26J03a

Young-Kyoo Kim·6일 전

그 목표라면, 책 선택과 개인 프로젝트 방향을 조금 바꾸는 게 좋겠습니다.
이제 기준은 “AI 에이전트를 배워보자”가 아니라 “집에서 만든 agentic AI 운영 플랫폼을 개인 서비스와 회사 air-gap AIOps에 동시에 재활용할 수 있게 만들자”가 되어야 합니다.

제 결론은 다음입니다.

구매 우선순위는 ⑤ → ⑥ → ⑦ → ④ → ① 순서가 좋습니다.
②와 ③은 당장은 후순위로 두는 게 맞습니다.

1. 목표를 이렇게 재정의하는 게 좋습니다

지금 말씀하신 관심사를 보면 사실 세 가지 프로젝트가 아닙니다. 겉으로는 주식/코인/부동산, K-pop/K-food, Cloud Native AIOps가 달라 보이지만, 내부 구조는 거의 같습니다.

영역겉으로 보이는 서비스내부 핵심 기능
개인 투자/부동산내 관심 종목·코인·부동산 요약/리스크 알림데이터 수집, 문서 RAG, 시계열 요약, 근거 기반 리포트
K-pop/K-food 대외 파일럿트렌드 분석, 콘텐츠 추천, 다국어 소개 서비스크롤링/수집, 콘텐츠 생성, 검증, 배포, 사용자 피드백
회사 AIOpsGit/문서/Metric/Log 기반 SRE CopilotGitOps 분석, SOP 검색, 장애 근거 수집, 변경 영향도 분석

그래서 집에서 만들어야 할 것은 특정 서비스 하나가 아니라, 아래와 같은 공통 에이전트 플랫폼 골격입니다.

Data / Docs / Git / Metrics / Logs
        ↓
Ingestion & Indexing
        ↓
RAG / Search / Time-series Query
        ↓
LangGraph Agent Workflow
        ↓
MCP Tool Layer
        ↓
Human Approval / Report / Ticket / Git PR

LangGraph는 장기 실행·상태 기반 workflow나 agent를 만들기 위한 저수준 인프라를 제공하는 쪽이고, MCP는 AI 애플리케이션이 외부 파일, DB, API, 도구, workflow에 표준 방식으로 연결되도록 해주는 프로토콜입니다. 이 두 가지를 중심축으로 잡는 게 개인 서비스와 회사 AIOps 양쪽에 가장 재사용성이 높습니다. (LangChain Docs)

2. 책 추천은 이렇게 바뀝니다

1순위: ⑤ AI 에이전트 엔지니어링

이 책은 가장 먼저 사는 게 좋습니다. 이유는 개인 서비스든 회사 AIOps든 결국 필요한 것은 “챗봇 만들기”가 아니라 도구 선택, 계획, 메모리, 오케스트레이션, 멀티에이전트 구조를 어떻게 설계할 것인가이기 때문입니다. 한빛 소개도 이 책을 단순 모델 사용이 아니라 “서비스 전체를 운영 가능한 시스템으로 만드는 접근”으로 설명합니다. (한빛+)

이 책은 특히 회사 AIOps 쪽에 직접 연결됩니다.

예를 들어 이런 질문에 대한 기준을 잡는 데 필요합니다.

장애 분석 에이전트가 바로 kubectl delete를 실행해도 되는가?
Prometheus 지표를 읽는 에이전트와 Git 변경 영향도 분석 에이전트를 분리해야 하는가?
SOP 검색 결과와 실제 metric/log 근거가 충돌하면 어떤 판단 흐름을 둘 것인가?
멀티에이전트가 오히려 복잡도를 키우는 시점은 언제인가?

즉, 이 책은 개인 프로젝트용 구현서라기보다 에이전트 시스템 설계 기준서로 보면 좋습니다.

2순위: ⑥ 에이전트 시대의 AI 시스템 설계

이 책도 거의 필수에 가깝습니다. 특히 사용자의 회사 목표인 문서/Git 기반 AIOps에는 ⑤보다 더 직접적으로 닿는 부분도 있습니다. 이 책은 RAG, 최적화, 가드레일, 다중 에이전트 협업, 비용·지연시간 최적화, 안전 가드레일 등 32가지 프로덕션 패턴을 다룬다고 소개되어 있습니다. (출판유통통합전산망)

사용자 환경에서는 단순 RAG가 아니라 아래가 중요합니다.

SOP 문서 검색
Git 변경 이력 검색
장애 이력 검색
Prometheus metric 조회
OpenSearch/Loki log 조회
ArgoCD diff 조회
K8s resource 상태 조회
AIStor/MinIO 상태 조회

이걸 LLM에게 그냥 던지면 hallucination 위험이 큽니다. 따라서 검색 품질, 근거 표시, 가드레일, 평가, fallback, human approval이 필요합니다. 이 책은 그런 “운영 가능한 AI 시스템” 관점에 잘 맞습니다.

⑤가 “에이전트 자체를 어떻게 만들 것인가”라면, ⑥은 “에이전트가 포함된 AI 시스템을 어떻게 프로덕션 수준으로 만들 것인가”에 가깝습니다.

3순위: ⑦ 만들면서 배우는 AI 에이전트 개발 입문+실전

이 책은 실제 구현서로 가져가면 좋습니다. 소개상 LangChain·LangGraph v1 기반이고, 싱글/멀티 에이전트, RAG, MCP, A2A를 25가지 에이전트로 실습하는 흐름입니다. (한빛+)

이미 가지고 계신 Do it! LLM을 이용한 에이전트 개발 입문과 일부 입문 내용은 겹치겠지만, 이 책은 다음 이유로 여전히 가치가 있습니다.

LangGraph v1 기반 실습
MCP 연동 실습
A2A 흐름
싱글 → 멀티에이전트 전환 감각
실제 프로젝트로 확장하기 좋은 예제 구조

사용자에게는 이 책을 그냥 따라 하는 것보다, 예제를 아래처럼 치환해서 보는 게 좋습니다.

책의 일반 예제사용자식 치환
문서 검색 에이전트SOP / 작업계획서 / 장애분석 문서 검색
웹 검색 에이전트vendor docs / 내부 markdown docs 검색
DB 질의 에이전트운영 장부 / CMDB / 변경 이력 조회
멀티에이전트장애 triage agent + metric agent + log agent + SOP agent
MCP toolGit, ArgoCD, Prometheus, OpenSearch, kubectl read-only tool

즉, ⑦은 실습을 회사형 AIOps 구조로 바꾸면서 공부하기 좋은 책입니다.

4순위: ④ 클로드 코드로 시작하는 실전 에이전틱 코딩

이 책은 회사 반입용 AIOps 자체보다는 집에서 개발 속도를 올리는 용도로 좋습니다. Claude Code 기본 사용, 스킬, 서브에이전트 오케스트레이션, MCP 통합 등을 다룬다고 소개되어 있고, “가상 개발팀” 구축 관점이 강합니다. (YES24)

이 책의 역할은 명확합니다.

AI 시스템을 설계하는 책: ⑤, ⑥
AI 에이전트를 직접 구현하는 책: ⑦
그 구현을 빠르게 반복 개발하는 도구 습관 책: ④

이미 Gemini CLI 책이 있으므로 CLI 기반 AI 코딩 도구라는 면에서는 중복이 있습니다. 그래도 Claude Code를 개인 개발에 적극 활용할 생각이면 ④는 가치가 있습니다. 특히 집에서 AIOps prototype repo를 만들 때, Claude Code를 다음 역할로 쓰면 좋습니다.

요구사항 정리 agent
테스트 코드 생성 agent
문서화 agent
MCP server scaffold 생성 agent
LangGraph workflow 리팩터링 agent
보안 체크리스트 agent

다만 회사 air-gap 환경에는 Claude Code 자체를 그대로 가져가기 어렵기 때문에, Claude Code 사용법을 배우되 산출물은 일반 Python/FastAPI/LangGraph/MCP 코드로 남기는 방식이 좋습니다.

5순위: ① 조코딩의 바이브 코딩 1인 창업

이 책은 agentic AI 중고급서라기보다는 개인 서비스 출시/수익화 실전서로 보면 됩니다. Claude Code, Supabase, Stripe 조합으로 1인 구독형 서비스나 SaaS를 만드는 방향이 핵심입니다. 한빛 소개도 기획, 데이터, 글로벌 구독형 서비스, 1인 창업 흐름을 강조합니다. (한빛+)

사용자에게는 K-pop/K-food 파일럿 서비스 쪽에만 직접 가치가 있습니다.

예를 들어 이런 걸 만들 때입니다.

K-pop 글로벌 팬덤 트렌드 요약 서비스
K-food 외국인 대상 메뉴/맛집/레시피 큐레이션
한국 문화 콘텐츠 다국어 블로그 자동화
뉴스/트렌드 기반 콘텐츠 캘린더 생성
Stripe 기반 유료 리포트/뉴스레터

하지만 회사 AIOps와는 거리가 있습니다. 따라서 외부 공개 pilot을 실제로 출시할 생각이 강하면 구매, 그렇지 않으면 나중으로 미뤄도 됩니다.

후순위: ③ AI 에이전트 개발 완벽 입문

③은 넓게 훑는 종합서로는 좋아 보이지만, 이미 가지고 계신 Do it 책과 중복 가능성이 큽니다. 그리고 지금 목표는 “입문 지식 확장”보다 실제 프로젝트 아키텍처와 운영 가능한 산출물이므로, ③보다 ⑤·⑥·⑦이 낫습니다.

③은 이런 경우에만 나중에 사면 됩니다.

CrewAI, smolagents, n8n, OpenClaw 등 여러 생태계를 넓게 비교하고 싶다
LangGraph 외 프레임워크도 폭넓게 훑고 싶다
책 한 권으로 에이전트 생태계 지도를 정리하고 싶다

지금은 구매 우선순위에서 빼는 게 낫습니다.

후순위: ② 칼릭스의 프롬프트 디테일

②는 프롬프트 품질을 높이는 데는 도움이 되겠지만, 사용자의 목표인 agentic AI 중고급 개인 프로젝트와는 거리가 있습니다. 보고서, 기획서, 콘텐츠 생성, 업무 자동화 프롬프트 템플릿을 얻는 보조재로는 괜찮지만, LangGraph/MCP/RAG/가드레일/운영 자동화에는 부족합니다.

나중에 K-pop/K-food 콘텐츠 서비스를 만들면서 문체, 카피라이팅, 콘텐츠 품질을 높이고 싶을 때 사면 됩니다.

3. 최종 구매 조합

가장 현실적인 3권

⑤ AI 에이전트 엔지니어링
⑥ 에이전트 시대의 AI 시스템 설계
⑦ 만들면서 배우는 AI 에이전트 개발 입문+실전

이 조합이 가장 좋습니다.

책역할
⑤에이전트 설계 원칙
⑥프로덕션 AI 시스템 패턴
⑦LangGraph/MCP/A2A 실습

개인 개발 속도까지 올리고 싶으면 추가

④ 클로드 코드로 시작하는 실전 에이전틱 코딩

K-pop/K-food 파일럿을 실제 서비스화할 생각이면 추가

① 조코딩의 바이브 코딩 1인 창업

그래서 사용자의 경우 최종적으로는 이렇게 추천합니다.

1차 구매: ⑤ + ⑥ + ⑦
2차 구매: ④
서비스 출시 의지가 강하면: ①
보류: ② + ③

4. 집에서 만들 프로젝트는 “3개 서비스 + 1개 공통 플랫폼”으로 잡는 게 좋습니다

공통 플랫폼: Personal Agentic Platform

가장 먼저 만들 것은 서비스가 아니라 공통 플랫폼입니다.

personal-agent-platform/
  apps/
    investment-intel/
    kpop-kfood-pilot/
    aiops-copilot/
  packages/
    agent-core/
    rag-core/
    mcp-tools/
    eval-harness/
    report-templates/
  infra/
    docker-compose/
    k8s-kind/
    helm/
    argocd/
  docs/
    architecture/
    sop/
    runbooks/
    prompts/
    eval-cases/

핵심은 개인 프로젝트 3개가 같은 기반을 쓰게 하는 것입니다.

공통 기능개인 투자K-pop/K-food회사 AIOps
문서 수집뉴스, 공시, 리포트트렌드, 기사, 콘텐츠SOP, vendor docs, 장애이력
RAG종목/자산별 근거 검색콘텐츠 근거 검색운영 문서 검색
도구 호출가격/뉴스 APISNS/검색/번역 APIGit/Prometheus/OpenSearch/ArgoCD
리포트 생성일일 관심자산 리포트콘텐츠 캘린더장애/변경 영향도 리포트
평가예측보다 근거 품질 평가콘텐츠 품질 평가답변 근거/정확성 평가
승인 흐름투자 실행은 수동게시 전 승인변경 전 human approval

이렇게 만들면 개인 프로젝트가 곧 회사 AIOps의 연습장이 됩니다.

5. 첫 번째로 만들 것은 투자 자동매매가 아니라 “투자 리서치 에이전트”가 좋습니다

주식/코인/부동산은 고위험 영역이라 처음부터 자동매매나 투자 의사결정 자동화를 만들면 안 됩니다. 대신 read-only 리서치 에이전트가 좋습니다.

개인 투자 리서치 에이전트 v1

입력:
  관심 종목, 코인, 지역, 아파트 단지, 뉴스 URL, 리포트 PDF

처리:
  1. 최신 뉴스/공시/리포트 수집
  2. 자산별 긍정/부정 이벤트 추출
  3. 가격 변화와 이벤트를 분리해서 요약
  4. 근거 링크/문서 위치 표시
  5. 과도한 확신 문장 제거
  6. 매수/매도 지시 금지

출력:
  일일 관심자산 브리핑
  리스크 이벤트 목록
  체크해야 할 질문 목록
  추가 조사 후보

이 프로젝트는 회사 AIOps로 거의 그대로 전환됩니다.

투자 에이전트AIOps 에이전트
종목 뉴스 수집장애 로그 수집
가격 급변 감지metric anomaly 감지
공시/리포트 근거 검색SOP/vendor docs 근거 검색
투자 리스크 요약변경/장애 리스크 요약
매수/매도 금지자동 변경 금지

즉, 개인 투자 프로젝트는 read-only AIOps Copilot의 좋은 훈련장입니다.

6. K-pop/K-food 서비스는 “콘텐츠 에이전트 + 검증 에이전트”로 만들면 좋습니다

K-pop/K-food는 외부 공개 pilot로 좋습니다. 투자/업무보다 안전하고, 사용자 피드백을 받기 쉽고, 다국어/콘텐츠/RAG/검색/배포를 모두 연습할 수 있습니다.

K-pop/K-food pilot v1

서비스 예:
  외국인을 위한 K-food 메뉴 설명/추천
  K-pop 팬을 위한 컴백/콘텐츠 캘린더
  한국 문화 트렌드 다국어 요약
  외국인용 “이번 주 한국 트렌드” 뉴스레터

에이전트 구조

Trend Collector
  ↓
Content Planner
  ↓
Draft Writer
  ↓
Fact Checker
  ↓
Localization Agent
  ↓
Publishing Approval

여기서 중요한 것은 “생성”보다 “검증”입니다.

검증 없는 콘텐츠 생성 = 개인 블로그 수준
근거 기반 검증 + 다국어 품질 + 사용자 피드백 = 서비스 수준

이 프로젝트는 회사 AIOps의 보고서 생성, 근거 첨부, human approval 패턴을 연습하는 데 좋습니다.

7. 회사용 핵심 프로젝트는 “Read-only SRE Copilot”이어야 합니다

회사로 가져갈 목적이라면, 처음부터 자동 조치 에이전트를 만들면 안 됩니다. air-gap, 대규모 K8s, AIStor, Cilium, ArgoCD, Jenkins, Keycloak, Vault, OpenSearch, Prometheus/Grafana 환경에서는 read-only first가 맞습니다.

v1 목표

질문:
  “어제 14:00 이후 특정 namespace에서 5xx가 증가한 원인을 찾아줘”
  “이번 ArgoCD 변경이 어떤 서비스에 영향을 줄 수 있어?”
  “AIStor quorum error가 발생했을 때 확인할 SOP와 metric을 정리해줘”
  “Cilium BGP flap이 있었는지 근거를 찾아줘”
  “이번 작업계획서에 누락된 rollback 항목이 있는지 봐줘”

v1에서 허용할 도구

read-only:
  Git repository search
  Markdown SOP search
  ArgoCD app get/diff
  kubectl get/describe/logs
  Prometheus query
  OpenSearch/Loki log query
  Grafana dashboard metadata query
  AIStor mc admin info/read-only metric

v1에서 금지할 도구

kubectl apply/delete/patch
helm upgrade
argocd sync
mc admin heal/ilm 변경
vault policy 변경
keycloak client 변경
network policy 변경

즉, 첫 번째 회사형 산출물은 자동 복구 시스템이 아니라 근거 기반 장애/변경 분석 Copilot이어야 합니다.

8. 회사 반입을 고려하면 MCP tool을 이렇게 설계해야 합니다

MCP는 AI 애플리케이션이 외부 데이터와 도구에 연결되도록 하는 표준이고, MCP tool은 DB 조회, API 호출, 계산 같은 외부 시스템 상호작용을 모델이 호출할 수 있게 합니다. (Model Context Protocol)

회사 반입을 염두에 두면 MCP tool은 처음부터 권한 등급을 나눠야 합니다.

Level 0: context only
  - 문서 검색
  - Git 파일 검색
  - SOP 조회

Level 1: read-only runtime
  - kubectl get/describe/logs
  - prometheus query
  - opensearch query
  - argocd app get/diff

Level 2: proposal only
  - 변경 PR 생성
  - 작업계획서 초안 생성
  - rollback plan 생성
  - policy diff 생성

Level 3: human-approved action
  - argocd sync
  - kubectl apply
  - helm upgrade
  - vault/kyverno/keycloak 변경

Level 4: prohibited or break-glass
  - delete
  - force replace
  - production secret read
  - destructive storage operation

처음 6개월은 Level 0~2까지만 만드는 게 좋습니다. 회사에 가져갈 때도 이 접근이 설득력이 높습니다.

9. 홈랩 아키텍처는 회사와 동일한 “축소판”이어야 합니다

집에서는 인터넷이 되지만, 회사는 air-gap입니다. 그래서 집에서 만들 때부터 인터넷 의존 부분과 air-gap 이식 부분을 분리해야 합니다.

집에서의 구성

Mac/PC
  ├─ Docker Compose 또는 kind/k3d
  ├─ Local MinIO
  ├─ PostgreSQL + pgvector 또는 Qdrant
  ├─ OpenSearch 또는 Loki 대체 로그 저장소
  ├─ Prometheus
  ├─ Grafana
  ├─ ArgoCD
  ├─ Git repo
  ├─ LangGraph agent service
  ├─ MCP tool servers
  └─ Ollama/vLLM/local model optional

Argo CD는 Git에 정의된 desired state를 대상 환경에 자동 배포하는 GitOps 도구이므로, 집에서도 ArgoCD를 써서 회사의 GitOps 흐름과 비슷하게 만드는 것이 좋습니다. (Argo CD)

air-gap 반입을 고려한 원칙

외부 API 직접 호출 금지 구조로 설계
모든 문서/모델/artifact는 내부 registry 또는 object storage 기준
Docker image tag는 digest pinning
Python dependency는 lock file 생성
Helm chart는 내부 chart repo 기준
LLM provider abstraction 필수
MCP tool은 read-only mode 기본값

개인 서비스에서는 외부 API를 써도 되지만, 회사형 AIOps 코드는 외부 API 없이도 동작해야 합니다.

10. 개인 서비스와 회사 AIOps를 하나의 학습 경로로 묶으면

저라면 이렇게 진행하겠습니다.

Phase 1: 공통 RAG/문서 기반 만들기

목표:
  Markdown, PDF, Git repo를 수집해서 근거 기반 답변 생성

개인 데이터:
  투자 리포트, 뉴스 스크랩, 부동산 메모

대외 서비스 데이터:
  K-pop/K-food 기사, 콘텐츠 자료

회사형 데이터:
  SOP, 작업계획서, 장애분석서, vendor docs

산출물:

문서 ingestion pipeline
chunking 정책
metadata schema
citation 포함 답변
답변 평가셋

여기까지가 ⑥과 잘 맞습니다.

Phase 2: MCP tool layer 만들기

목표:
  agent가 외부 시스템을 직접 읽을 수 있게 하기

개인:
  가격/뉴스/캘린더 조회 tool

대외:
  콘텐츠 소스 조회 tool
  번역/요약 tool

회사형:
  git_search
  argocd_get
  prometheus_query
  opensearch_query
  kubectl_readonly

산출물:

mcp-git-server
mcp-prometheus-server
mcp-opensearch-server
mcp-k8s-readonly-server
mcp-argocd-readonly-server

여기까지가 ⑦과 잘 맞습니다.

Phase 3: LangGraph workflow 만들기

목표:
  단순 Q&A가 아니라 판단 흐름을 가진 agent 만들기

예:
  질문 분류
  필요한 tool 선택
  근거 수집
  모순 확인
  위험도 평가
  답변 생성
  human approval 요청

AIOps 예시는 이렇게 됩니다.

User Question
  ↓
Intent Classifier
  ↓
Evidence Planner
  ↓
Parallel Evidence Collection
    ├─ SOP Search
    ├─ Git Search
    ├─ Prometheus Query
    ├─ OpenSearch Query
    └─ ArgoCD Diff
  ↓
Risk Evaluator
  ↓
Answer with Evidence
  ↓
Action Proposal
  ↓
Human Approval

여기까지가 ⑤와 ⑦을 같이 적용하는 구간입니다.

Phase 4: Eval/Guardrail 만들기

목표:
  답변이 그럴듯한지보다 운영에 써도 되는지 평가

평가 항목:
  근거 없는 단정 여부
  위험 명령 제안 여부
  SOP 누락 여부
  metric/log 근거 포함 여부
  시간 범위 명확성
  영향 범위 추정 품질
  rollback plan 포함 여부

회사형 AIOps에서는 이 부분이 매우 중요합니다.

좋은 답변:
  “5xx 증가 원인은 A입니다”가 아니라
  “현재 근거상 A 가능성이 높고, B/C는 아직 배제되지 않았으며,
   확인한 metric/log/SOP는 다음과 같습니다”

이게 실제 SRE Copilot의 품질 기준입니다.

Phase 5: PR/작업계획서 생성까지만 자동화

처음에는 실제 변경 실행이 아니라 PR/작업계획서 생성까지만 가는 게 좋습니다.

가능:
  작업계획서 초안 생성
  영향도 분석표 생성
  rollback plan 생성
  ArgoCD diff 요약
  Kubernetes manifest 개선안 생성
  Jenkins 검증 체크리스트 생성

금지:
  운영계 자동 apply
  운영계 자동 sync
  운영계 자동 delete

회사는 air-gap이고 대규모 운영 환경이므로, agentic AI를 “자동 조치자”가 아니라 변경 검토자 + 증거 수집자 + 작업계획서 작성자로 먼저 자리 잡게 해야 합니다.

11. 개인 프로젝트 주제는 이렇게 고르면 좋습니다

가장 추천: “개인 관심자산 브리핑 + 회사 AIOps 구조 재사용”

이 프로젝트가 제일 좋습니다.

Personal Asset Intelligence
  - 주식/코인/부동산 관심 목록 관리
  - 뉴스/공시/리포트 수집
  - 일일 리스크 요약
  - 가격 변화와 뉴스 이벤트 연결
  - 투자 조언 금지, 근거 기반 리서치만 제공

이유는 회사 AIOps와 구조가 거의 같습니다.

관심 종목 = 관심 서비스/namespace
가격 급변 = metric anomaly
뉴스/공시 = log/event/SOP
리스크 요약 = 장애 영향도 요약
투자 실행 금지 = 운영 변경 자동 실행 금지

두 번째 추천: “K-pop/K-food 다국어 콘텐츠 파일럿”

이건 외부에 보여주기 좋습니다.

K-Culture Trend Agent
  - 한국어 소스 수집
  - 영어/일본어/중국어 요약
  - 문화적 맥락 설명
  - 콘텐츠 캘린더 생성
  - 게시 전 fact-check

이 프로젝트는 LLM의 강점이 잘 드러나고, 가족/지인에게 보여주기도 좋고, 나중에 SaaS/뉴스레터로 확장할 수도 있습니다.

세 번째 추천: “Cloud Native AIOps Copilot”

이건 회사 반입 목적의 핵심입니다.

Cloud Native SRE Copilot
  - GitOps repo 분석
  - SOP/장애이력 RAG
  - Prometheus/OpenSearch 조회
  - ArgoCD diff 분석
  - 작업계획서/rollback plan 생성
  - 변경 위험도 평가

이 프로젝트는 처음부터 회사 보안 기준을 염두에 둬야 합니다.

read-only first
local model compatible
air-gap package
no SaaS dependency
no secret in prompt/log
evidence mandatory
human approval mandatory

12. 책을 실제 프로젝트에 매핑하면

프로젝트주 교재보조 교재
개인 투자/부동산 리서치⑥, ⑦⑤
K-pop/K-food 파일럿⑦, ①④
회사형 AIOps Copilot⑤, ⑥, ⑦④
agentic coding workflow④기존 Gemini CLI 책
프롬프트/콘텐츠 문체②필요 시 나중
에이전트 생태계 넓은 파악③필요 시 나중

13. 제가 권하는 최종 학습/구매 순서

Step 1

⑤ AI 에이전트 엔지니어링

에이전트 설계 기준을 먼저 잡습니다.

Step 2

⑥ 에이전트 시대의 AI 시스템 설계

RAG, 가드레일, 평가, 프로덕션 패턴을 잡습니다.

Step 3

⑦ 만들면서 배우는 AI 에이전트 개발 입문+실전

LangGraph/MCP/A2A 구현을 따라 하되, 예제를 개인 관심자산/회사 AIOps로 치환합니다.

Step 4

④ 클로드 코드로 시작하는 실전 에이전틱 코딩

집에서 개발 속도와 코드 품질을 올리는 용도로 봅니다.

Step 5

① 조코딩의 바이브 코딩 1인 창업

K-pop/K-food를 실제 외부 pilot 또는 소규모 SaaS로 출시할 생각이 생기면 봅니다.

결론

사용자에게 가장 좋은 방향은 개인 서비스와 회사 AIOps를 분리해서 배우는 것이 아니라, 둘을 하나의 공통 agentic platform으로 묶는 것입니다.

최종 추천은 이렇습니다.

반드시 구매:
  ⑤ AI 에이전트 엔지니어링
  ⑥ 에이전트 시대의 AI 시스템 설계
  ⑦ 만들면서 배우는 AI 에이전트 개발 입문+실전

강력 추천:
  ④ 클로드 코드로 시작하는 실전 에이전틱 코딩

서비스 출시용 선택:
  ① 조코딩의 바이브 코딩 1인 창업

보류:
  ② 칼릭스의 프롬프트 디테일
  ③ AI 에이전트 개발 완벽 입문

집에서 가장 먼저 만들 것은 “투자/부동산 자동매매”나 “K-pop 서비스”가 아니라 Read-only Evidence-based Agent Platform입니다. 여기에 개인 관심자산 브리핑, K-pop/K-food 콘텐츠 파일럿, Cloud Native SRE Copilot을 각각 app으로 얹으면 학습 효율과 회사 반입 가능성이 가장 높습니다.

profile
Young-Kyoo Kim
engineer
이전 포스트

26J02b

다음 포스트

26J03b

0개의 댓글