면 같은 페이스를 맞춰서 뛸 수 있는 사람이 굉장히 좀 중요한 거 같더라고요

22:47맞습니다

22:53제 페이스 메이커나 이제 같은 어 동료, 이런 같이 시작할 수 있고, 그다음에 공부를 같이 해왔으니까 컨텍스트 언어도 맞고 하다 보니 그런 것들이 있으면 굉장히 도움이 많이 됩니다

23:00맞습니다

23:05그래서 그런 관점에서 또 관심 있으신 분들은 또 뭐, 저희가 링크 걸어 놓을 테니까 또 오셔서, 아, 그리고 저도 좀 한번 좀 부산에 저랑 좀 약간 근성님이랑 또 생각하는 또 방향성이 좀 비슷하신 거 같더라고요

23:17그 저희가 사전 질문지에 근성님께서 부산에서 되게 뭔가 이렇게 한번 좀 판을 제대로 키워 보는데 어, 일조를 하고 싶다, 어, 그런 개발자가 되고 싶다라고 좀 이야기를 하셨는데 저는 충분히 가능하다고 생각을 해요

23:31저도 뭐 서울에서 뭐 아직은 그렇게 영향력이 어, 아, 너 넘사다 생각하, 넘사까지 아니지만, 그래도 서울이라는 공간은 뭔가 모의자라고 하면 뭐 몇백 명씩은 막 모이는, 그 제가 뭐 작년 연말에도 저희가 이제 토크 콘서트를 열 때 한 100분 정도가 와 주셨는데, 그런 것처럼 서울이라는 공간은 그런 게 되게 뭔가 자유롭고 모임도 많습니다

23:58그러다 보니까 요런 분위기가 자연스러운데 부산도 좀 그런 분위기가 좀 일어나서 좀 개발자들이 같이 좀 공유하고 만났을 때 더욱더 서울이랑도 또 같이 좀

24:10연합해서 공동으로 뭔가 진행해서 어쩔 때는 또 부산에서 한번 열고, 어쩔 때는 서울에서 열어서 좀 교류하면서, 좀 같이 이 AI 시대에 좀 기회를 얻는, 좀 개발자들, 비개발자들의 모임을 좀 우리가 만들면 좀 어떨까라는 좀 생각을 하게 됐습니다

24:25그래서 저는 이런 걸 하기 위해서는 뭔가의 서울에서만 하는 특색, 그다음에 부산에서만 하는 특색, 최근에는 제가 이제 또 제주도 AI 클럽이라고 해서 제주도 쪽에서도 커뮤니티를 같이 또 운영을 또 하고 있습니다

24:36처음에 네 명에서 시작해서 지금 벌써 한 140명 정도 모였는데요

24:47그런 지역이나 이런 위치를 상관하지 않고 각각 지역에 맞는 특색들이 저는 어느 정도 있다라고 생각을 하고, 그 특색이라고 하게 되면은 결국엔 저는 AI가 뭐 개인의 삶과 어떤 거 영향 미치기 이전에 산업에 가장 큰 영향을 미친다고 생각을 하는데요

24:58각 지역마다 어 자리 잡고 있는 산업들이 다르기 때문에 그런 산업들을 맞춰서 AI 기술들을 특허화시키고 발전시키게 되면은 어 되게 나라가 생각보다 우리나라 작지만 작음에도 불구하고 각각의 특색이 있듯이 그런 지역에 맞는 특색에 맞춰서 어 기술들이나 이런 것들 발전할 수 있지 않을까라고 생각을 하고 있습니다

25:17그거 한 가지 더 아까 전에 저희가 소개를 간단히 해 드렸지만 저랑 또 같이 활동을 했던 그 엠파앤 코리아 네

25:23어 커뮤니티에 대해서도 좀 간단하게 이야기해 주시고, 또 엠파앤을 또 근성님께서 또 굉장히 좀 애착을 하는 툴 중에 하나잖아요

25:30그 부분에서도 관심이 많으실 것 같아요

25:37좀 그 부분에 대해서 최근에 어떤 업데이트가 혹시 있는 게 있다면 좀 소개를 해 주시고 어떤 프로젝트를 좀 진행하셨는지 좀 이야기해 주시면 너무 좋을 것 같습니다

25:44어, 저는 이제 엠파앤 코리아에서는 주로 엠파앤을 저도 생각보다 늦게 입문을 한 편이긴 한데요

25:50어, 늦게 입문했으니까 누구보다 그런 뒤쳐지냐, 뭐 그렇다라고 생각은 하지 않습니다

25:57왜냐면 이런 엠파인이라고 하는 것들은 먼저 비개발자 분들이 훨씬 더 관심을 많이 가질 만한 그런 기술로 저는 보여지고 있는데요

26:03그렇게 되는 이유 중에 하나는 어, 굉장히 일단은 쉬워 보입니다

26:08어, 외관적으로 봤었을 때 코드는 정말 외계어처럼 보이고 일단은 한국어가 아니다 보니까 영어로만 막 적혀 있다 보니까 어, 이해할 수 없는 용어, 나랑 거리가 먼 친구라고 생각하실 수가 있는데 엠파인이라고 하는 그런 워크플로우, 워크플로우 자동화 도구를 도구들의 특징들은 외관적으로 봤었을 때 어떤 기능 할지 할 것인지 직관적으로 표현이 잘 되어 있습니다

26:21그렇다 보니까 개발자가 아니신 분들이 많이 혹하게 되는데요

26:34어, 저는 제가 이걸 주로 이렇게 많이 하고 있는 이유는 사실은 개발자가 아니신 분들이 혹하기 때문에라고 하는 점이 제가요 부분에 있어서 메리트가 했다라고 생각을 했습니다

26:47왜냐면은 기존에는 아까 전에 저 처음에 있었던 얘기가 돌아가게 되는데요, 영업을 하거나 어떤 기술 영업을 할 때 가장 중요한 게 클라이언트의 그런 요구 사항을 흡수하는 게 가장 중요한 역할입니다

26:59근데 그 과정에서 내가 어떤 프로그램을 만들지를 코드로 얘기를 하면은 백날 첫날 고객한테 설명해 봤자 아무 의미가 없는데요, 팔에는 이제 그런 시각화되어 있는 노드라고 하는 그런 형태로 나오다 보니까 정확하게 어떤 동작을 하지 않더라도 그 부분에 어떤 동작을 한다라고 대략적인 설명과 아이콘이 있음으로써 충분히 고객들이 쉽게 이해를 할 수 있기 때문에 제가 개발한 엄청난 복잡한 시스템마저도 개발자가 아닌 분들도 그 부분에 해석을 하고 "아, 이렇게 동작하는구나"라는 게 엠파이 가장 좋게 생각하는 이유 중에 하나고요

27:30이 부분에 플러스에서 M8이 제가 좀 좋아하는 이유는 만약에 M8에서 제공하고 있는 그런 기능들이 부족한 게 있다, 그러면 저는 아무래도 개발을 할 수 있는 능력이 있다 보니까 그런 별도의 개발을 통해서 그 부분 부족한 부분을 채워서 시스템 보완을 할 수 있다 보니 요런 두 가지 법적으로 쓸 수 있는 어, 쉬운 UI가 있다라는 거 하나

27:49그다음에 어려운 부분이나 복잡한 부분에서는 별도 개발할 수 있다라는 점, 이 두 가지를 같이 할 수 있다라는 점에서 저는

27:54엠파이가 좋은 점이 많다라고 생각을 하고 있습니다

28:00그 외적으로도 메이크라던가, 자피어, 그다음에 디파이라고 하는 또 다른 프레임워크들이 있는데요

28:06그런 경우에는 각자의 또 자리를 잡고 있는 특색들이 있지만, 가장 법용적으로 할 수 있는 부분에서는 엠파이가 가장 강력하다라고 생각하고 있습니다

28:12기업들이나 개인들이 AI가 등장하면서 가장 관심이 많은 키워드는 아무래도 좀 자동화인 거 같아요

28:36맞습니다

29:00그중에 아무래도 뭐 말씀하신 것처럼 제어나 뭐 메이크도 있지만, M8이 저도 이제 사용을 해 보면서, 저도 제피어를 되게 오래 전부터 사용을 했는데, 제피어가 생각보다 그때 너무 어떤 커뮤니티 자체도 국내 커뮤니티 자체도 없다 보니까 정보가 너무 많이 부족하고, 그러면서 이제 자동화를 하는 건지, 내가 자동화를 하려고 일을 하는 건지 잘 모를 정도로 뭔가 이게 자동화가 되게 재밌지가 않은 경험을 하면서 초반에 좀 빠졌다가 좀 굉장히 좀 등한시했다가, 좀 최근에 이제 뭐 M8 관련돼서 정보들이 너무 많이 올라오기도 하고, 말씀하신 대로 개발자들이 많이 쓰다 보니까 개발자 생태계에서 그거를 오픈 소스 너무 뭐 워크플로우나 아니면은 그 자동화를 구축하는 방법들에 대해서 공개를 너무 그냥 많이 쉽게 해 주시다 보니까, 그런 것들을 참고해서 나만의 자동화 에이전트나 워크플로를 구축하는게 굉장히 좀 쉬워지면서, 그리고 이게 또 무료라는 게 가장 큰 혜택입니다

29:25물론 유료로도 할 수 있지만, 무료로도 내가 그냥 로컬로 내 서버에서 돌리면서 비용 없이 어, 사용할 수 있다는 게, 그러다 보니까 클라우드 기반이 아니라 어, 로컬 기반으로 돌아가다 보니까 속도도 빠르다는 점이 굉장히 M8을 선호하게 되는 요인 중에 하나였던 거 같아요

29:44그러다 보니까 기업에서도 이런 니즈가 굉장히 많을 텐데, 좀 요런 자동화 에이전트를 구축할 때 좀 어려움들은 좀 없었는지, 아무래도 사람들이 대부분 자동화라고 하면은 정말 모든 걸 처음부터 끝까지 다 딸깍해 준다고 좀 생각을 하는데, 요런 부분에서 좀 기업이나 개인이 갖는 자동화 에이전트, 자동화 워크플로우에 대한 견해와 좀 개발자들이요, 자동화 워크플로를 구축할 때 견해가 어떤 부분에서 좀 차이가 있는지 좀 이야기해 주시면 너무 좋을 것 같습니다

30:16어, 처음에 말씀하셨던 제너레이티브 AI를 사용하시면서 자동화를 기획하기 위한 내가 업무를 하고 있는 거 아닌가라고 생각하신 점이 사실은 개발자들이 지금 M8을 바라보고 있는 시각이 좀 많다고 생각을 합니다

30:27내가 쓰기 위해서 억지로 코드를 쓰면 써도 되는 걸 이걸로 해야 하는 거 아닌가라고 생각하는 개발자분들이 사실 대부분의 개발자분들이 그렇게 생각하고 계시고요

30:40저 같은 경우에는 좀 반대로 사실은 코드로 만들었을 때 더 효율적으로 더 빠르게 만들 수가, 있음에도 불구하고 가장 중요한 거는 저는 이게 만들어진 다음에, 그다음에 요거에 대한 유지를 어떻게 할 것인가가 저는 어떤 소프트웨어를 만드는데 있어서 가장 큰 어려움이라고 생각을 합니다

30:58그런 점에서 비개발자 분들도 같이 코워킹을 할 수 있는 그런 게 저는 요런 노코드 베이스에 자동 워크플로우 만드는 기술이 그, 그 중에 가장 핵심이라고 생각을 하고 있고요

31:06그래서 저는 어, 가장 먼저는 어 어려운 부분들을 개발자가 먼저 셋업을 해 놓 다음에, 그다음에 기능 고도화를 하는 거 있어서는 도메인 전문가분들이 붙어서 "아, 나는 이 기능 이런 게 부족해." 그런 부분들을 비개발자분들이 조금 더 M8을 공부를 하셔 가지고 그분들을 어 디벨롭해 나가는 그런 부분이 가장 저 이상적인 구조이지 않을까라고 생각을 하고 있습니다

31:29그리고 또 한 가지, 또 여기서 좀 엠파 관련해서 또 한 가지만 좀 이야기하고 좀 넘어가면 좋을 게, 또 엠파 관련해서도 또 내료 님께서 만들었던, 아직 완성형은 아니지만, 그 MCP도 또 만드셨잖아요

31:41좀 그거의 좀 기능들을 좀 간단히 소개해 주시고, 제가 좀 여기서 좀 약속을 좀 받아가고 싶어요

31:46좀 이 완성형은 저희가 좀 언제쯤 저희가 자연으로 엠파을 좀 재밌게 갖꿔 놓을 수 있는 시점이 언제쯤 올 수 있는지, 좀 그분에서 좀 이야기해 주시면 또 아, 이걸 보고 계신 좀 시청자분들이 또 관심을 좀 갖지 않으실까, 네, 그거 좀 이야기해 주시면 너무 좋을 것 같습니다

32:06사실은 저도 방금 말씀해 주신 M8 워크플로우를 만드는 MCP를, 어 제가 굉장히 좀 오래 전, 7월부터 이거를 어 얘기를 하고 어느 정도 코드베이스를 작성해 왔었는데요

32:18어 최근에 그냥 개인적인 그런 업무, 업무들이 밀리다 보니까 우선 순위가 좀 뒤로 밀려서 못 하고 있는데, 어 거기에 핵심적인 아이디어를 먼저 공유드리자면은 엠파 같은 경우에는 이점 중에 하나가 어 만든 워크플로우가 제이슨이라고 하는 그런 파일 형태로 저장을 하고 백업을 하고 다시 보관을 할 수 있는 그런 핵심적인 기능을 제공하라고 있습니다

32:43이 과정에서 개정 정보들은 식별화가, 비식별화가 된 상태로 나의 개정 정보는 가리고 핵심적인 로직 부분만 공유할 수 있다라는 점이 가장 큰 특징인데요

32:50요런 부분 때문에 MCP가 붙게 되면은 M8의 워크플로우를 자동으로 만들 수가 있게 됩니다

32:57이 말이 어떤 거냐면은 우리가 어 커서라던가 클로드 코드, 그다음에 최근에는 코덱스, 이런 또 그 외적으로 되게 많은 아이디 형태나 터미널 형태에서의 코드를 쓸 수 있는 그런 프로그램들이, 소프트웨어들이 굉장히 많이 나왔는데요

33:11거기에서 가장 특징이 MCP라고 하는 별대 외부에 있는 프로그램을 연결시켜서 어 AI가 코딩을 하데 있어서 좀 더 도움을 주는 그런 기능들을 개발자가 만들듯 누군가 만들어서 넣을 수가 있게, 됩니다

33:27근데 여기에서 결국에는 코딩이라고 하는 거는 글자로 되어 있는 파일을 만드는 게 코딩인데, 이 제이슨이라고 하는 파일이 결국에 글자로 되어 있는 엑셀처럼 암호화가 되게 압축이 되어 있는 파일이 아니라, 어, 우리가 눈으로 보면 볼 수 있는 그런 글자 형태로 나와 있는 게 제이슨 파일의 특징인데요

33:46요런 부분에서 엠팔에는 오픈 소스다 보니까 이 소스 코드를 분석을 하다 보면은 규칙이 보이게 됩니다

33:53그래서 그 규칙들을 제가 코드로 녹여내서 제이슨 파일에 있는 항목들을 하나하나 한 줄 한 줄씩 뜯어 가면서 "아, 요 부분은 문제가 있네, 문제가 없네" 뭐 이런 것들을 확인을 하고, 문제가 있다면은 몇 번째 줄에 어떤 부분이 왜 에러가 났고 어떤 부분이 부족한지 이런 것들을 검증해 주는 그런 시스템을 만드는 게 지금 M8앤 워크플로우 MCP에 제가 만들고 있는 MCP의 특징입니다

34:12요걸 하는 이유는 AI가 엠파 워크플로우로 만들고 난 다음에 나온 그 결과물이 실행이 될지 안 될지를 우리 돌려봐야 알 수 있는데요

34:24요런 것들을 MCP를 사용을 해서 검증을 거치게 되면은, 그리고 검증을 하면서 에러가 나는 부분들을 알려 주게 되면 AI한테 "몇 번째 줄에 에러가 어떻게 났어"라고 알려 주게 되면은 자동으로 MCP가 돌면서 파일을 검증하고 에러 부분을 AI한테 넘겨 주고 AI 그걸 보고 다시 코드를 수정하라고 또

34:41검증하고 에러를 확인하고, 이 과정들을 루틴을 돌다 보면은 자연스럽게 어느 순간 "어, 내가 원하는 코드가 동작할수록 자연스럽게 자동 완성이 되는", 그런 게 제가 지금 생각하고 있는 M8앤 워크플로우 MCP의 기획입니다

34:55네, 제가 너무 기다리고 있고 되게 저희가 한 7월 달부터 또 오랫동안 좀 이야기를 나누고 있습니다

35:03그래서 또 바쁜 일정이 끝나시면은 또 작업을 진행하면서 좀 많은 비개발자분들이 좀 아직까지도 좀 엠파을 좀 어려워하고 계신 분들이 굉장히 많이 있습니다

35:16근데 이제 미국에서는 요러 관련된 어떤 툴, 사스나 아니면은 서드파트 서비스들이 굉장히 좀 많이 나오고 있는데 반에, 좀 한국은 좀 약간 아직 약간 그런 부분에서 좀 뭔가 이 엠파에 대해서 좀 개발자 툴이라는 인식이 좀 강해서 그런지, 좀 많이들 좀 즐겁게 하시기보다 좀 약간 아직까지는 어려워하는 좀 분위기가 좀 있는 거 같은데, 좀 그 부분에서 또 근성님께서 좀 힘을 써 주셔서, 그리고 또 만약에 또 이번 영상을 보시고 또 여기에 또 같이 힘을 써 주셔서, 또 함께 으쌰으쌰 해 주실 또 개발자분이 계시다면, 좀 또 댓글로 남겨 주시면은 저희가 한번 좀 모셔서 좀 같이 좀 즐겁게 좀 자동하는 그날까지 좀 엠파 MCP를 좀 같이 구축해 보면서 엠파을 좀 활용하는 사례들을 좀 많이 공유하는 커뮤니티가 좀 될 수 있었으면 너무 좋을 것 같습니다

36:08사실 저는 이제 이쯤 되면은 하나 정도는 오픈 소스로 나오지 않았을까라고 하는 생각도 했었는데요

36:15아, 전혀 그 컨셉을 제대로 살리고 있는 MCP가 아직 나와 있지 않아서, 아, 요거는 내가 만들지 않고서는 아직 아무도 공감을 못 하지 않을까라는 생각이 들면 드는 것과 동시에, 어, 최근에 다른 유튜브 채널에서, 한국에 있는 다른 유튜브 채널에서 비슷한 컨셉의 그런 아이디어를 가지고 온 걸 봤었을 때는 요런 식의 아이디어 접근이 저는 합리적이고 맞다라고 생각을 하고 있습니다

36:27네

36:38그래서 그 부분에 대해서도 또 업데이트되는 소식 있으면 또 제 커뮤니티나 또 근성님이 속해 있는 커뮤니티에서 한번 좀 공유를 해 주시면 너무 좋을 것 같습니다

36:50저희가 좀 이어서 M8 관련해서 좀 이야기하면서 오늘 앞부분에 저희가 간단하게 좀 이야기 드렸지만 오늘 하루 종일 좀 난리였던 거 같아요

36:56그 오픈 AI에서 에이전트 빌더라는 시스템을 좀 공개를 했는데요

37:04요거에 대해서 아직 좀 사람들이, 어, 제가 처음에 봤을 때, 어, 자동화 워크플로를 굉장히 좀 쉽게 할 수 있지 않을까라는 좀 생각을 했었는데, 그 면모를 좀 깊게 보면서, 아, 이거 생각보다 비개발자들한테 좀 어려움이 있겠다라는 좀 생각이 들어서, 이 부분에 대해서 좀 근성님께서 좀 한번 사용해 보시고 오늘 이야기 나누면은 너무 따끈따끈한 소재이기 때문에 기존의 에이전트 툴, 그리고 저랑 좀 전에 좀 얘기를 나누셨던 것처럼 좀 요즘에 에이전트 SDK, 클로드에서도 기존에 다른 이름이었는데 앞에 에이전트 SDK를 붙여서 클로드 코드로도 충분히 우리가 "어, 내 컴퓨터를 작동을 해서 에이전트를 좀 구축했다"고 하면 좀 더 자동화 관점에서 정말 인공지능 비서 같은 기능을 할 수 있는 게 좀 이 SDK의 기능이라고 좀 보는데, 그 부분에 대해서 오늘 공개된 오픈 AI의 에이전트 빌더라는 프로그램에 대해서 좀 개발자 관점에서, 좀 비개발자들도 이해하기 쉽게 좀 설명을 해 주시면 너무 좋을 것 같습니다

37:23네

37:42어, 먼저 채 GPT 안에서 이걸 사용해 볼 수는 없고요

38:01이제 오픈 AI에서 제공을 하고 있는 오픈 AI 플랫폼이라는 그런 곳에서 별도로 사용하실 수가 있습니다

38:20그래서 제가 기대했던 거는 사실은 최치비T 안에서 에이전트 빌더를 통해서 만들고 나면은 그것들을 배포하는 것을 사실 저는 상상을 하고 있었는데, 아, 그거에 반면에 API 기반으로 동작하는 시스템을 어 플랫폼을 공개를 한 게 조금 다소 아쉽지만, 그럼에도 불구하고 좀 재밌는 것들을 제가 찾아 놓은 게 있어서 한번 그것들 한번 어떻게 만드는가, 그리고 어떤 식으로 에이전트 빌더가 만들어져 있는가, 구성돼 있는가를 한번 보여 드리도록 하겠습니다

38:46그래서 먼저 platform.openai.com에 들어오시게 되면은 왼쪽 탭에 에이전트라고 하는 탭이 있습니다

38:52여기에서 빌드 에이전트스라고 하는 곳에 에이전트 빌더라고 하는 탭으로 오시게 되면은, 여기에 조금 버튼 내리고 스크롤 내리고 오픈 에이전트 빌더를 누르게 되면요, 빌더로 만들 수 있는 화면이 만들어지게 됩니다

39:09요거 같은 경우에 제가 만들어진 게 있다 보니까 만들어지지 않은 첫 화면은 요렇게 생겼습니다

39:14위에서는 이제 채지 프롬프트를 한번 날려보는 화면이 있고, 여기 에이전트 빌더라고 하는 화면이 따로 있습니다

39:20요 부분에서 저는 오늘 제가 만들어 보려고 하는 거는 여러 가지 아이디어가 되게 많았지만은, 저는 오늘은 인플루언서를 검색을 해 보는 것들을 에이전트 빌더로 한번 만들어 보려고 합니다

39:32또 요것만 하나 만들게 되면 좀 아쉬움이 있을 것 같아서 제가 가지고 있는 M8을 좀 더 확정을 하고 결합을 하고, M8에서도 또 쉽게 만들 수 있는 게 MCP 서버를 또 쉽게 만들 수가 있습니다

39:44그래서 MCP 서버, M8N, 그다음에 에이전트 필더 이 세 가지를 종합을 해서 좀 새로운 애플리케이션 한번 만들어 보려고 합니다

39:49그래서 먼저 가운데 보이는 크리에이트 버튼 눌러 주시면요, 이런 식으로 화면이 하나 나오게 됩니다

39:55자, 요렇게 되면은 기본적으로는 스타트 노드가 있고, 그다음에 에이전트 노드가 있습니다

40:01여기에서 다른 노드들도 되게 많지만, 저는 가장 간단한 요 두 가지만으로도 구성을 할 수 있기 때문에 이 두 가지만으로 에이전트를 만들어 보려고 합니다

40:08그래서 먼저 여기에 에이전트라고 하는 모드를 클릭을 해서 이렇게 활성화시켜서 보실 수가 있고요

40:15여기에다가 저는 먼저 이름을 한번 바꿔서, 여기를 "인플루언서 서치 에이전트"라고 저는 이름 한번 지어 보도록 하겠습니다

40:28그리고 인스트럭션 같은 경우에는 넣어 주면 좋겠지만은, 저는 빠르게 만들어 보기 위해서 요것들 생략, 그대로 기본값으로 생략하고 넘어가 보도록 하겠습니다

40:34그다음에 모델로는 오른쪽에 GPT 5가 있는데, GPT 5 같은 경우에는 아무래도 그 가격이 좀 많이 저렴해졌음에도 불구하고 좀 비싼 편이기 때문에요, 부분들은 제가 테스트했을 때 GPT 5 나노로도 충분히 동작을 잘했기 때문에 GPT 5 나노로 바꾸고요

40:42그다음에 리닝 임팩트라고 하는 부분이 있습니다

40:50요거 같은 경우에는 얼마나 생각을 오래 할 것인가, 씽킹을 얼마나 길게 할 것인가에 대한 내용인데요, 부분들은 저는 한 미디엄 정도로 바꾸고요

40:59그다음에 여기서 툴스를 한번 새롭게 정의를 해 보려고 합니다

41:06툴스에서 여러 가지 선택지가 있는데요, 저는 오늘 그냥 MCP 서버만 한번 간단하게 호출해서 사용해 보려고 합니다

41:11여기에 나와 있는 기본적으로는 오픈 AI가 직접 장애를 만든 NCP 서버가 있고요

41:18그다음에 그 외적으로 서드 파티 오픈 AI의 어 파트너사들이 만들어서 제공하고 있는 MCP 서버가 또 있습니다

41:24근데 저희는 저희만의 MCP 서버를 만들고 구축해서 한번 넣어 보려고 하는데요

41:31여기에 링크를 주고 라벨로 이름을 간략하게 지어 주고 난 다음에 생성을 하게 되면은 우리가 가지고 있는 MCP 서버에 연결이 돼서 에이전트 빌더를 만들어 보실 수가 있습니다

41:43그래서요 부분은 제가 한번 제가 가지고 있는 MCP 서버로 다시 한번 잠깐 이동을 해서 이어가도록 하겠습니다

41:47자, 제가 가지고 있는 MCP 서버입니다

41:51여기에서 크레이트 워크플로우를 한번 만들어서 새롭게 만들고요

41:55그다음에 어 여기 가운데 있는 비워져 있는 노드럼만 누르고 여기에서 MCP라고 검색을 하고 MCP 서버 트리거를 만듭니다

42:01그다음에요 상태에서 별도에 따른 설정을 바꾸지 않고 어토티케이션 같은 경우에는 API로 인증을 해서 이 부분에 인증을 통해 이 인증키가 있어야지만이 접근할 수 있는데 일단은 요거는 잠깐 제가 생략을 하고 넘어가도록 하고요

42:15그다음에 밑에 툴스라고 하는 엣지에다가 클릭을 해서 추가를 해 보려고 합니다

42:22저는 여기서 어 추가를 해 보려고 하는 거는 검색을 잘하고 잘하게 해 주는 그런 타빌리라고 하는 툴이 있는데요

42:27요거 같은 경우에는 조금 잠깐 소개를 한번 하고 넘어가면 저도 좀 그 엠파 하면서 이 타빌리라는 거에 대해서 좀 알게 됐는데, 검색 API 하면 저희가 주로 예전에는 서프 API나 이런 걸 많이 썼는데요

42:46요즘에 타빌리를 좀 많이 쓰는 이유가 어떤 이유인지도 좀 말씀해 주시려고 하시는데, 저도 궁금하네요

42:57어, 타빌리 같은 경우에는 저도 사실은 제가 처음에 처음부터 이렇게 배우게 됐다라기보다는 저희 고객사분들이 많이 쓰고 계셔서 어떻게 쓰고 계신지 저도 뭐 궁금해서 "어떻게 쓰고 계세요?" 하다가, 어, 요런 부분들이 가장, 저는 가장 큰 핵심적인 차이점이라고 하면은 인스타그램에 검색을 또 활용한다라는 게 저는 가장 큰 차이점으로 봤습니다

43:08인스타그램에 있는 서치를 하는 게 굉장히 구현하는 게 좀 번거러운데요

43:19요런 부분들을 어 조금 쉽게 할 수 있다라는 게 가장 핵심이었고, 되게 검색을 하는 방법에 대해선 여러 가지 제공을 하고 있습니다

43:30그런데 전 다른 것보다는 M8에서는 MCP 툴 형태로 나와 있다 보니까 복잡하게 내가 어떻게 검색을 해야 될지라는 거 고민을 하지 않고도 할 수 있어서 되게 좋다라고 생각을 하고 있고요

43:37그 외적으로도 M8N에서는 파이어 크롤이라고 하는 크롤러, 크롤링을 하는 AP, AP, AP, API도 제공을 하고 있는데요

43:43요런 것들도 각각의 특징이 있기 때문에 각각의 특징에 맞춰 가지고 나한테 좀 더 적합한 서치 엔진들을 찾아보면 좋을 것 같고, 그다음에 말씀해 주셨던 서, 서, 서프 API 같은 경우에는 어, 구글 검색 엔진이나 구글 검색 엔진처럼 생긴 나머지 검색 엔진들의 API를 통일시킨 API 서치 엔진이라고 보실 수가 있는데요

44:00그거 같은 경우에는 아무래도 그 구글 서치 엔진을 쓸 때 비용이나 이런 것들을 어떻게 결제하는지가 좀 복잡하기 때문에 그것들을 결제도 좀 간편하게 만들어 뒀다라는 게 조금 큰 차이점이 있습니다

44:12타빌리 같은 경우에는 무료로 한 달에 1천 번의 그런 오퍼레이터를 쓸 수가 있기 때문에, 어, 그런 것 저는 충분히 테스트를 해 보는데 있어서는 합 API를 쓰는 것도 충분히 저는 메리트가 있다라고 생각을 합니다

44:25그래서 요렇게 하나 연결해 주고요

44:31해주고 여기에다가 저는 툴 디스크립션을 조금 바꿔 보려고 합니다

44:36툴 디스크립션을 제가 원하는 디스크립션을 바꾸려고 하는데요, 부분 같은 경우에는 GPT를 만든 우리 에이전트한테 어떤 경우에 이 도구를 호출해야 하면 좋은지에 대해서 정보를 알려 줍니다

44:44그래서 정보를 알려 줄 때 저는 가능하면은 영어로 쓰는 걸 추천을 드리고요

44:51영어로 제가 어, 요런 식으로 인스타그램 인플루언서를 검색을 할 때 이 툴을 써라라고 하는데 인스타그램 말고 저는 그니까 인플루언서 검색 전체를 다 하고 싶기 때문에 이렇게 한번 수정을 하도록 하겠습니다

44:59그다음에 여기 리소스라고 하는 요소는 엠파에서 제공하는 그런 기능 하나하나를 리소스라고 부르기도 합니다

45:04그다음에 그 안에서도 오퍼레이션이라고 하는 또 별도의 또 하위 개념의 기능이 따로 있는데요

45:10요거는 엠파 수업을 듣다 보면은 그때 집중해서 공부를 해 보시면 좋을 것 같고, 요런 것들이 있다, 바꿀 수가 있다 정도만 하고 넘어가도록 하겠습니다

45:22그다음에 쿼리 같은 경우에는 LLM이 어떻게 질문하면 좋은지 그런 프롬프트라든가 검색어를 입력하는 공간인데요

45:29여기를 원래라고 하면은 저희가 뭐 애니메이션 뭐 요런 것처럼 직접 저희가 키워드를 입력을 해 줘야 되는데, 키워드를 입력을 하게 되면은 AI 에이전트가 아니겠죠

45:36그래서 오른쪽 버튼에 요런 버튼을 누르게 되면은 AI가 스스로 이 쿼리 문을 채우도록 하는 하도록 만드는 기능으로 바꿀 수가 있습니다

45:42음

45:47요런 식으로 만들면 일단은 M8으로 MCP 서버를 하나 만든게 끝나는 겁니다

45:53그런 다음에 이거를 이제 여기 에이전트에서 에이전트 빌더 사용할 수 있게 만들기 위해서 오른쪽 위에 액티브 상태로 만들어 주시고요

45:59그다음에 에이티브 상태에서 다시 한번 더 NCP 서버 트리거를 더블 클릭하고 프로덕션 URL로 누르신 다음에 여기 나와 있는 여기 URL을 클릭을 하게 되면은 저희는 이제 MCP 서버를 배포할 준비가 완료가 됩니다

46:10다시 에이전트 빌더로 돌아와서요

46:17복사를 해 놓은 URL을 여기다 붙여넣기를 하고 커넥트를 하게 되면은 잠시 후에 에이전트 빌더가 연결이 완료됐다라고 메시지가 뜨게 됩니다

46:23자, 요 상태에서는 저희 그대로 따로 설명 바꾸는 거 없이 애드라는 버튼 눌러서 연결을 최종적으로 마무리 줄 수가 있습니다

46:29그다음에 제가 개인적으로 에이전트 빌더에서 가장 인상적으로 느꼈던 부분은 위젯이라고 하는 부분인데요

46:35요 위젯을 만드는 방법은 아웃풋 포맷에 오른쪽에 텍스트 버튼을 누르고 아래쪽에 위젯을 누르게 되면은 요런 식으로 위젯을 추가할 수가 있게 됩니다

46:47근데 위젯 같은 경우에는 저희가 기존에 없던 것들 새로 만들어야 되는 것도 있고, 기존에 있는 거 쓸 수가 있는데요

46:52요걸 한번 클릭해 보고 화면을 보신 다음에 어떤 건지 한번 경험해 보면 좋을 것 같습니다

46:58그래서 위젯 버튼을 누르시고 그다음에 크리에이트 버튼을 누르게 되면은 위젯 체키 스튜디오라는 별도의 플랫폼으로 이동을 하게 됩니다

47:09이곳에 이동해서 내용을 보시게 되면은 먼저 어, 굉장히 최치피티의 프롬프트를 입력하는 곳처럼 보이실 수가 있는데요

47:15이곳에서 내가 원하는 그런 화면을 디자인을 바이블 코딩하듯이 만들 수, 입력 프롬프트를 입력하면 됩니다

47:21그래서 제가 미리 준비해 둔 프롬프트들을 한번 가지고 와서요

47:26어, 저는 인플루언서 분들을 검색을 해서 보여주는 UI를 만들고 싶기 때문에 그런 거에 대한 UI를 만들어 달라라고 프롬프트로 요청을 합니다

47:32이렇게 하게 되면은 채치피에서 어 우리가 흔히 아이폰이라든가 안드로이드 쓰는 그런 위젯처럼 나오는 자그마한 화면이 나오는 그런 결과물이 나오게 됩니다

47:45그래서 이거 기다리시는 동안에 미리 제가 만든 결과물을 보게 되면은 요런 식으로 어 웹에서 주로 사용하게 되는 리액트라고 하는 코드 형태로 이렇게 코드를 수정해 보실 수가 있고요

47:52그다음에 아래쪽에는 이해가 잘 안 되실 수가 있는데 아래쪽에 있는 부분들은 스테이트라고 해서 우리 흔히 CGPT가 어떻게 데이터를 넣어야 되는지 그런 데이터의 형태를 이런 식으로 가시적으로 표현해 볼 수가 있습니다

48:04그리고 여기 나와 있는 이런 것들이 변수처럼 역할을 하게 되는데요, 변수가 여기 위에 있는 위쪽에 어 UI 렌더링하는 부분의 내용이 가서서이 리트가 여기 있는이 리트를 의미하게 되는 거고요

48:17그래서이 리트가 배열 형태기 때문에 맵이라고 하는 그런 특별한 변수가 있는데요, 부분은 코딩적인 부분이기 때문에 별도로 제가 해설을 넘기도록 하겠습니다

48:30자, 요렇게 만든 화면에서 오른쪽이 이제 실제 동작을 하게 될 화면처럼 이렇게 가시적으로 보여게 되는데요

48:34요런 식으로 된 내용으로 나올 거다라고 하는게 위젯라고 보시면 됩니다

48:38추가적인 기능들에 대해서 아직은 많은 다양한 기능들이 아직 없다는게 좀 아쉬운 점인데요

48:42기존에 제가 보지 못했던 경험은 여기에 왼쪽 위에 보면은 다크 모드랑 라이트 모드를 변환해서 어떻게 UI가 바뀌는지도 미리 이렇게 렌더링해서 볼 수가 있다라는 게, 어, 조금 신경 썼다라고 하는 느껴지는 부분이었습니다

48:58자, 여기에서 한번 제가 방금 만든 화면을 보게 되면은 아까 전에 프롬프트를 날려서 만든 화면은 크게 다르지 않죠

49:04요런 식으로 나온 결과를 보고 내가 이게 마음에 든다, 그러면 여기 오른쪽에 다운로드 버튼을 누르시게 되면은 바로 받아서 파일을 다운 받아서 여기 에이전트 빌더에 업로드가 가능합니다

49:17그런데 저는 요거 부분은 말고 제가 미리 만들어 둔 요 파일을, 요 위젯을 다운로드 받아서 가지고 오도록 하겠습니다

49:24가지고 오고 여기다 업로드 버튼을 누르게 되면은 이런 식으로 내용을 가지고 와서 렌더링해서 볼 수 있을 수가 있는데요

49:29자, 요렇게 되면 이제 인플루언서를 서칭하는 에이전트가 완성이 됩니다

49:36음

49:42자, 그러면 바로 테스트를 해 보면 좋겠죠? 그래서 오른쪽 위에 프리뷰라고 하는 버튼을 누르고 여기에다가 제가 미리 준비해 둔 프롬포트를 날려 보도록 하겠습니다

49:46아마 높은 확률로 바로 동작 안 할 수도 있다라고 생각을 하는데요

49:50일단 한번 돌려보도록 하겠습니다

49:54만약에 한 번만 동작하지 않으면은 제가 미리 만들어 둔 워크플로 이동을 해서 그 부분에서 바로 내용을 보도록 하겠습니다

50:01이게 아무래도 오늘 막, 그 10월 7일 기준으로 오늘 막 업데이트가 된 기능이어서 굉장히 많은 개발자분들이 테스트를 하고 있다 보니까, 오픈 AI에서도 약간의 오류가 좀 있다고 좀 보여지는데요

50:13모든 서비스가 업데이트가 될 때 항상 좀 이런 문제는 좀 동반되는 거 같아요

50:20그래서 지금 근성님이 저랑 오늘 이렇게 촬영하기 전에도 굉장히 좀 많이 테스트를 해 보셨는데, 어쩔 때 굉장히 좀 결과물이 내가 생각했던 방향성대로 좀 잘 나왔고, 어쨌든 좀 오류가 좀 있었다라고 좀 이야기를 해 주시는 점 좀 참고해 주시면 좋을 것 같습니다

50:28네

50:37그래서 지금 보면은 일단은 MCP 툴을 호출을 정상적으로 했다라고 보실 수가 있는데요

50:45제가 아직 승인을 하지 않았기 때문에 호출을 하지 않았고, 이제부터 제가 어프로브, 승인을 하게 되면 어떻게 엠파앤 서버로 이렇게 변화가 일어난지 보실 수가 있습니다

50:52그러면 여기 잠시 후에 정상적으로 호출이 있다고 하면은 새롭게 만들어 준 MCP 서버 연결이 돼서 결과가 이렇게 뿅 나게 나타날 것 같은데요

50:57네, 정상적으로 호출이 되었네요

51:03아주 운이 좋은 거 같습니다

51:10자, 이런 식으로 해서 어, 타빌리 API를 사용을 해서 저는 방금 어 프롬프터로 질문 날린 게, 어, 인플루언서를 검색을 하는데 코스프레 인플루언서를 저는 검색을 해 달라고 했습니다

51:14애니메이션 코스플레이 인플루언서 검색을 해 달라고 요청을 했고요

51:18이게 정상적으로 정말로 존재하는 인플루언서를 추천했는지 한번 보기 위해서 한번 넘어가 보도록 하려고 하는데요

51:22자, 여기 보시면은 요런 식으로 실제 위젯 UI가 렌더링 된 걸 보실 수가 있고 여기에 대해서 상세한 어떻게 내 내용이 나오게 되었는지에 대한 상세한 내용들이 지금 위쪽에 보이게 됩니다

51:29그래서 한번 들어가서 한번 실제 존재하는 인물 보도록 하겠습니다

51:35네, 요런 식으로 오, 진짜 존재하는데요

51:42네, 진짜 존재하고 지금 팔로우 수가 지금 어 362만 명, 요 부분들 수치적으로 지금 정상적으로 들어왔나 한번 보도록 할게요

51:49아, 아쉽게도 지금 여기에는 지금 팔로우 수에 대한 내용들 나오지 않았지만 여기 제가 URL로 렌더링 해야 된다라는 그런 UI적인 요소들을 제가 만들어 놨기 때문에요, 부분도 정상적으로 렌더링 된 걸 보실 수가 있습니다

52:02여기 보면은 제시 제시카 니그리 이름 동일한 부분 확인이 되실 수가 있고요

52:09실제로 이제 MCP 서버를 통해서 타빌리 API을 통해서 검색을 하고 그 검색한 결과를 에이전트로 이렇게 결합을 해서 UI 형태로 보실 수가 있는 요런 게 지금 에이전트 빌더인데요

52:21자, 그러면 여기서만 써 볼 수가 있냐? 그럼 아쉽겠죠? 그래서 요런 것들을 직접 배포를 해서 개발자들은 따로 본인만의 시스템 연결해서 써 볼 수가 있는데요

52:27제가 배포를 이렇게 한번 해 보도록 하겠습니다

52:33여기에서 "음, 인플루언서 서치 에이전트"라고 해서 배포를 하게 되면 워크플로우 아이디라고 하는 게 하나 나오게 됩니다

52:45자, 이렇게 워크플로우 아이디가 있으면요, 워크플로우 아이디를 카피를 한 다음에 배포를 하실 수가 있는데, 배포하는 방법은 일단 어렵긴 하지만 제가 간단하게 어, 사용할 수 있는 오픈 AI가 공개한 소스 코드를 한번 가서 요거를 그대로 클론을 해서 다운로드를 받아서 실행을 해 보면 됩니다

53:03그래서 제가 요거를 미리 만들어 둔 워크플로우가 있기 때문에 그 부분을 제가 이렇게 실행을 하게 되면 요런 식으로 어, 화면이 제가 원하는 화면을 만들, 제가 제 환경에 있는 저만의 서비스에서 이렇게 실행해 보실 수가 있고요

53:09음, 음

53:15자, 그러면은 아마 이건 제가 미리 만들어 둔 다른 플로우, 워크플로우에 들어 있는 내용이라서요

53:20그러면 한번 제가 바꿔 보도록 하겠습니다

53:27동일하게 동작하는지 바꿔서 확인하기 위해서, 요 부분에서 요 부분을 저장을 하고 제가 다시 한번 새롭게 실행을 해 보도록 하겠습니다

53:41그러면은 외관적으로 보이는 부분 달라지는 게 전혀 없고요, 안에 있는 에이전트 연결이 어떻게 되는가, 그것만 하나 차이가 생기게 됩니다

53:48사전에 미리 만들어 둔 제 워크플로우를 한번 호출해서 보도록

53:54하겠습니다

54:00네, 여기서 보면은 화전에 만들어 준 워크플로에다가 이어서 한번 봐주면은 I want to find the best person at the, 아니에 코스플레이 요런 식으로 제가 프롬프트를 날리고요

54:06그러면 아까 전에 봤었던 내용과 거의 동일하게 어, MCP 서버를 호출하기 전에 한번 저한테 승인, 승인을 날리고, 그다음에 검색을 하고, 그 결과를 가져와서 위제수로 렌더링하는 것을 보실 수가 있습니다

54:11약간은 다르죠

54:16이런 식으로 나오게 되고요

54:20자, 이거를 이제 어프로브를 하게 되면은 이제 정말로 서칭을 진행을 하게 되고, 서치한 결과를 가지고 와서 위젯 형태로 렌더링하는 방식을 보실 수가 있습니다

54:25음, 요게 좀 기존에 그 오픈 AI GPT스도 있었잖아요

54:32좀 이런 GPT랑 좀 어떤 점에서 좀 차이점이 있는지를 좀 설명해 주시면 또 비개발자분들이 좀 이해하시기 좀 좋으실 것 같다는 생각이 드네요

54:39어, GPT 같은 경우에는 결국에는 가장 큰 차이점이라고 하게 되면은 외부에서 내가 만든 GPT를 실행할 수가 없다라는 게 가장 좀 아쉬워했던 포인트였던 거 같습니다

54:54근데 이제 에이전트 빌더 같은 경우에는 그런 부분들을 해소해 주는 일부분이 되지만, 약간 아쉬운 점이라고 하게 되면 API의 키를 내가 직접 입력해서 써야 된다는 점이 좀 큰 차이점이 있는 것 같습니다

55:06그리고 가장 또 차이점이라고, 하게 되면은 똑같이 외부에 있는 그런 MCP라던가 그런 식의 서비스를 연결해서 내 API 키를 넣어 가지고 쓰는 것들이 똑같이 써 볼 수가 있지만, GPT 스의 아쉬운 점이라고 하게 되면은 결국엔 다 텍스트 형태로만 나오다 보니까 원하는 형태로 뭔가 플로우를 만들기 쉽지가 않고, 프롬프트 시스템 프롬프트로 이게 순서를 만들 수 있지만 그게 완벽한 순서를 일치하지 않습니다

55:33그런데 제가 소개드리지 못했지만 여기에서 에이전트 다음에 또 이어서 에이전트를 만들 수가 있게 되는데요

55:39요런 식으로 에이전트를 만들고 그 뒤에 이어서 또 에이전트 연결하게 되면은 이게 흐름이 한 번으로 끝나는 것이 아니라요, 첫 번째 에이전트 기능을 수행을 하고 난 다음에 그다음에 다음 에이전트 기능을 수행하는 요런 것들이 가능하고, 그다음에 여기를 좀 더 고급적으로 만든다고 하게 되면은 여기에서 이번에 만든다고 하게 되면은 어, 검색을 했으니까 검색을 한 결과가 내가 원하냐, 원하지 않냐, 뭐 버튼에 액션을 붙여서 그런 데이터의 first 스, 이런 조건을 만들어서 조건에 따라서 위로 갈지 아래로 갈지 요런 식으로 GPT에서 종제하지 않았던 그런 어 흐름들을 자연어가 아니라 정말 시스템을 이렇게 바꿔서 써 볼 수가 있다라는게 GPT랑 좀 큰 차이점이라고 보실 수가 있습니다

56:19아, 네

56:27설명 감사합니다

56:35거기 아까 전에 다시 한번만요

56:43인플루언서 서치 에이전트 한번만 눌러 봐 주신 다음에요, 아까 전에 그 메뉴 한 번만 좀 간략하게 좀 설명해 주시고 넘어가 주실 수 있을까요? 요, 요 왼쪽에 에이전트, 엔드 노트, 뭐 툴스의 파일치, 뭐 이런 부분이 있는데 저도 완벽하게 지금 문서를 본 상태는 아니기 때문에 완벽하게 설명이 될지는 모르겠지만 한번 대략적으로 제가 아는 범위 안에서 한번 설명을 드려 보도록 하겠습니다

56:51에이전트 같은 경우에는 어, 우리 GPT를 사용을 해서 어떠한 AI가 어떠한 업무를 수행을 해 주는 그런 노드를 제가 만들 수 있는 게 에이전트 노드이고요

56:57and 같은 경우에는 약간의 의미가 있다라고 하니 결과를 제이슨이라고 하는 문서 글자 형태로 이렇게 받아보실 수가 있다라는 게 큰 차이점이었습니다

57:09근데 대부분의 경우는요, 엔드를 잘 안 쓸 것 같기는 합니다

57:12그래서 저도 일부러 엔드를 안 썼는데요

57:16이런 엔드가 필요한 경우라고 하면은 요런 식으로 그 결과물들을 받아볼 때 요렇게 연결해서 써 보실 수가 있을 것 같습니다

57:20그다음 노트 같은 경우에는 제가 요거를 써 보고 싶었는데 아쉬운 점이 요에 겹치는 것들이 되지가 않더라고요

57:25아, M8이랑 약간 다르네요

57:31네

57:37요거에는 겹쳐서 보여지는 부분이 안 되는 게 아쉽지만 여기에 대한 설명들을 이렇게 적어 보시면 좋을 거 같지만 또 아쉬운 점이라고 하게 되면, 아쉬운 것만 제가 말씀드리는 거 같은데 마크다운 렌더링이 안 됩니다

57:42어, 예, 렌더링이, 마크다운 렌더링이 안 된다는 게 좀 아쉬운 점 중에 하나긴 합니다

57:49그다음에 요거 지우는 것도 윈도우 환경에서는 딜리트가 먹히지가 않더라고요

57:55아무튼 잘 안 되는 것도 있었다

58:01그다음에 툴스에서는 파일 있어요

58:07파일치 같은 경우에는, 어, 오픈에서 제공하고 있는 벡터 DV를 연결을 해서 미리 사전에 내가 만들어 둔 파일 업로드를 해 두면은 그 내용 안에서 그런 문장들이나 그런 위치들을 찾아서 벡터 서치를 한 다음에 그 내용을 가지고 와서 연결하는 게 이 파일의 특징입니다

58:14아, 좋네요, 저거

58:21그다음에 가드렐 같은 경우에는요, AI가 품푸트를, 뭐 저희가 어떤 요청을 했었을 때 그 결과물들을 받아볼 때 이게, 어, 내 정보를 만약에 파일치를 했는데, 아, 가드레일에서 내 정보를 함부로 이렇게 다 가져가려는 그런 내용이다

58:28그럼 젤리 브레이킹이라는 부분에다가 활성화를 해서, 어, 이걸 우리 시스템을 해킹하려는 거다, 내 파일 해킹하려는 시도다, 그런 젤리 브레이킹하는, 브레이킹이라, 브레이크라고 하는 이 부분의 스위치를 켜 주게 되면은 내 에이전트를 해킹하려는 것도 아닌 것 같들을 이렇게 확인해 볼 수 있는 그런 보안 장치, 어떻게 보면 트럼프트를 방어해 주는 그런 역할들을 하는 게 가드의 역할이고요

58:51그다음에 또 여러 가지가 실수가 있는데요, 뭐 굉장히 사사적인 내용을 물어본다던가, 그다음에 혐오스러운 그런 단어들에 대한 노출을 막기 위한 요런 것들이 가드레일 노드의 특징이라고 볼 수가 있습니다

58:58요런 거 되게 좋네요

59:05기존에 GPT의 완전 취약점이 그런 개인 정보나 아니면은 프롬포트 해킹이었는데, 그런 부분, 그리고 또 할루시네이션까지 또 막을 수 있는 토글도 있네요

59:12네

59:19이게 어느 정도까지 디테일할지는 모르겠지만은 요런 부분도 할루시네이션 줄일 수 있고, 여기 또 제가 잘 몰랐는데 할루시네이션을 줄이기 위한 벡터 스토어가 또 따로 있는 거 같습니다

59:25그래서 그런 거에 대한 정보를 미리 사전에 주입을 해 놓고 대답을 하게 만드는 것처럼 보이네요

59:29아, 네, 저거 좋네요

59:33여기까지 제가 에이전트 빌더에 관련해서 준비했던 내용이고요

59:37좀 더 궁금한 점이 있다고 하게 되면은 같이 한번 더 연구를 해 보거나 아니면 또 다른 아이디어 주시거나 하면서 써보면 좋을 것 같고, 요게 안정화가 되는데는 제 생각에는 한 몇 주 정도 걸릴 것 같은데요

59:50어, 굉장히 좀 재밌는 또 도구가 나오지 않았나라고 생각이 듭니다

59:54그다음에 이제 MCP가 좀 강력한 거 같아요

59:58근데 MCP가 여기가 제가 따로 있는 게 어떤 식으로 쓸 수 있을지가 궁금하긴 합니다

01:00:02저는 이제 에이전트 안에 툴스라는 거 안에서 MCP를 쓰는게 더 좋지 않나 생각이 드는데요

01:00:08요게 따로 있었을 때 어떤 이점이 있는지는 아직은 잘은 모르겠지만, 더 네, 여기엔 좀 더 연구가 필요한 부분인 것 같습니다

01:00:14아무래도 그냥 뭐 생각을 하지 않아도 되는 에이전트가 굳이 붙지 않아도 되는 어떤 특정, 뭐 매일 열 개의 수직 기사 가져와, 뭐 이런 단순 어떤 요청을 할 때는 또 그냥 이런 MCP 툴로 좀 활용할 수 있지 않을까 좀 그렇게 좀 생각이 드네요

01:00:37네, 뭐 근데 또 시작을 할 때 하는 트리거가 여기는 또, 아, 지금 음, MCP가 없구나, 그죠? 이게 아직은 없다 보니까 여긴 아무래도 워크플로우랑 다르게 에이전트 빌더는 그런 시작하는 지점 자체가 무조건 자연으로 시작을 한다라는 게 워크플로우 시스템과 이 에이전트 빌더 시스템과의 좀 큰 차이점인 것 같습니다

01:00:48그다음에 여기 로직, 그다음에 로직이라고 하는 부분들이 있는데요

01:00:58이 if랑 와일 요런 부분들이 있는데, 요것들은 이제 좀 프로그래밍 지식이 좀 요구를 하는 그런 내용들이 좀 많이 있습니다

01:01:08그다음에 이거 유저 어프로브 같은 경우에는 만족했습니까, 안 했습니까? 다음은 넘어가도 될까요, 안 될까요? 이런 클래시피케이션에 대한 내용이라고 보실 수가 있을 것 같은데요

01:01:14요거 요거는 어떤 식으로 활용하면 될지나 아직은 저도 잘은 모르겠습니다

01:01:21그다음에 여기 있는 L세프 같은 경우에는요, L스프라고 하는 로직을 타기 전에 아마 가장 중요한게 여기에 셋스테이트라고 하는 노드가 필수적일 거라고 생각이 듭니다

01:01:33왜냐하면 이 세스테이트가 하는 역할은 데이터가 지금 어떤 상태인가를 확인할 때 주로 사용하게 되는 노드일 텐데, 여기에 내용이요, 내용과 일치하냐, 그러니까 에이전트가 만들어 문장이나 결과값이 요거와 일치하는가 비교해 보는 거기 때문에 요런 것들이 좀 큰 차이점이 있을 것 같고요

01:01:53그다음에 앞에서 또 여기에서 이전에 있었던 노드들을 호출을 해서 인풋 S텍스트 같은 경우 시작을 했을 때의 노드인 거고, 여기 앞에 서치 에이전트라고 되어 있는 요 영역의 아래는 이 에이전트에서 내뱉은 문장이나 아니면 어떤 대답들이 어떤 상태인가를 보면서 그 결과값에 따라서 어떻게 데이터를 저장하고, 그다음에 넘길 것인가를 정의를 할 수가 있는 부분이고요

01:02:21그다음에 if 같은 경우에는 앞에서 있었던 그런 컨디션 부분들을 가지고 와서 비교를 해서 일치하게 되면 위쪽, 일치하지 않게 되면 아래쪽, 이런 식으로 로직을 바꿔서 써 볼 수가 있는 게 요런 if 노드의 특징이라고 보실 수가 있습니다

01:02:40그다음에 와일문 같은 경우에는 어떠한 데이터 묶음 형태로 나와 있는 결과물들이 나왔을 때, 예를 들면 저희는 아까 전에 인플루언서 목록들을 저희가 가지고 오게 만들었는데요

01:02:51목록에서 리절트라고 하는 게 이 결과값이게 될 텐데, 이것들을 하나하나씩 검색한 인플루언서 한 명 한 명씩 루프를 돌면서 어떠한, 어떠한 동작을 수행을 하게 만들기 위한 게 와일 루프가 될 것 같습니다

01:02:57네

01:03:03자, 여기 안에서 또 어떤 식으로 만들지는 또 실현해 봐야 할 것 같긴 하네요

01:03:08네, 네

01:03:12아, 이제 좀 약간 어떤 식으로 구조가 짜여져 있는지 좀 이해하기에 좀 충분히 좀 설명을 좀 잘해 주신 거 같습니다

01:03:16이거는 아무래도 오늘 막 나온 거기 때문에 좀 저희도 어, 연구를 좀 많이 해 봐야 될 거 같고, 어, 좀 일단은 좀 비개발자들이 아직 사용하기에는 좀 약간 아직 난이도가 좀 있는 수준이라서 좀 관련된 콘텐츠들을 좀 많이 어, 올려 주시면은 또 사람들이 또 보고선 좀 참고하는데 도움이 되지 않을까? 그리고 이게 좀 진짜 어떻게 내가 하고 있는 어, 업무에 좀 도움이 되는지도 계속 유지 케이스가 좀 많이 나와 준다면은 좀 많은 사람들이 좀 활용하는데 도움이 되지 않을까 좀 그렇게 생각이 되네요

01:03:29네

01:03:41마지막으로 여기 데이터 쪽에서 트랜스폼이라고 하는 노드가 있는데요

01:03:54여기가 아마 어, 제가 실제로 엠파에서 제일 많이 사용하고 있는 비슷한 노드가 하나 있긴 합니다

01:04:00이게 트랜스폼이라고 하게 되면은 데이터가 결과가 나왔을 때 이거를 어, 예를 들면은 보통은 연도수나 이런 날짜 같은 정보를 가지고 올 때 그 엑셀 데이터를 일단 정해진 포맷으로 이렇게 바꿔 넣어야 되는 경우가 많이 있습니다

01:04:13혹은 또 날짜 정보를 검색에 대조군을 할 때, 그렇게 할 때 정해지는 형태를 만들어야 되는데, 그 형태를 만드는, 만드는 그 변하는 과정을 쓸 때 요런 트랜스폼이라고 하는 것들을 많이 쓰게 될 거 같은데요

01:04:26요런 것들도 조금 어떤 차이가 있는지를 좀 공부를 하시다 보면은 트랜스폼이라고 하는 노드를 좀 많이 쓰게 될 것 같다라는 생각이 듭니다

01:04:33아, 네

01:04:41또 이렇게 또 빠르게 또 설명을 전체적으로 다 해 주시고, 또 어떻게 사용하고 계시는지도, 오늘 막 나온, 어, 갓, 어, 업데이트된, 어, 소식도 또 이렇게 전해 주셔서 너무 감사합니다

01:04:49요걸 보시고서 또 같이 좀, 어, 연구하면서 좀 더 유용한 사례들이 있으면 또 댓글로 남겨 주시면은 또 같이 좀 연구해 보면 너무 좋을 것 같다는 좀 생각이 드네요

01:04:57저희가 좀 이렇게 좀 길게 좀 시간을 좀 이야기를 나눠 봤는데, 결국에 오늘 우리가 나눴던 대화의 좀 주제는 AI 에이전트가 좀 핵심이었던 거 같아요

01:05:12좀 AI 에이전트에 대한 개념도 되게 사람마다 굉장히 좀, 너무 광범이하기도 하고, 또 이게, 어, 발전하는 속도가 빠르다 보니까 이제 뭐 AI 에이전트라는 용어를 썼다가, 또 AJI라는 용어를 썼다가, 또 SDK라는 용어를 썼다가 굉장히 좀 다양하게 좀 쓰고 있는데, 좀 앞으로 좀 이런 AI 에이전트 시스템이 산업 전반에 어떤 변화를 만들어 낼 것이라고 좀 생각을 하시는지, 좀 그리고 좀 이게 굉장히 협정, 좀 빠르게 변화하는, 어, 상황 속에서 우리는 어떻게 좀 어떤 관점에서 이걸 좀 바라보면서, 좀 기회를 포착해야 되는지에 대해서 좀 간단히 좀 이야기를 하고 저희가 좀 마무리를 하면 너무 좋을 것 같습니다

01:05:51네

01:05:56제가 요거에 대해서는 AI 에이전트가 어떤 것이냐라고 제가 개념을 정립하는 것보다는 현재 제 고객들이 어떻게 적용하고 있는지 사례를 조금 더 공유를 드리면서 그 내용을 제가 충분히 전달해 보실 수가 있을 것 같습니다

01:06:09어, AI 에이전트라고 생각을 하게 되면은 제 친구이자 독일 친구가 한 명이 있는데요

01:06:15어, 그 친구 같은 경우에는 이제 이런 AI 에이전트가 나오기 전부터 본인이 하는 업무를 자동을 하기 위해서, 왜냐면은 굉장히 단순 반복 디지털 노가다에 가까웠거든요

01:06:21예를 들면은 엑셀에 있는 데이터를 몇 개를 가지고 와서 회사 내에 쓰고 있는 프로그램에다 옮기는 작업들, 그다음에 옮길 때 환율을 계산해서 옮긴다던가 요런 식의 단순 반복 노가다 작업을 하는데, 요것들에서 매크로를 만들기도 되게 번거러운 그런 식의 업무들을 많이 해오고 있었는데요

01:06:39그러니까 그런 것들 같은 경우에는 사실은 어 저는 AI 에이전트 시대가 되고 AI 시대가 되면서 요런 것들은 소프트웨어 자체가 변경이 되는 게 있지 않고서는 그런 기업들이 점점점 더 그 경쟁에서 밀리게 될 거라고 생각을 합니다

01:06:53그래서 설치형 프로그램을 제품을 사서 구매한 제조업이나 무역 회사 같은 경우에는, 그런 것들을 계속 쓰는 것이 아니라, 어 사스 형태나 웹 형태에서 이런 자동화를 할 수 있는 그런 형태의 프로그램으로 제품을 업그레이드 하던가, 아니면은 우리 회사에 맞게끔 그렇게 프로그램 만들어서 새롭게 이 DT라고, DX DT라고 많이 하고 있는데요

01:07:14그런 작업들을 하지 않고서는 이런 기업들의 경쟁력이 밀리기 때문에 가장 먼저 기업들이 먼저 그렇게 변화를 일으키다 보면은 자연스럽게 AI 에이전트가 거기에 들어가게 되면서 더욱 기업의 생산성을 높일 수 있을 거라고 생각을 합니다

01:07:28어, 네네

01:07:35저도 어 말씀해 주신 부분에 굉장히 좀 공감하고, 어쨌든 좀 많은 어 연구와 또 그 활용을 좀 해보면서 좀 디벨롭해 나가는 게 굉장히 좀 중요하고, 딱 정해진 정답은 없다라고 좀 생각을 합니다

01:07:43좀 기업마다 아니면 개인마다에 생각하는 어떤 어 자동화, 그 AI 에이전트의 개념이 정말 다르기 때문에 좀 그런 것들을 이제 좀 계속 팔로우업하면서 좀 직접적으로 좀 하나하나 좀 가벼운 것부터 좀 테스트해 나가 보면은 조금 더 이 AI가 가고자 하는 방향성, 인간의 삶을 어떤 식으로 좀 혁신을 시켜 주는지 좀 어 참고하는데 굉장히 좀 도움이 되지 않을까 좀 생각을 하고, 마지막으로 저희가 앞에서 또 쓸모랩이라는 회사를 또 이제 또 운영하고 계신데 앞으로 이 쓸모 랩에서 좀 어 가고자 하는 목표와 또 인근석 대표님 개인적으로 이제 올해, 이제 올해가 이제 몇 개월 안 남았습니다

01:08:26예, 올해를 마무리하면서 또 내년에 또 어떤 비전을 갖고 계신지, 이 부분에서 좀 이야기를 하고 좀 저희가 마무리하면 너무 좋을 것 같습니다

01:08:32어, 저 사실은 올해 목표라기보다는, 어, 제가 2017년도부터 스타트업 신에 들어오게 되면서부터 지금까지 흔들리지 않고, 흔들리지 않고 꾸준하게 제가 지켜온 모토가 한 가지가 있습니다

01:08:45이게 말도 안 되고 되게 거만하고 허무한 이야기처럼 들릴 수도 있는데요

01:08:52어, 제가 나고 자란 이 부산이 저를 중심으로 하여, 대한민국의 기술 중심의 도시가 될 수 있도록 하는 게, 어, 제가 17년부터 계속 꿈꾸고 왔던 모토인데요

01:08:58이 모토를 이루기 위해서도 그렇고, 제가 미래에 가서 10년, 20년 뒤에 가서도 그 후대들한테 이야기하고 싶은 이 내용들이 있는데, 거기에 대한 진실성을 위해서라도 저는 꿋꿋이 부산에 남아서 어떻게 했었든 이 엔지니어이면서도 그 사업가로서 살아남아, 현재 저는 매우 좀 많이 부족하고 앞으로 배워야 할 게 엄청 많이 있지만, 그렇게 10년, 20년 하다 보면은 후대 엔지니어 사업가분들한테 제가 할 수 있는 이야기가 더 많아졌으면 하는 게 제가 현재 꿈꾸고 있는 미래고요

01:09:28AI 분야에서 제가 좀 목표를 하고 있는 부분은 아까 전에 말씀드렸던 그런 지역에 있는 특색이 있는 그런 산업들, 부산이라고 하면은 가장 규모가 큰 산업은 서비스업을 제외를 하고 나면은 제조업이 가장 큰 산업입니다

01:09:39그래서 이런 제조 부분에 있어서 AI 혁신을 이루어내는데, 제가 어, 불쏘시개 역할을 하는 게 제가 부산에서 꾸준히 활동을 하고 있는 이유가 될 것 같습니다

01:09:50음

01:10:01아, 저는 뭐 충분히 예전 같았으면은 좀 뭔가, 아, 너무 어찌 보면은 개인이 하기에는 좀 허황되다라고 좀 생각할 수 있는 이야기인데, 어, 지금은 완전 판도가 뒤집혔다고 생각을 합니다

01:10:11최근에 이제 베이스 44, 베이스 44라는 바이브 코딩 툴을 만든 회사인데, 거기가 진짜 생긴 지 얼마 안 된 회사인데, 몇 천억 규모의 어, 회사로 지금 성장하고 있는데, 여기에 일하고 있는 근로자 수가 한 명이랍니다

01:10:24그리고 저희가 아는 오픈 AI의 창립 멤버, 일리아 수축캐버나, 미라모라티가 창업을 하고 나서, 그 사람들에 창업하고 나서 한 달도 안 된 기업의 가치가 20조원이랍니다

01:10:3720조원은 20만 명, 현대자동차가 저희가 한 이제 60년 정도 됐거든요

01:10:43근데 20만 명이 근무를 하고 있고, 기업 가치가 22조원이라고 합니다

01:10:51그 정도로 정말 한 명의 개인이 정말 수십만 명을 어, 압도하는 어떤 그 퍼포먼스를 낼 수 있는 게 저는 이게 AI기 때문에 좀 가능하다라고 좀 생각을 합니다

01:11:03그래서 근성님이 말씀해 주셨던 그런 부분도 정말 하고자 하는 부분에 뭔가 남들이 하지 못했던 어떤 그런 것들을 좀 보여주면서 또 같이 할 수 있는 또 인프라를 구축하면은 저는 충분히 가능한 비전이라고 좀 생각을 하고, 그런 어 비전을 이룰 수 있도록 뭐 저도 이제 커뮤니티 운영을 하면서도 또 뭐 부산분들이나 또 같이 또 모임을 좀 가져보는 것도 하나의 또 조그만한 어떤 도움이 되지 않을까 좀 생각을 하고, 부산분들의 또 많은 어떤 참여와 좀 이런 어떤 무브먼트가 좀 일어나길 좀 굉장히 좀 어 기대하도록 하겠습니다

01:11:40또 진행되는 과정에 있어서 부산에서 어떤 행사가 있으면 또 공유해 주시면 저희 단톡방이나 저희 또 유튜브 커뮤니티에도 또 올릴 예정이니까, 또 그런 소식들 계속 좀 전해 주시면 좋을 것 같습니다

01:11:46네

01:11:53오늘도 이렇게 긴 시간 동안 시간을 내주셔서 너무 감사하고 정말 굉장히 따끈따끈한 소식인 거 같습니다

01:11:59오픈 AI의 에이전트 빌더라는 어 업데이트 소식, 아직 유튜브 콘텐츠에서 많이 안 다뤘기 때문에 저희가 좀이 콘텐츠를 올릴 때쯤 또 많은 사람들이 또 어 유용하게 좀 보지 않을까 좀 기대를 하고, 그리고 M8 MCP 관련해서 또 업데이트되는 소식이 있으시면은 네, 그때 또 한번 나주셔서 또 많은 분들이 좀 엠파 워크플로를 구축하는데 좀 자연으로 예, 좀 생성하는 그런 어 순간이 좀 오길 굉장히 좀 손꼽아도 기다 기 어 기다려 보도록 하겠습니다

01:12:08그때 또 나와 주셔서 또 한번 이야기해 주시면 너무 좋을 것 같습니다

01:12:18네

01:12:27오늘 모임 오늘 어 대화는 여기서 마치도록 하겠습니다

01:12:37나와 주셔서 감사합니다

01:12:37네, 감사합니다.