클로드 코드 실전 — 설치부터 하네스까지

시키는 법 말고, 끝내는 법. AI에게 시켜 본 적은 있지만 내 프로젝트에서는 무엇부터 해야 할지 막막한 분을 위한 강의입니다. 의도를 먼저 정하고, 구현과 검증은 AI에 맡기며, 사람은 결과물을 써 보고 판단하는 순서를 배웁니다. feedme 클론으로 함께 한 번, 내 아이디어로 혼자 한 번 배포까지 완성하며 자기 작업 방식을 익힙니다.

문서(SDD) → 코드 자동화. 프롬프트 치지 말고 시스템이 일하게 만드세요. Skills, Sub-agents, Commands로 나만의 AI 개발 에이전트를 구축하고, 5개 실전 프로젝트로 수익화 서비스까지 완성합니다.

생성형 AI 시대에는 단순히 프롬프트를 작성하는 것만으로는 실무 문제를 해결하기 어렵습니다. 실제 서비스에서는 스스로 판단하고, 도구를 호출하며, 데이터를 검색하고, 여러 에이전트가 협업하는 AI 시스템을 설계할 수 있어야 합니다. 이 강의는 AI 에이전트를 처음 설계하는 개발자부터 실무에서 운영 가능한 시스템을 구축하려는 엔지니어까지 모두를 위한 실전 중심 과정입니다. LangGraph를 활용한 에이전트 아키텍처 설계부터 상태 관리(State Management), Tool Calling, API 및 MCP 연동, 자연어 데이터베이스 제어, RAG 구축, 시맨틱 검색, Few-shot Learning, Reflection, Fine-tuning까지 단계별로 학습합니다. 또한 멀티 에이전트 협업 구조, Supervisor 패턴, Actor-Critic 전략, 비동기 통신, 자동 평가 시스템, Quality Gate 구축 방법을 실제 프로젝트를 통해 익힙니다. 마지막으로 Metrics·Logs·Tracing 기반 모니터링, Shadow Deployment, Canary Deployment, Drift Detection, RCA 자동화, A/B 테스트까지 실제 운영 환경에서 필요한 MLOps 및 AI Agent 운영 전략도 함께 배웁니다. 강의를 마치면 최신 AI 에이전트 기술을 활용하여 실제 서비스에 적용 가능한 고성능 AI 시스템을 직접 설계하고 개발하며 운영할 수 있게 됩니다.

단순한 시스템 프롬프트를 넘어, 페르소나 설계와 Structured Outputs를 활용해 사용자를 기억하고 관계가 변화하는 AI 캐릭터 챗봇을 구현합니다. 제공되는 시작 프로젝트 기반으로 OpenAI API를 안전하게 호출하고, JSON Schema와 Zod로 감정·신뢰도·기억을 검증 가능한 형태로 처리하며, AI 코딩 에이전트를 제약 조건 안에서 활용하는 방법을 30분 실습으로 완성합니다.

단순히 질문에 답하는 챗봇을 넘어, 스스로 상황을 인식하고 판단하며 실제 시스템을 제어하는 AI Agent의 원리를 배우는 실무 중심 강의입니다. AI Agent와 챗봇의 차이부터 Agent Loop의 핵심 구조인 Sense-Think-Act, 상태 관리, 계획 수립, 피드백 구조까지 단계적으로 이해할 수 있도록 구성했습니다. 이론에만 머무르지 않고 Windows와 Linux 개발 환경을 구축하고 Kubernetes의 기본 구조와 kubectl 명령어를 직접 실습합니다. 이후 AI Agent가 서버의 문제를 감지하고 원인을 분석하며 오류를 자동으로 해결하는 과정을 구현합니다. 마지막으로 Kubernetes를 제어하는 Agent의 Python 코드와 내부 로직을 직접 분석하면서 AI Agent가 실제 시스템과 어떻게 연결되고 동작하는지 이해할 수 있습니다. AI Agent를 처음 접하는 개발자부터 실제 시스템을 제어하는 Multi-Agent를 설계하고 싶은 개발자까지, Agent의 원리와 실전 구현 과정을 함께 학습할 수 있습니다.

단순 튜토리얼만으론 실무 적용이 어렵죠. 제 현업 노하우를 담아 복잡한 상태 관리와 멀티 에이전트 설계법을 확실히 전수해 드립니다.

프롬프트를 더 길게 쓰는 대신, 규칙 파일, 기록, 권한, 훅, 검증 루틴을 실제 프로젝트에서 사고가 날 때마다 하나씩 만듭니다. 닷새 동안 실제로 만들고 서버에 올린 뉴스 알림 봇으로, 화면 캡처 211장과 지시 87개를 원문 그대로.

AI가 내린 판단, 그대로 실행해도 될까요? Laya를 직접 실행해 판단 결과를 확인하고, 코드 규칙과 연결해 자동 처리와 사람 검토로 나누는 방법을 배웁니다.

초보자, 개발 입문자들도 충분히 따라할 수 있는 튜토리얼식 클로드 코드 개발 강의입니다. 기획자, 디자이너, 비 개발자를 대상으로 오프라인에서 강의한 경험을 토대로 책에 다루지 않는 초급 예제부터 중급 개발 예제까지 한 흐름으로 배울 수 있습니다. 클로드 코드를 활용해 Hello World부터 럭키드로우, 클로드 디자인 + 엑셀 데이터 연동을 통한 디바이스별 최적화 카페 메뉴 관리 웹 페이지, DB와 클라우드 서비스에 올릴 수 있는 SaaS 웹 애플리케이션까지 단계별로 개발하는 과정을 경험합니다. 이론/실습/프로젝트의 단계별로 튜토리얼이 제공되며, 6단계 레벨별 실습을 통해 AI 협업 개발 방법론을 익히고, 클라우드 배포와 운영까지 전체 개발 사이클을 경험합니다.

Claude Code, Codex, pi 등 여러 AI 코딩 에이전트를 한 화면에서 효율적으로 관리하는 방법을 배웁니다. tmux 개념부터 Herdr의 세션, pane, 플러그인, CLI까지 실습하며 SSH 연결이 끊겨도 작업이 유지되는 에이전트 워크플로우를 구축합니다. Agent 시대의 필수 개발 환경을 하루 만에 완성하세요.

설계는 내가, 코드는 AI가: Unity 6와 C#으로 객체지향 설계, Copilot / Claude 프롬프트, AI 코드 검증을 익혀 60초 버티기 3D 게임을 완성합니다. AI를 다룰 줄 아는 게임 개발자가 되어 보세요.

단순히 답변만 생성하는 챗봇을 넘어, 스스로 판단하고 도구를 호출하며 여러 단계의 업무를 수행하는 자율형 AI Agent를 직접 구현합니다. OpenAI Agents SDK의 Tool Calling, Handoff, Guardrail, Session과 Tracing부터 MCP를 활용한 외부 도구·데이터베이스 연결, LangChain과 Deep Agents의 Planning, Subagents, Filesystem, Memory까지 단계별 실습으로 익힙니다. 최종적으로 실제 업무에 적용할 수 있는 도구 연동형 AI Agent의 설계와 구현 능력을 갖추는 것을 목표로 합니다.

AI는 딱 당신만큼만 훌륭합니다. AI 활용법 → 기초 핵심 지식 → 프로젝트 개발 3단계로 완성하는 완벽한 바이브 코딩. 바이브 코딩을 제대로 배워보고 싶은 분들을 위해, 어떤 AI를 사용하더라도 변하지 않는 핵심 개념들을 한 입 크기로 잘라 전달해 드립니다.

AI 에이전트, 막연하셨죠? 실무 경험으로 프롬프트부터 루프, 그래프 엔지니어링 시스템까지 문제 해결 노하우를 전수합니다.

코딩을 몰라도 내 아이디어로 서비스를 만들 수 있을까요? AI와 함께라면 가능합니다! 이 강의에서는 제미나이, 러버블, 안티그래비티, 커서, 클로드 코드 등 현업에서 사용하는 바이브 코딩 도구를 활용해 아이디어를 실제 웹 서비스로 만드는 전 과정을 경험합니다. 단순히 도구 사용법만 배우는 것이 아니라 직접 서비스를 기획하고, 배포하고, 결제까지 연결하는 AI 시대의 새로운 서비스 개발 방법을 익히게 됩니다. Point 1. 5가지 핵심 바이브 코딩 도구 완전 정복 - 제미나이, 러버블, 안티그래비티, 커서, 클로드 코드 핵심 기능과 활용법 실습 - AI와 협업하는 바이브 코딩 개발 방식 이해 Point 2. 코딩 없이 실제 서비스 만들어보기 - 책 추천 서비스를 직접 기획하고 웹 서비스로 구현하는 과정 실습 - 아이디어 → 개발 → 배포까지 서비스 제작 전체 흐름 이해 Point 3. 서비스 출시와 운영까지 연결되는 실전 스킬 - 도메인 구매, 서버 세팅, 배포 과정 이해 - 결제 모듈 연동과 SEO 설정 등 서비스 운영 핵심 기술 학습

ChatGPT에게 원하는 결과를 요청하고, 자료의 근거와 결과를 확인하는 방법을 배웁니다. 문서·데이터·글쓰기 실습에서 시작해 OpenAI API, RAG, 에이전트와 평가·운영까지 단계적으로 확장하는 70차시 과정입니다.

JEV가 무엇인지부터 쉽게 배워요. TypeSafe AI Playground에서 판단 결과를 확인하고, 클로드코드에 말로 요청해 문장에 맞는 이모지를 추천하는 맥 앱을 만드는 과정을 따라갑니다. 가입·API 키 연결·GitHub 코드 공개까지, 5개 영상과 화면 캡처·복사할 프롬프트가 있는 학습자료로 함께 배웁니다.

여러분을 ‘최상위 엔터프라이즈 AI 시스템 아키텍트’로 초청합니다 단순히 남들이 만들어 놓은 라이브러리를 가져다 붙이거나 프롬프트 문장이나 다듬는 미시적 기술자(Prompt Writer)에 머무르지 마십시오. 수학적 제1원리부터 런타임 제어 루프 커널, 그리고 자율 복원 인프라까지 — 대한민국 산업 현장을 이끌어온 40년의 실전 공학 통찰을 통해, 여러분을 기업의 비즈니스와 디지털 주권을 수호하는 최고 수준의 '엔터프라이즈 AI 시스템 아키텍트'로 확실하게 이끌어 드리겠습니다. 지금, 통제 불능의 AI를 완벽한 인더스트리얼 코어로 바꾸는 위대한 여정을 시작해 보십시오. “데모에서는 완벽하게 잘 돌던 AI가 왜 프로덕션 배포만 하면 이상한 헛소리를 하거나 파이프라인을 멈춰 세울까요?” “왜 수많은 기업들이 호기롭게 시작한 AI 프로젝트가 결국 ‘PoC(개념 검증)의 늪’에서 벗어나지 못하고 폐기될까요?” 현장에서 만난 수많은 개발자와 시스템 아키텍트들이 제게 던진 가장 절박한 질문입니다. 안녕하십니까. 저는 40여 년간 대한민국 자동차 파워트레인 R&D 부문(현대자동차그룹 R&D 중역 17년)에서 1,300억 원 규모의 엔진 및 구동 기술 수출을 주도하고, 상장 중견 제조기업의 대표이사(CEO/CTO)로서 현장을 지휘해 온 김홍집입니다. 기계 공학과 정밀 제어 현장에서 수십 년을 보낸 엔지니어의 눈으로 볼 때, 지금의 생성형 AI 도입 열풍 뒤에는 ‘치명적인 불확실성의 위험’이 숨어 있습니다. 단 0.1%의 오차나 실수가 수억 원대의 물리적 설비 파손과 전사적 셧다운으로 직결되는 미션 크리티컬 산업 현장에서, 단순히 확률에 의존해 그럴듯한 텍스트를 뱉어내는 확률적 챗봇을 그대로 서비스에 결합하는 것은 시한폭탄을 들고 불로 들어가는 것과 같습니다. 이 강의는 바로 그 “통제 불능의 확률적 AI를 단 0.000%의 구문 오류도 허용하지 않는 가장 견고한 인더스트리얼 제어 코어로 조련하는 실전 공학 방법론”을 전수하기 위해 기획되었습니다. 1. 여러분이 현장에서 직면한 3대 치명적 병목 (Problem) 수많은 엔지니어들이 단발성 프롬프트 튜닝(Vibe Prompting) 수준의 접근법으로 프로덕션 환경에 도전하다가 다음의 3대 구조적 결함에 부딪혀 좌절합니다: 유한한 컨텍스트와 ‘중간 분실(Lost in the Middle)’: 대화나 멀티턴 실행이 길어질수록 주요 시스템 지시어가 밀려나고 컨텍스트 윈도우가 고갈되어 시스템이 기억을 잃고 환각을 증폭시킵니다. 비결정론적 출력과 연쇄 파이프라인 붕괴: JSON 닫는 괄호가 하나 빠지거나 타입이 틀어지는 아주 미세한 확률적 변동성이 기간계 ERP/CRM API 호출을 마비시키고 데이터 정합성을 붕괴시킵니다. 비신뢰 코드 실행 및 인프라 보안 파산: 에이전트가 자율 생성한 스크립트가 격리되지 않은 호스트 OS 환경에서 실행되면서 커널 탈출이나 민감 데이터 유출 리스크를 야기합니다. 이처럼 산업 현장에서 AI의 오작동은 단량적인 정확도 문제가 아닌, 비대칭 비즈니스 손실(Asymmetric Business Loss)이라는 거대한 재무적 재앙으로 다가옵니다. 2. 이 문제를 ‘어떻게’ 완벽히 해결하는가 (Solution) 본 강좌는 파편화된 상용 도구 사용법을 가르치는 시중의 강의와 궤를 달리합니다. 40년 실무 현장 노하우와 컴퓨터 시스템 공학을 결합하여, 확률적 AI를 시스템 레벨에서 수직 통합 통제하는 3대 하드코어 아키텍처를 전수합니다: ① 프롬프팅을 넘어 ‘LLM-OS & 컨텍스트 오케스트레이션’으로 전이 안드레이 카파시(Andrej Karpathy)의 패러다임대로, LLM을 대화 상답자가 아닌 컴퓨터의 중앙 연산 코어(CPU)로 재정의합니다. 컨텍스트 창을 초저지연 휘발성 RAM으로, 사내 벡터 DB를 Disk로, 외부 API를 I/O 버스로 체계화합니다. MemGPT 계층형 가상 메모리 페이징을 통해 무한 대화 속에서도 핵심 상태를 포화 없이 보존하며, MCP 기반 유동적 군집 지능(Liquid Swarm MAS)으로 토큰 비용을 극소화하면서 동적 에이전트망을 스케일링합니다. ② 확률적 환각을 0.000%로 구속하는 ‘결정론적 하네스 엔지니어링’ 언어 모델의 창의적 유연성은 사고(Reasoning) 단계에만 열어두고, 실제 외부 시스템과 상호작용하는 물리적 출력단은 수학적 불대수와 컴파일러로 단단히 감금합니다. EBNF / XGrammar 기반 CUDA 로짓 마스킹을 적용하여 유효하지 않은 토큰의 생성 확률을 P = 0.000%로 강제 차단합니다. 에이전트의 생성 코드는 5ms 스냅샷 복원 능력을 지닌 Firecracker MicroVM 마이크로 가상화 샌드박스 내부에서만 일회성으로 가동되도록 물리적 보안 격리 링을 형성합니다. ③ GPU 낭비 없는 ‘고신뢰성 MLOps·LLMOps 자율 복원 인프라’ vLLM PagedAttention 및 S-LoRA 핫스왑을 구축하여 VRAM 유휴 낭비율을 4% 미만으로 억제합니다. 다중 에이전트의 API 실패 시 SagaLLM 역순 보상 트랜잭션으로 데이터 일관성을 100% 원상 복원합니다. OpenTelemetry/Langfuse 분산 관측망을 통해 RAGAS 충실도 점수 하락(Data Drift) 감지 시, 무인 카나리 자동 롤백을 실행하여 시스템의 가용성을 사수합니다. 3. 나선형 성장을 이끄는 실전적 가치 (Pedagogy & ROI) 본 강좌는 블룸의 개정 교육분류학(Bloom's Taxonomy) 5단계에 맞춰 체계적으로 설계되었습니다. 학습자는 단순 이론 회상(Remember)에서 출발하여, 5단계 디버깅 파이프라인(Deceptive Baseline 함정 소스코드 분석 ➔ 적대적 공학 해체 ➔ Robust 무결성 파이프라인 수립 ➔ TEI ROI 수식 산출 ➔ SOTIF/ISO 42001 거버넌스)을 직접 코딩하고 검증합니다. 단순히 "잘 동작한다"는 감각적 만족을 넘어, Forrester TEI(Total Economic Impact) 재무 모델을 적용하여 여러분이 구축한 AI 시스템이 기업의 재작업 비용(Rework Cost)을 얼마나 절감하고 수억 원대의 장애 리스크를 회피하여 ROI 200% 이상을 증명해 내는지 경영진 관점의 지표로 시각화해 드립니다.

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

이 강의는 OpenAI의 AI 코딩 에이전트 Codex를 처음부터 끝까지 다루는 37차시, 약 14시간의 과정입니다. AI 코딩 도구는 이제 흔합니다. 그런데 대부분의 사용자는 자동완성을 수락하거나 채팅창에 질문하는 수준에 머물러 있습니다. Codex 같은 에이전트형 도구는 그보다 훨씬 많은 일을 할 수 있습니다. 프로젝트 전체를 읽고, 여러 파일을 동시에 수정하고, 테스트를 돌려 스스로 오류를 잡습니다. 문제는 그만큼 통제가 필요하다는 점입니다. 무엇을 허용하고 무엇을 막을지, 프로젝트 규칙을 어떻게 가르칠지 모르면 도구가 만든 코드를 뒤에서 수습하게 됩니다. 이 강의는 그 통제 방법에 집중합니다. 초급 구간에서는 설치와 첫 대화, 파일 편집과 세션 관리, 슬래시 명령을 익히고 프롬프트 작성의 기본기를 다집니다. 명확한 요청, 작업 분해, 검증이라는 세 가지 원칙을 실습으로 몸에 익힙니다. 중급 구간부터가 본론입니다. config .toml로 동작을 설정하고, AGENTS .md로 프로젝트 규칙을 가르치고, Memories로 기억을 관리합니다. 샌드박스와 승인 정책 4종을 조합해 안전의 경계를 직접 설계합니다. 이어서 스레드 분리와 병렬 작업, 계획 모드, MCP 서버 연결, SKILL .md 기반 커스텀 스킬 제작까지 다룹니다. 마지막에는 웹 검색과 Git 자동화, VS Code·Cursor 연동, FastAPI 실습을 거쳐 SQ/EQ 큐 모델이라는 Codex의 내부 프로토콜까지 살펴봅니다. 도구가 어떻게 동작하는지 알면 문제가 생겼을 때 대처가 달라집니다. 강의 전체는 TaskFlow라는 하나의 서비스를 만들어 가는 흐름으로 이어집니다. 기능을 따로따로 배우는 것이 아니라, 실제 프로젝트에서 언제 무엇이 필요한지를 순서대로 경험하게 됩니다.