코딩 없이 AI 에이전트 만들기 — 유튜브 리서치 자동화 실습 가이드

핵심 메시지

• AI 에이전트는 '디지털 직원'에 비유할 수 있으며, 두뇌(LLM)·도구·지시 세 요소로 구성된다.
• 에이전트를 진짜 '에이전트'로 만드는 것은 웹 도구를 사용해 실제 세계에서 행동하는 능력이다.
• 지시는 작업(task), 시스템 프롬프트, 스킬 세 방식으로 줄 수 있고, 스킬은 필요할 때만 동적으로 불러온다.
• 핵심 지시(core instruction)는 이름·설명·본문이 항상 시스템 프롬프트에 들어가는 반면, 스킬은 이름·설명만 평소 노출되고 본문은 작업이 필요로 할 때 로드된다.
• 동종 유튜버를 찾아 인기 영상을 스크래핑해 표로 만들고 아이디어를 내는 과정을 하나의 재사용 가능한 스킬로 패키징한다.

쉽게 이해하기

영상은 유튜브 콘텐츠 아이디어를 리서치하는 AI 에이전트를 직접 만들면서, 에이전트를 어떻게 사고해야 하는지부터 설명한다. 핵심 비유는 '디지털 직원'이다. 사람 동료가 두뇌와 경험으로 일하듯, 디지털 직원의 두뇌는 인터넷으로 학습한 대규모 언어 모델(LLM)이다.

두뇌만으로는 한계가 있다. 도구가 없으면 에이전트는 정적인 학습 데이터에 기대 일반적인 답만 내놓는다. 구글이나 유튜브 데이터 API 같은 도구를 줘야 실시간 데이터를 가져와 실제 리서치를 수행할 수 있다. 바로 이 '행동하는 능력'이 에이전트를 에이전트답게 만든다.

지시를 주는 방법은 세 가지다. 작업(task)으로 그때그때 시키는 방식, 시스템 프롬프트로 항상 적용되는 행동 규칙을 심는 방식, 그리고 스킬이다. 스킬의 강점은 동적 로딩에 있다. 평소에는 이름과 설명만 노출되다가 관련 작업이 들어오면 본문이 불려와, 매번 사전 프롬프트를 반복할 필요도 없고 컨텍스트 윈도우도 아낄 수 있다.

실습은 노코드 플랫폼 Station(과거 Toolflow)에서 진행된다. 먼저 채널 정보를 스킬로 저장하고, 도구 마켓플레이스에서 유튜브 스크래퍼를 검색해 붙인다. 그러면 에이전트가 스스로 to-do 리스트를 만들고, 동종 유튜버를 찾아 인기 영상을 스크래핑해 보기 좋은 표로 정리한 뒤 아이디어를 제안한다.

마지막으로 이 전체 과정을 재사용 가능한 스킬로 패키징한다. 별도로 만든 'AI 유튜버 목록' 문서를 항상 참조하도록 스킬을 갱신하고, 사용자 프로필을 핵심 지시로 저장한다. 이렇게 채널 정보·사용자 정보·리서치 절차를 지식 베이스에 쌓으면, 필요할 때 정보를 끌어오는 하나의 범용 '슈퍼 에이전트'가 완성된다.

주요 인사이트

• 도구가 없으면 에이전트는 학습 데이터에 갇힌 일반적 답변만 내놓는다. 실제 가치는 실시간 외부 데이터 접근에서 나온다.
• 스킬을 동적으로 불러오면 매번 사전 프롬프트를 반복할 필요가 없고, 불필요한 지시로 컨텍스트 윈도우를 낭비하지 않는다.
• 에이전트는 도구 호출에 실패해도 스스로 오류를 인지하고 함수 호출 구조를 고쳐 재시도한다.
• 채널 정보·사용자 프로필·리서치 절차를 지식 베이스에 쌓아 두면, 하나의 범용 슈퍼 에이전트가 필요할 때 정보를 끌어와 쓴다.
• 자주 반복하는 다단계 작업은 한 번 시킨 뒤 스킬로 패키징해 두면 이후 비슷한 작업에서 자동으로 호출된다.

자주 묻는 질문

관련 AI 소식