Create and Update Deep Agent Profile
Agent Studio를 사용하면 특정 작업이나 사용 사례에 맞춘 지능형 디지털 어시스턴트를 설계, 구성 및 관리할 수 있도록 Deep Agent Profile을 생성할 수 있습니다. Deep Agent Profile은 작업 공간 내에서 실행되거나 독립적으로 동작하는 AI 에이전트를 구축하기 위한 첫 단계로, 고객 지원, 데이터 분석, 정보 검색 등 다양한 업무를 지원합니다.
새로운 에이전트 프로파일 시작하기
다음 단계를 따라 새로운 Deep Agent Profile을 생성하세요.
-
메인 내비게이션 메뉴에서 AI Agent > Agent Profiles 페이지로 이동하세요.
-
화면 오른쪽 상단의 Create Agent 버튼을 클릭한 후 Deep Agent를 선택하세요.
-
Agent Profile Settings 양식이 표시되면 아래 정보를 입력하세요.
- Name: 에이전트 프로파일을 식별할 수 있는 명확하고 설명적인 이름을 입력하세요.이 이름은 에이전트 목록에 표시되며 에이전트를 구분하는 데 사용됩니다.
- System Name: 프로파일 이름을 기반으로 자동 생성되는 고유한 시스템 이름입니다.이 필드는 직접 편집할 수 없습니다. 이름이 중복될 경우, 프로파일 이름을 수정하면 시스템 이름도 자동으로 변경됩니다.
- Description: 에이전트의 기능, 대상 사용자 및 주요 역할을 설명하세요.이 설명은 에이전트의 목적과 범위를 이해하는 데 사용됩니다.
- Upload Cover: 에이전트를 나타내는 커버 이미지를 선택하세요.
- 사용자 정의 이미지 파일을 업로드하거나 이미지 URL을 제공할 수 있습니다.
- 미리 설정된 디자인을 보려면 Icon Templates를 탐색할 수 있습니다.
- 이미지를 선택하지 않으면 기본 커버가 자동으로 적용됩니다.
- Purpose: 에이전트의 의도된 사용 목적을 설정합니다.
- Personal: 개개인 또는 소규모 팀 사용
- Business: 조직 또는 기업 수준의 애플리케이션 사용
- Runtime: 에이전트가 실행될 환경을 선택합니다.
- Standalone: 독립적으로 실행됩니다.
- Workspace: 협업 작업 공간과 통합되어 실행됩니다.
- Labels: 에이전트의 목적을 분류하기 위한 레이블입니다. Add 버튼( + 아이콘)을 사용하여 추가하고, 불필요한 레이블은 휴지통 아이콘으로 제거할 수 있습니다.
입력을 완료한 후, Save Profile을 클릭하면 에이전트 프로파일 편집기로 이동하여 에이전트 구성을 추가로 사용자 정의할 수 있습니다.
에이전트 프로파일 업데이트
Edit Deep Agent 화면에서 다음 단계를 따라 에이전트를 구성하세요.
Step 1: Trigger 추가
메인 에이전트 트리거 (챗봇, 웹훅, 스케줄러 중 하나)를 디자인 캔버스로 드래그 앤 드롭하세요. 오른쪽 패널에 Init Message를 입력하세요. Init Message는 작업 공간에서 해당 에이전트를 처음 선택할 때 표시됩니다.
Step 2: Chat Memory 추가
Chat Memory를 드래그 앤 드롭하세요. 현재는 PostgreSQL이 지원됩니다.
Step 3: LLM 추가
LLM을 드래그 앤 드롭하세요. 사용 가능한 LLM 목록은 Configuration 설정에서 자동으로 로드됩니다. 오른쪽 패널에서 LLM 설정을 입력하세요.
디자인 캔버스에서 LLM 노드를 클릭하여 LLM 구성 패널을 여세요. LLM 패널은 에이전트가 언어 모델과 통신하는 방식을 정의합니다.
Provider- 에이전트에 사용할 LLM 공급자입니다.
- 드롭다운에서 선택하세요 (예: Anthropic, Google Gemini.)
- 선택한 공급자는 사용 가능한 모델 및 API 형식을 결정합니다.
- 선택한 LLM 공급자에서 제공하는 특정 모델입니다.
- 선택한 공급자 아래에 표시되는 모델 드롭다운 목록에서 선택하세요.
- 모델이 선택되지 않으면 유효성 검사 오류: Model is required가 표시됩니다.
- 예: Claude Sonnet 4, GPT 4o, Gemini 2.5 Pro.
- 단일 응답에서 모델이 생성할 수 있는 최대 토큰 수입니다.
- 기본값: 5000
- 영향:
- 값이 높을수록 더 긴 응답을 생성할 수 있으나, 비용과 응답 지연이 증가합니다.
- 값이 낮을수록 더 짧고 빠른 응답을 생성합니다.
- 사용 사례에 따라 설정하세요 (예: 짧은 Q&A vs. 긴 형식의 콘텐츠 생성).
- 모델의 출력의 무작위성/창의성을 제어합니다.
- 슬라이더를 통해 조정할 수 있습니다 (범위: 0-1).
- 값:
- 0: 결정론적 - 항상 가장 가능성이 높은 토큰을 선택합니다. 사실적이고 일관된 응답에 적합합니다.
- 0.5: 균형 - 적절한 창의성과 합리적인 일관성을 제공합니다.
- 1: 최대 창의성 - 최대 창의성 — 더 다양하고 창의적인 응답을 생성합니다. 브레인스토밍이나 창의적인 작업에 적합합니다.
- 기본값: 1
- LLM API 호출이 실패했을 때 재시도할 최대 횟수입니다.
- 기본값: 2
- 영향:
- 값이 높을수록 일시적인 오류(속도 제한, 네트워크 문제 등)에 대한 복원력이 향상됩니다.
- 값이 너무 높으면 공급자에 지속적인 문제가 있을 경우 응답 지연이 발생할 수 있습니다.
- 권장값: 대부분의 프로덕션 환경에서 2–3
- LLM 공급자로부터 응답을 기다리는 최대 시간(초)입니다.
- 기본값: 300초 (5분)
- 영향:
- 값이 너무 낮으면 복잡한 쿼리나 대규모 출력에서 시간 초과가 발생할 수 있습니다.
- 값이 너무 높으면 공급자가 응답하지 않을 경우 사용자가 오래 기다리게 될 수 있습니다.
- 권장값: 표준 사용의 경우 120–300초로 설정하고, 장기 생성 작업의 경우 더 높은 값으로 조정하세요.
- LLM 공급자의 API에 접근하기 위해 사용하는 인증 키입니다.
- 시스템에 사전 구성된 API 키 목록의 드롭다운에서 선택하세요.
- 키가 선택되지 않은 경우 유효성 검사 오류: API Key is required가 표시됩니다.
- API 키는 Configuration 섹션 (Theme, Color, API Key 설정)에서 관리됩니다.
| 사용 사례 | Temperature | Max Tokens | Max Retries | Timeout |
|---|---|---|---|---|
| 고객 지원 봇 | 0.2 - 0.4 | 2000 | 3 | 120 |
| 창의적 글쓰기 도우미 | 0.7 - 1.0 | 5000 | 2 | 300 |
| 데이터 추출 / 구조화된 출력 | 0 | 3000 | 3 | 180 |
| 일반 목적 에이전트 | 0.5 | 4000 | 2 | 300 |
Step 4: MCP Servers(도구) 추가
하나 이상의 MCP 서버를 도구로 드래그 앤 드롭할 수 있습니다. 현재 MCP 인스턴스에 등록된 모든 서버를 사용할 수 있습니다.
Step 5: Skills 추가
하나 이상의 기술 파일(Skill)을 추가할 수 있으며, Skil 목록은 Skill Registry에서 로드됩니다.
Step 6: 구성(Configuration) 설정 (Info 및 Middleware)
도구와 Skill을 추가한 후, 오른쪽 구성 탭에서 이름과 System Prompt를 입력하세요. AI 에이전트의 실행 흐름을 가로채거나 수정하거나 제어하려면 미들웨어 탭으로 이동하여 내장된 LangChain 미들웨어를 구성하세요. 자세한 내용은 미들웨어 구성 가이드를 참조하세요.
Step 7: Sub-agent 추가
주요 에이전트의 미들웨어 설정을 완료한 후, 서브 에이전트를 디자인 캔버스로 드래그 앤 드롭하여 구성을 계속 진행하세요. 서브 에이전트의 모든 구성 요소는 주요 에이전트와 동일한 프로세스를 따릅니다.
Step 8: Playground에서 테스트
플레이그라운드에서 에이전트를 테스트하세요. 자세한 단계는 Agent Playground를 참조하세요.
Step 9: 최종 저장
에이전트가 정상적으로 실행되는 것을 확인한 후, Save를 클릭하여 변경 사항을 저장하세요.
Step 10: Agent 프로비저닝
배포 단계에서 에이전트를 프로비저닝하세요. 자세한 내용은 Agent Provisioning 페이지를 참조하세요.
Step 11: Agent 게시
작업 공간에서 나중에 사용할 수 있도록 에이전트를 게시하세요.
