AI 엔지니어로 성장하고 싶은 개발자를 위한 실습 가이드다. 추천 시스템 에이전트부터 금융 트레이딩 에이전트까지, 실무에서 활용되는 AI 에이전트 10종의 개념과 핵심 스킬, 참고할 수 있는 오픈소스 GitHub 저장소를 한데 정리했다. ai-agents-from-scratch에서 에이전트 아키텍처 기초를 익힌 뒤, 이 가이드의 프로젝트들로 포트폴리오를 확장하는 데 활용하면 좋다.

사전 준비

에이전트별로 필요한 기술 스택이 다르지만, 아래 기초 역량을 갖추면 대부분의 프로젝트를 시작할 수 있다.

• Python 기본 문법 및 패키지 관리(pip)
• REST API 호출 경험
• LLM API 사용 경험 (OpenAI, Anthropic 등)
• Git 기본 사용법

각 에이전트 섹션에서 추가로 필요한 라이브러리와 지식을 별도 안내한다.

1. 추천 에이전트 (Recommendation Agent)

추천 에이전트(recommendation agent)는 전자상거래, 미디어 스트리밍, 소셜 미디어 플랫폼에서 사용자에게 상품·콘텐츠·서비스를 개인화해 제안한다.

핵심 학습 내용:

• 협업 필터링(collaborative filtering)
• 콘텐츠 기반 필터링(content-based filtering)
• 강화학습(reinforcement learning)을 활용한 추천

GitHub 샘플: recommenders-team/recommenders — Microsoft가 공개한 추천 시스템 구축·평가 툴킷

2. 코딩 에이전트 (Coding Agent)

코딩 에이전트(coding agent)는 코드 저장소를 자동으로 탐색하고 이슈를 해결한다. 수정 사항을 제안하고 파일을 자동으로 편집하며 테스트를 실행해 결과를 검증한다.

핵심 학습 내용:

• 코드 탐색 및 분석
• 자동화 테스트(automated testing)
• AI를 활용한 이슈 해결

GitHub 샘플: swe-agent/swe-agent — AI 에이전트가 저장소를 탐색하고 코드 문제를 자동으로 디버깅하는 방식 시연

3. AI 리서치 에이전트 (AI Research Agent)

AI 리서치 에이전트(AI research agent)는 웹 기반 조사를 수행하고, 관련 논문을 수집해 보고서 형태로 합성한다.

핵심 학습 내용:

• 웹 스크래핑(web scraping)
• 문서 파싱(document parsing)
• 데이터 요약(data summarization)
• 장문 콘텐츠 생성

GitHub 샘플: assafelovic/gpt-researcher — 리서치 작업 자동화, 데이터 수집, 상세 보고서 생성 에이전트

4. 브라우저 자동화 에이전트 (Browser Automation Agent)

브라우저 자동화 에이전트(browser automation agent)는 웹사이트와 직접 상호작용해 폼 입력, 클릭 자동화, 데이터 스크래핑 등의 작업을 수행한다.

핵심 학습 내용:

• 웹 자동화(web automation)
• 태스크 실행(task execution)
• 폼 처리(form handling)

GitHub 샘플: browser-use/browser-use — 브라우저 기반 작업(폼 입력, 요소 클릭 등)을 프로그래밍으로 제어하는 자동화 도구

5. 문서 Q&A / RAG 에이전트 (Document Q&A / RAG Agent)

검색 증강 생성(RAG, Retrieval-Augmented Generation) 에이전트는 문서에서 관련 내용을 검색해 사용자 질문에 근거 있는 답변을 생성한다. 지식 어시스턴트나 지원 봇 구축에 이상적이다.

핵심 학습 내용:

• 문서 파싱
• 임베딩 기반 검색(embedding-based retrieval)
• 근거 기반 응답 생성(grounded response generation)

GitHub 샘플: HKUDS/RAG-Anything — 다양한 형식의 문서에서 데이터를 검색하고 관련 응답을 생성하는 에이전트 구축 가이드

6. 고객 지원 에이전트 (Customer Support Agent)

고객 지원 에이전트(customer support agent)는 문의를 처리하고 사용자 문제를 해결한다. 채팅 시스템과 연동해 사전 정의된 흐름 또는 AI 생성 응답으로 고객 쿼리에 대응한다.

핵심 학습 내용:

• 대화형 AI(conversational AI)
• 의도 인식(intent recognition)
• 컨텍스트 관리(context management)

GitHub 샘플: RasaHQ/helpdesk-assistant — Rasa 오픈소스 대화형 AI를 활용한 지능형 고객 지원 에이전트 블루프린트

7. 개인 AI 어시스턴트 에이전트 (Personal AI Assistant Agent)

개인 어시스턴트 에이전트는 작업 관리, 질문 응답, 날씨·캘린더·알림 등의 API 연동을 담당한다. 자연어 입력 처리, API 상호작용, 음성 어시스턴트 구축 학습에 실용적인 프로젝트다.

핵심 학습 내용:

• 자연어 처리(NLP, Natural Language Processing)
• 음성 인식(speech recognition)
• API 연동(API integration)
• 실시간 처리(real-time processing)

GitHub 샘플: agentscope-ai/QwenPaw — 음성 및 텍스트 입력을 통합하고 다양한 사용자 명령을 처리하는 개인 어시스턴트 기반 코드

8. 예측 유지보수 에이전트 (Predictive Maintenance Agent)

예측 유지보수 에이전트(predictive maintenance agent)는 센서 데이터를 분석해 기계나 장비의 고장 시점을 예측한다. 가동 중단 최소화가 중요한 제조업 분야에서 핵심적으로 활용된다.

핵심 학습 내용:

• 시계열 예측(time-series forecasting)
• 이상 탐지(anomaly detection)
• 예측 분석(predictive analytics)

GitHub 샘플: awslabs/predictive-maintenance-using-machine-learning — 센서 데이터 분석과 이상 감지를 통해 유지보수 필요성을 예측하는 AWS 머신러닝 예제

9. 컴퓨터 비전 에이전트 (Computer Vision Agent)

컴퓨터 비전 에이전트(computer vision agent)는 이미지를 처리해 객체 식별, 얼굴 감지, 기타 이미지 기반 작업을 수행한다.

핵심 학습 내용:

• 이미지 분류(image classification)
• 객체 탐지(object detection)
• 실시간 추론(real-time inference)

GitHub 샘플: ultralytics/yolov5 — 최신 실시간 객체 탐지 모델 YOLOv5의 학습 및 추론 코드, 자신만의 비전 태스크로 확장 가능

10. 금융 트레이딩 에이전트 (Financial Trading Agent)

금융 트레이딩 에이전트(financial trading agent)는 과거 시장 데이터와 강화학습(reinforcement learning)을 활용해 주가를 예측하고 거래를 실행한다.

핵심 학습 내용:

• 강화학습
• 시계열 예측
• 시장 시뮬레이션 및 백테스팅(backtesting)

GitHub 샘플: AI4Finance-Foundation/FinRL-Trading — 강화학습 기반 트레이딩 에이전트 구축·학습·평가 프레임워크 FinRL

어디서 시작할까?

현재 실력 수준과 학습 목표에 맞는 에이전트 하나를 선택해 구현하는 것이 가장 효과적이다.

AI 에이전트가 처음이라면 개인 AI 어시스턴트나 문서 Q&A/RAG 에이전트부터 시작하길 권장한다. 프롬프트, API, 검색, 근거 기반 응답 생성의 기초를 부담 없이 익힐 수 있다. 기본기를 다진 뒤에는 코딩 에이전트, 컴퓨터 비전 에이전트, 금융 트레이딩 에이전트처럼 더 복잡한 프로젝트로 나아가면 된다.

여러 에이전트를 조합한 멀티 에이전트 시스템에 관심이 있다면 ai-agents-from-scratch 주제를 함께 살펴보는 것을 추천한다.

참고 자료

• 10 AI Agents Every AI Engineer Must Build (with GitHub Samples) — Analytics Vidhya (2026-05-10)