0 / 0
영어 버전 문서로 돌아가기

저장 에이전트

마지막 업데이트 날짜: 2025년 1월 30일
저장 에이전트

에이전트 랩에서 AI 에이전트를 점진적으로 구축하고 에이전트의 핵심 구성 요소 구성을 저장하여 개발 작업을 추적할 수 있습니다.

에이전트 구성을 저장할 때, 다른 자산 유형으로 저장하도록 선택할 수 있습니다. 작업을 자산으로 저장하면 현재 프로젝트의 공동 작업자들과 작업을 공유할 수 있습니다.

표 1: 에이전트 저장에 사용되는 자산 유형
자산 유형 이 자산 유형을 사용할 때 저장되는 항목 자산을 검색하는 방법
에이전트 자산 특정 모델과 도구 세트를 조합하여 원하는 결과를 생성하는 에이전트를 생성하고, 그 에이전트를 재사용하고자 할 때. 에이전트 이름과 설명, foundation model 및 관련 매개변수 설정, 빠른 시작 질문, 모델에 대한 지침, 에이전트가 사용하는 도구.
참고 : 에이전트가 생성한 출력은 에이전트 자산의 일부로 저장되지 않습니다.
에이전트 랩의 저장된 에이전트 탭에서
표준 노트북 자산 프로그래밍 방식으로 에이전트와 함께 작업하고 싶지만, 더 나은 에이전트 개발 경험을 위해 에이전트 랩 인터페이스에서 시작하고 싶다면. foundation model 와 관련된 매개변수 설정, 그리고 에이전트가 사용하는 도구는 Python 코드로 포맷되어 Python 노트북에 저장됩니다. 프로젝트의 자산 페이지 에서
배치 노트북 에이전트가 채팅에서 질문에 대한 답변을 찾기 위해 문서를 검색하는 것과 같은 고급 기능을 수행할 수 있고, 이 기능을 AI 서비스로 배포하려는 경우. REST API를 통해 사용할 수 있는 배포 가능한 AI 서비스입니다. 프로젝트의 자산 페이지 에서

이러한 자산 유형은 프로젝트의 자산 페이지 에서 사용할 수 있습니다. 관리자 또는 편집자 역할의 프로젝트 공동 작업자는 자산을 열고 작업할 수 있습니다. 편집 모드에서 에이전트 자산을 열면 자동으로 잠기게 되어 다른 사용자가 사용할 수 없게 됩니다. 잠그지 않고 미리보기 모드 에서 에이전트 자산을 이용할 수 있습니다.

에이전트 개발 작업 저장

에이전트 개발 작업을 줄이려면 다음 단계를 완료하십시오

  1. 에이전트 편집기 헤더에서 작업 저장 아이콘 저장 아이콘 을 클릭한 다음, 다른 이름으로 저장을 클릭합니다.

  2. 자산 유형을 선택하세요.

    배포 가능한 Gen AI 플로우 노트북을 생성하기로 선택한 경우, 에이전트를 배포 공간과 연결해야 합니다. 자세한 내용은 배포 공간을 참고하세요.

  3. 자산의 이름을 지정한 다음, 설명을 추가할 수 있습니다.

  4. 저장 을 클릭하십시오.

노트북에 저장된 에이전트와 함께 작업하기

노트북 자산으로 작업을 저장하면, ' Python ' 노트북이 만들어집니다.

에이전트 노트북 자산을 사용하려면 노트북 유형에 따라 절차를 따르십시오.

표준 노트북

  1. 프로젝트의 자산 탭 에서 노트북 자산을 엽니다.

  2. 편집 아이콘을 클릭하세요 편집 아이콘 노트북을 인스턴스화하여 코드를 단계별로 실행할 수 있습니다.

    노트북에는 실행 가능한 코드가 포함되어 있어 다음 단계를 관리해 줍니다:

    • 서비스로 인증합니다.
    • Python 클래스를 정의합니다.
    • 선택된 에이전트( foundation model )와 그 매개 변수, 도구 세트, 에이전트 생성에 사용되는 지침을 정의합니다.
    • 에이전트를 생성하고 실행하여 질문을 입력으로 하여 응답을 생성합니다.
  3. 노트북을 그대로 사용하거나 사용 사례의 필요에 맞게 변경할 수 있습니다.

    Agent Lab을 사용하여 생성된 Python 코드가 성공적으로 실행됩니다. 코드를 변경할 때는 반드시 테스트하고 검증해야 합니다.

배치 노트북

  1. 프로젝트의 자산 탭 에서 노트북 자산을 엽니다.

  2. 편집 아이콘을 클릭하세요 편집 아이콘 노트북을 인스턴스화하여 코드를 단계별로 실행할 수 있습니다.

    노트북에는 실행 가능한 코드가 포함되어 있어 다음 단계를 관리해 줍니다:

    • 서비스로 인증합니다.
    • 대상 공간에 연결하고 자산을 홍보하여 AI 서비스에서 데이터에 액세스할 수 있도록 합니다.
    • 배포할 AI 서비스를 정의합니다. 여기에는 에이전트를 생성하는 코드, 에이전트에 대한 입력 형식 지정, 에이전트를 실행하여 응답을 생성하는 코드가 포함됩니다.
    • 로컬에서 AI 서비스를 테스트합니다.
    • AI 서비스를 대상 공간에 배치합니다.
    • 배포된 AI 서비스를 테스트합니다.
  3. 노트북을 그대로 사용하거나 사용 사례의 필요에 맞게 변경할 수 있습니다.

    Agent Lab을 사용하여 생성된 Python 코드가 성공적으로 실행됩니다. 코드를 변경할 때는 반드시 테스트하고 검증해야 합니다.

  4. 노트북에 배치된 AI 서비스는 REST API를 사용하여 사용할 수 있습니다. 다음은 배포를 호출하는 cURL 요청의 예입니다

    curl --location '${PUBLIC_ENDPOINT}' \
    --header 'Content-Type: application/json' \
    --header 'Authorization: Bearer ${IAM_TOKEN}' \
    --data '{ \
      "messages": [{$MESSAGES}]
    }'
    

    여기서,

    {
       "role": type, // "user" or "assistant"
       "content": content // The text content of the message
    }
    

AI 서비스를 배포하고 추론하는 방법에 대한 자세한 내용은 도구를 사용하여 AI 서비스 배포를 참조하세요.

저장된 에이전트 자산으로 작업하기

저장된 상담원과 계속 작업하려면 상담원 실습의 저장된 상담원 탭에서 해당 상담원을 엽니다.

저장된 에이전트를 열면 자동 저장이 켜져 있습니다. 즉, 에이전트에 대한 변경 사항이 저장된 에이전트 자산에 반영됩니다. 저장한 에이전트를 변경하지 않고 유지하려면, 새로운 에이전트를 클릭하여 새로운 에이전트 생성을 시작하십시오.

상위 주제: 에이전트 연구소