AI Toolkit에서 에이전트 및 프롬프트 빌드

AI Toolkit의 Agent Builder는 프롬프트 엔지니어링 및 MCP 서버와 같은 도구와의 통합을 포함하여 에이전트 구축을 위한 엔지니어링 워크플로우를 간소화합니다. 일반적인 프롬프트 엔지니어링 작업에 도움이 됩니다.

• 실시간으로 반복 및 개선
• API를 통한 원활한 대규모 언어 모델(LLM) 통합을 위한 코드에 쉽게 액세스

Agent Builder는 도구 사용을 통해 지능형 앱의 기능도 향상시킵니다.

• 기존 MCP 서버에 연결
• 템플릿에서 새 MCP 서버 빌드
• 함수 호출을 사용하여 외부 API 및 서비스에 연결

프롬프트 생성, 편집 및 테스트

Agent Builder에 액세스하려면 다음 옵션 중 하나를 사용하세요.

• AI Toolkit 보기에서 **Agent Builder** 선택
• 모델 카탈로그의 모델 카드에서 **Agent Builder에서 사용해 보기** 선택
• 내 리소스 보기에서 **모델** 아래에서 모델을 마우스 오른쪽 버튼으로 선택하고 **Agent Builder로 로드** 선택

Agent Builder에서 프롬프트를 테스트하려면 다음 단계를 따르세요.

1. 모델을 아직 선택하지 않았다면 Agent Builder의 **모델** 드롭다운 목록에서 모델을 선택하세요. **모델 찾아보기**를 선택하여 모델 카탈로그에서 다른 모델을 추가할 수도 있습니다.

   

2. 에이전트 지침 입력

   **지침** 필드를 사용하여 에이전트에 정확히 무엇을 어떻게 해야 하는지 지시하세요. 특정 작업을 나열하고, 순서대로 배치하고, 톤이나 참여 방식과 같은 특별한 지침을 추가하세요.

3. 모델 응답을 관찰하고 지침을 변경하여 지침을 반복하세요.

4. 구문을 사용하여 지침에 동적 값을 추가하세요. 예를 들어, user_name이라는 변수를 추가하고 다음과 같이 지침에 사용하세요. 사용자 이름을 사용하여 사용자에게 인사하세요: .

5. **변수** 섹션에서 변수 값을 제공하세요.

6. 텍스트 상자에 프롬프트를 입력하고 보내기 아이콘을 선택하여 에이전트를 테스트하세요.

7. 모델의 응답을 관찰하고 지침을 필요한 대로 조정하세요.

MCP 서버 사용

MCP 서버는 에이전트가 텍스트 생성 이상의 작업을 수행할 수 있도록 외부 API 및 서비스에 연결할 수 있는 도구입니다. 예를 들어, MCP 서버를 사용하여 데이터베이스에 액세스하거나, 웹 서비스를 호출하거나, 다른 애플리케이션과 상호 작용할 수 있습니다.

Agent Builder를 사용하여 추천 MCP 서버를 검색하고 구성하거나, 기존 MCP 서버에 연결하거나, 템플릿에서 새 MCP 서버를 구축할 수 있습니다.

추천 MCP 서버 구성

AI Toolkit은 외부 API 및 서비스에 연결하는 데 사용할 수 있는 추천 MCP 서버 목록을 제공합니다.

추천 선택에서 MCP 서버를 구성하려면 다음 단계를 따르세요.

1. **도구** 섹션에서 **+ MCP 서버**를 선택한 다음 빠른 선택에서 **MCP 서버**를 선택합니다.

2. 드롭다운 목록에서 **찾을 수 없음? MCP 서버 더 찾아보기**를 선택합니다.

3. 필요에 맞는 MCP 서버를 선택하세요.

4. MCP 서버가 **도구** 아래 **MCP** 하위 섹션에서 에이전트에 추가됩니다.

VS Code에서 도구 선택

1. **도구** 섹션에서 **+ MCP 서버**를 선택한 다음 빠른 선택에서 **MCP 서버**를 선택합니다.

2. 드롭다운 목록에서 **Visual Studio Code에 추가된 도구 사용**을 선택합니다.

3. 사용하려는 도구를 선택하세요.

4. VSCode Tools라는 MCP 서버 도구가 **도구** 아래 **MCP** 하위 섹션에서 에이전트에 추가됩니다.

기존 MCP 서버 사용

기존 MCP 서버를 사용하려면 다음 단계를 따르세요.

1. **MCP 워크플로우** 섹션에서 **+ MCP 서버 추가**를 선택합니다.

2. 또는 Agent Builder의 **도구** 섹션에서 + 아이콘을 선택하여 에이전트에 대한 도구를 추가한 다음 빠른 선택에서 **서버 추가**를 선택합니다.

3. 빠른 선택에서 **MCP 서버**를 선택합니다.

4. **기존 MCP 서버에 연결** 선택

5. MCP 서버에 연결하는 옵션은 드롭다운 목록 아래쪽으로 스크롤하세요.

   • **명령(stdio)**: MCP 프로토콜을 구현하는 로컬 명령 실행
   • **HTTP(HTTP 또는 서버 전송 이벤트)**: MCP 프로토콜을 구현하는 원격 서버에 연결

6. 여러 도구를 사용할 수 있는 경우 MCP 서버에서 도구를 선택하세요.

7. 텍스트 상자에 프롬프트를 입력하고 보내기 아이콘을 선택하여 연결을 테스트하세요.

AI Toolkit에서 파일 시스템 서버를 구성하는 예는 다음과 같습니다.

1. **도구** 섹션에서 빠른 선택에서 **+ MCP 서버**를 선택합니다.

2. 드롭다운 목록에서 **찾을 수 없음? MCP 서버 더 찾아보기**를 선택합니다.

3. 드롭다운 목록 아래쪽으로 스크롤하고 **명령(stdio)**을 선택합니다.

   참고

   일부 서버는 Python 런타임과 uvx 명령을 사용합니다. 프로세스는 npx 명령을 사용하는 것과 동일합니다.

4. 서버 지침으로 이동하여 npx 섹션을 찾으세요.

5. 명령과 인수를 AI Toolkit의 입력 상자에 복사하세요. 파일 시스템 서버 예의 경우 npx -y @modelcontextprotocol/server-filesystem /Users/<username>/.aitk/examples입니다.

6. 서버에 대한 ID 입력

7. 선택적으로 추가 환경 변수를 입력하세요. 일부 서버는 API 키와 같은 추가 환경 변수가 필요할 수 있습니다. 이 경우 AI Toolkit은 도구를 추가하는 단계에서 실패하고 mcp.json 파일이 열리며, 여기서 각 서버에서 제공하는 지침에 따라 필요한 서버 세부 정보를 입력할 수 있습니다. 구성을 완료한 후: 1. **도구** 섹션으로 돌아가서 **+ MCP 서버**를 선택합니다 1. 드롭다운 목록에서 구성한 서버를 선택합니다.

8. 사용하려는 도구를 선택하세요.

AI Toolkit은 새 MCP 서버를 구축하는 데 도움이 되는 템플릿도 제공합니다. 템플릿에는 MCP 프로토콜의 기본 구현이 포함되어 있어 필요에 맞게 사용자 지정할 수 있습니다.

새 MCP 서버 빌드

새 MCP 서버를 빌드하려면 다음 단계를 따르세요.

1. **MCP 워크플로우** 섹션에서 **새 MCP 서버 만들기**를 선택합니다.
2. 드롭다운 목록에서 프로그래밍 언어를 선택합니다: **Python** 또는 **TypeScript**
3. 새 MCP 서버 프로젝트를 만들 폴더를 선택합니다.
4. MCP 서버 프로젝트 이름을 입력합니다.

MCP 서버 프로젝트를 만든 후 필요에 맞게 구현을 사용자 지정할 수 있습니다. 템플릿에는 MCP 프로토콜의 기본 구현이 포함되어 있어 자체 기능을 추가하도록 수정할 수 있습니다.

Agent Builder를 사용하여 MCP 서버를 테스트할 수도 있습니다. Agent Builder는 프롬프트를 MCP 서버로 보내고 응답을 표시합니다.

MCP 서버를 테스트하려면 다음 단계를 따르세요.

1. VS Code 디버그 패널을 엽니다. Agent Builder에서 디버그를 선택하거나 F5를 눌러 MCP 서버 디버깅을 시작합니다.

2. 서버가 Agent Builder에 자동으로 연결됩니다.

3. AI Toolkit Agent Builder를 사용하여 다음 지침으로 에이전트를 사용하도록 설정하세요.

   • "귀하는 제공된 위치에 따라 날씨 정보를 알려줄 수 있는 일기 예보 전문가입니다."

4. 프롬프트 상자에 "시애틀의 날씨는 어떻습니까?"라는 프롬프트를 입력하고 보내기 아이콘을 선택하여 프롬프트로 서버를 테스트하세요.

5. Agent Builder에서 MCP 서버의 응답을 관찰하세요.

함수 호출 사용

함수 호출은 에이전트를 외부 API 및 서비스에 연결합니다.

1. **도구**에서 **도구 추가**를 선택한 다음 **사용자 지정 도구**를 선택합니다.
2. 도구 추가 방법 선택
   • **예제별**: JSON 스키마 예제에서 추가
   • **기존 스키마 업로드**: JSON 스키마 파일 업로드
3. 도구 이름과 설명을 입력한 다음 **추가**를 선택합니다.
4. 도구 카드에 모의 응답을 제공합니다.

1. 함수 호출 도구로 에이전트를 실행합니다.

**평가** 탭에서 테스트 사례에 대한 모의 응답을 입력하여 함수 호출 도구를 사용합니다.

애플리케이션에 프롬프트 엔지니어링 통합

모델과 프롬프트를 실험한 후에는 자동으로 생성된 Python 코드로 즉시 코딩을 시작할 수 있습니다.

Python 코드를 보려면 다음 단계를 따르세요.

1. **코드 보기**를 선택합니다.

2. GitHub에서 호스팅되는 모델의 경우 사용하려는 추론 SDK를 선택합니다.

   AI Toolkit은 제공업체의 클라이언트 SDK를 사용하여 선택한 모델에 대한 코드를 생성합니다. GitHub에서 호스팅되는 모델의 경우 사용할 추론 SDK를 선택할 수 있습니다: Agent Framework SDK 또는 OpenAI SDK 또는 Mistral API와 같은 모델 제공업체의 SDK.

3. 생성된 코드 조각은 새 편집기에 표시되며, 이를 애플리케이션에 복사할 수 있습니다.

   모델에 인증하려면 일반적으로 제공업체의 API 키가 필요합니다. GitHub에서 호스팅되는 모델에 액세스하려면 GitHub 설정에서 개인 액세스 토큰(PAT) 생성하세요.

학습 내용

이 문서에서는 다음 방법을 배웠습니다.

• VS Code용 AI Toolkit을 사용하여 에이전트를 테스트하고 디버깅하세요.
• MCP 서버를 검색, 구성 및 구축하여 에이전트를 외부 API 및 서비스에 연결하세요.
• 함수 호출을 설정하여 에이전트를 외부 API 및 서비스에 연결하세요.
• 구조화된 출력을 구현하여 에이전트에서 예측 가능한 결과를 제공하세요.
• 생성된 코드 조각을 사용하여 애플리케이션에 프롬프트 엔지니어링을 통합하세요.

다음 단계

• 인기 평가자를 위한 평가 작업 실행