<에이전트형 AI 시스템 개발 Part 1>

GitHub에서의 Agentic AI 기초
- SDLC(소프트웨어 개발 생명주기)에서의 Agentic AI 개념 이해
- 에이전트 생명주기(계획, 실행, 평가) 이해
- 기록 시스템(System of Record) 및 제어 플랫폼(Control Plane)으로서의 GitHub 이해
- 에이전트 활용 시 책임, 위험 요소, 안티패턴 및 추적성 요구사항 식별
- AI 에이전트가 생성한 작업에 대한 Contributor 모델 적용

에이전트 아키텍처 설계 및 SDLC 통합
- SDLC 단계별 에이전트 역할 및 책임 정의
- 에이전트 입력, 출력 및 성공 기준 설계
- 계획(Planning), 추론(Reasoning), 실행(Execution) 아키텍처 분리
- Pull Request 템플릿, 검증 정책, CODEOWNERS 및 환경 게이트를 활용한 거버넌스 구현
- 출력, 컨텍스트, 트리거 및 작업 간 연계를 고려한 안정적인 워크플로우 설계
- 관찰성(Observability), 도구, MCP, 비밀정보(Secrets), Hook 및 안정성을 고려한 에이전트 운영

에이전트 도구, MCP 및 실행 환경
- GitHub API 및 GitHub Workflow와 에이전트 통합
- MCP(Model Context Protocol) 서버, 레지스트리 및 허용 목록 관리
- 실행 컨텍스트 및 실행 범위(Boundary) 설계
- 에이전트 실행 제한 및 보호 메커니즘 구현
- 연습 - GitHub Agentic Workflow를 활용한 저장소 자동화

<에이전트형 AI 시스템 개발 Part 2>

다중 에이전트 시스템 및 오케스트레이션
- SDLC에서 다중 에이전트의 역할 및 책임 정의
- GitHub Workflow를 활용한 에이전트 오케스트레이션
- 브랜치, 워크플로우, 권한 및 동시성을 활용한 실행 격리
- GitHub 기반 중재 기능을 활용한 충돌 감지 및 해결
- 추적성, 증적(Evidence) 및 작업 인계를 통한 시스템 가시성 확보
- 대규모 환경에서의 장애 진단 및 안전한 복구 전략
- 연습 - GitHub Copilot CLI 사용자 지정 에이전트를 활용한 AI 에이전트 팀 구축

메모리, 상태 및 평가
- 에이전트 메모리 전략 구현
- 에이전트 상태 저장 및 컨텍스트 드리프트 관리
- 도구 및 환경 간 에이전트 메모리와 상태의 연속성 보장
- 평가 지표(Evaluation Signal) 정의 및 품질 게이트 적용
- 에이전트 실패 원인 분석 및 동작 개선

거버넌스, 가드레일 및 운영
- 위험 기반 자율성 및 작업 경계 정의
- GitHub 제어 기능을 활용한 거버넌스 구현
- Human-in-the-Loop 기반 승인 워크플로우 설계
- 최소 권한 원칙(Least Privilege)을 활용한 에이전트 권한 제어
- 에이전트 작업의 관찰성, 추적성 및 감사 가능성 확보
- 거버넌스 유지 및 운영 안정성 관리