# 🎙️ 특강 발표 대본 스크립트 — 0. Intro

본 문서는 `0_intro.md` 슬라이드에 대응하는 발표용 대본 스크립트입니다. 청중의 흥미와 이해를 돕기 위해 친절한 구어체 존댓말로 작성되었습니다.

---

### 🎴 Slide 1: 타이틀 (표지)
* **슬라이드 제목**: AI Multi-Agents 오케스트레이션 기술 동향 및 사례 — 정적 AI 모델에서 자율적 AI 에이전트로의 패러다임 전환
* **대본**:
  > "안녕하세요, 여러분. 오늘 특강을 진행하게 된 ○○○입니다. 
  > 오늘 우리가 함께 나눌 주제는 **'AI Multi-Agents 오케스트레이션 기술 동향 및 사례'**입니다. 
  > 최근 AI 시장은 매우 빠르게 변하고 있습니다. 그중에서도 가장 눈에 띄는 변화가 바로, 단순히 대답만 하던 정적인 AI 모델이 스스로 알아서 일을 처리하는 '자율형 AI 에이전트'로 바뀌고 있다는 점입니다. 
  > 오늘 이 세미나를 통해 AI 에이전트가 무엇이고, 여러 에이전트가 어떻게 협업하는지 그 인프라와 최신 트렌드를 함께 살펴보겠습니다."

---

### 🎴 Slide 2: 🔍 이 발표에서 다루고 싶은 핵심 화두
* **슬라이드 제목**: 이 발표에서 다루고 싶은 핵심 화두
* **대본**:
  > "본론으로 들어가기 전에, 이번 특강 전체를 관통하는 핵심 화두를 먼저 짚어보려 합니다. 
  > 최근 AI 업계의 가장 큰 흐름은 **'정적 AI 모델(LLM)'에서 '자율형 AI 에이전트(AI Agent)'로의 전환**입니다. 
  > 우리가 흔히 쓰는 챗GPT나 제미나이 같은 AI 모델은 똑똑하게 생각하고 답변을 만들어내는 훌륭한 '지능 엔진'입니다. 하지만 지능만으로는 실제 업무를 완수하기 어렵습니다. 
  > 반면 AI 에이전트는 그 똑똑한 지능에 '자율성'과 실제 컴퓨터를 조작하는 '행동력', 그리고 다른 에이전트와 손을 잡는 '협업 능력'까지 결합한 진짜 '행동의 주체'입니다. 
  > 오늘 발표에서는 바로 이 모델을 어떻게 자율적인 에이전트로 확장할 수 있는지, 그리고 이들이 유기적으로 협업하는 인프라의 표준을 조망해 보고자 합니다."

---

### 🎴 Slide 3: 💡 구체적 사례 비교: "멀티 에이전트 관련 연구를 조사해줘"
* **슬라이드 제목**: 구체적 사례 비교: "멀티 에이전트 관련 연구를 조사해줘"
* **대본**:
  > "말로만 들으면 두 개념이 잘 와닿지 않으실 텐데요. 쉬운 예시를 하나 들어보겠습니다. 
  > 청중 여러분 중 한 분이 AI에게 **'멀티 에이전트 관련 최신 연구 동향을 조사하고 보고서로 저장해줘'**라는 명령을 내렸다고 해봅시다. 
  > 이때 **AI 모델(LLM)**은 자신의 머릿속, 즉 이미 학습된 데이터에 들어있는 기존 연구 목록을 꺼내 텍스트로 설명해 줍니다. 설명 자체는 훌륭하지만, 실시간으로 최신 논문을 인터넷에서 찾아오는 행동은 하지 못합니다. 당연히 보고서 파일을 여러분의 디스크에 직접 저장하는 물리적인 작업도 수행할 수 없습니다. 
  > 반면 **AI 에이전트(Agent)**는 명령을 받자마자 스스로 필요한 행동 단계들을 계획합니다. 이어서 학술 API에 접속해 최신 논문을 실시간으로 검색하고 관련 PDF 파일을 직접 다운로드합니다. 마지막으로 그 본문을 요약한 보고서 파일을 여러분의 컴퓨터 폴더에 실제로 만들고 저장까지 완수합니다."

---

### 🎴 Slide 4: 📊 역할과 작동 방식의 결정적 차이
* **슬라이드 제목**: 역할과 작동 방식의 결정적 차이
* **대본**:
  > "이 두 시스템의 결정적 차이를 세 가지 포인트로 더 쉽게 요약해 보겠습니다. 
  > 첫째는 **생각과 행동의 차이**입니다. AI 모델이 질문에 알맞은 답을 보여주는 똑똑한 '뇌'라면, 에이전트는 계획을 세우고 실제 컴퓨터 환경에서 움직이는 '손과 발' 역할을 같이 합니다. 
  > 둘째는 **조언과 실행의 차이**입니다. 모델은 '이렇게 코드를 짜서 실행해서 저장해 보세요'라고 화면에 글씨로 조언만 하지만, 에이전트는 파일 시스템에 직접 들어가 코드를 실제로 실행하고 결과를 수집합니다. 
  > 셋째는 **오류를 마주했을 때의 대처 능력**입니다. 모델은 에러가 나면 사람이 다시 에러 메시지를 복사해서 붙여넣어 주기 전까지는 멍하니 대기하지만, 에이전트는 스스로 로그를 읽고 자가 성찰(Reflection)을 거쳐 계획을 알아서 수정한 뒤 다시 도전합니다."

---

### 🎴 Slide 5: 🚗 아주 쉬운 비유: "운전자"와 "자율주행 차량"
* **슬라이드 제목**: 아주 쉬운 비유: "운전자"와 "자율주행 차량"
* **대본**:
  > "여전히 '그래도 결국 모델이 판단해서 코드를 짜는 건데 에이전트가 주체적이라고 볼 수 있나?'라는 의문이 생기실 수 있습니다. 
  > 그래서 저는 이 둘을 **'운전자'와 '자율주행 차량'**으로 비유하곤 합니다. 
  > 여기서 **AI 모델**은 차에 타고 있는 **운전자(뇌)**입니다. '다음 교차로에서 우회전하고 멈추자'라는 고차원적인 인지 판단을 담당하죠. 
  > **AI 에이전트**는 운전자의 판단을 가속 페달과 바퀴 구동력으로 변환하는 **자율주행 차량 시스템 전체**입니다. 
  > 특히 차량 시스템은 운전자가 실수로 절벽으로 돌진하려 할 때 자동으로 브레이크를 밟아 차단하는 **안전 가드레일** 역할이나, 통신이 끊겼을 때 스스로 갓길에 차를 대는 **예외 통제**, 그리고 여러 에이전트의 합의를 이끄는 **합의 형성** 같은 시스템 수준의 독자적인 판단을 수행합니다. 즉, 운전자 혼자서는 달릴 수 없으며, 차량 시스템이 있어야 비로소 목적지에 안전하게 도착할 수 있는 것입니다."

---

### 🎴 Slide 6: 🛠️ AI 에이전트가 갖춰야 할 4대 필수 기능 (개요)
* **슬라이드 제목**: AI 에이전트가 갖춰야 할 4대 필수 기능
* **대본**:
  > "그렇다면 단순한 대화형 앱이 아니라, 진짜 자율주행 차량 같은 온전한 'AI 에이전트'가 되기 위해 소프트웨어 시스템 차원에서 제공해야 할 4대 필수 기능은 무엇일까요?
  > 첫 번째는 계획 및 추론(Planning), 두 번째는 기억 및 상태 관리(Memory), 세 번째는 도구 활용 및 실행(Tool Use & Action), 그리고 마지막 네 번째는 상호 통신 및 협업(Collaboration)입니다.
  > 이제 각각의 기능이 구체적으로 어떤 역할을 하고 어떤 식으로 작동하는지 실제 사례와 함께 하나씩 소개해 드리겠습니다."

---

### 🎴 Slide 6-1: 1. 계획 및 추론 능력 (Planning)
* **슬라이드 제목**: 1. 계획 및 추론 능력 (Planning)
* **대본**:
  > "첫 번째는 **계획 및 추론 능력**입니다. 최종 목표만 주면 스스로 실행 가능한 세부 단계를 쪼개고 설계하며, 실패 시 자가 성찰을 통해 유연하게 계획을 수정하는 기능입니다.
  > 예를 들어, 에이전트에게 '블로그 기사 작성'을 요청해 보겠습니다. 
  > 그러면 에이전트는 먼저 '키워드 조사 ➡️ 개요 작성 ➡️ 본문 집필 ➡️ 오탈자 검사' 순으로 머릿속으로 로드맵을 그립니다. 
  > 그러다 마지막 오탈자 검사 도중 치명적인 흐름 오류를 발견하면, 처음으로 돌아가는 게 아니라 본문 집필 단계로만 스스로 돌아가 내용을 고쳐 쓰는 영리함을 보입니다. 이것이 바로 인지적인 계획 능력입니다."

---

### 🎴 Slide 6-2: 2. 기억 및 상태 관리 능력 (Memory)
* **슬라이드 제목**: 2. 기억 및 상태 관리 능력 (Memory)
* **대본**:
  > "두 번째 필수 기능은 **기억 및 상태 관리 능력**입니다.
  > 지금 막 나눈 대화 맥락을 기억하는 단기 기억과, 과거의 수많은 작업 이력이나 데이터베이스의 지식을 필요할 때마다 영구적으로 꺼내 쓰는 장기 기억을 결합해 다루는 능력입니다.
  > 예컨대 '어제 짜던 파이썬 코드의 에러를 이어서 고쳐줘'라고 지시하는 상황이 그렇습니다. 
  > 에이전트는 어제의 대화 로그와 소스코드의 직전 수정본을 장기 기억 데이터베이스(벡터 DB 등)에서 스스로 찾아내어 가져옵니다. 덕분에 우리는 끊김 없이 맥락을 유지하며 협업을 이어갈 수 있습니다."

---

### 🎴 Slide 6-3: 3. 도구 활용 및 실행 능력 (Tool Use & Action)
* **슬라이드 제목**: 3. 도구 활용 및 실행 능력 (Tool Use & Action)
* **대본**:
  > "세 번째는 **도구 활용 및 실행 능력**입니다. 인터넷 검색, 외부 API 호출, 파일 제어 등 컴퓨터 세상의 다양한 도구들을 안전하게 연결하고 조작하는 '에이전트의 손과 발'입니다.
  > 실제로 복잡한 나눗셈이나 곱셈이 필요하면 수학 도구(계산기)를 꺼내 오차 없이 정밀 연산합니다. 
  > 또 최신 정보가 필요하면 실시간 API나 브라우저를 구동하고, 작성한 코드가 작동하는지 검사하기 위해 컴퓨터 안에 격리된 실행 환경인 Docker 컨테이너를 직접 띄워 스크립트를 자율 실행하기도 합니다."

---

### 🎴 Slide 6-4: 4. 상호 통신 및 협업 능력 (Collaboration)
* **슬라이드 제목**: 4. 상호 통신 및 협업 능력 (Collaboration)
* **대본**:
  > "마지막 네 번째 기능은 **상호 통신 및 협업 능력**입니다. 
  > 혼자 일하는 게 아니라 전문 분야가 다른 에이전트들이나 사용자 시스템과 표준 프로토콜로 소통하며 대형 프로젝트를 분산 처리하는 능력입니다.
  > 가령 '보안 취약점 보고서를 작성해줘'라는 과업이 주어졌을 때를 상상해 보세요. 
  > 코드를 전문으로 분석하는 보안 에이전트가 문제점을 뽑아내고, 클라우드 전문 에이전트가 가상 머신 보안을 검토합니다. 
  > 그리고 최종적으로 리뷰어 에이전트들이 모여 보고서 내용을 교차 검증하고 합의하여 하나의 완벽한 최종 보고서를 완성해 냅니다."

---

### 🎴 Slide 7: 🚀 패러다임 전환: Model eats the Scaffolding
* **슬라이드 제목**: 패러다임 전환: Model eats the Scaffolding
* **대본**:
  > "마지막으로 에이전트 기술의 가장 핵심적인 변화인 **'Model eats the Scaffolding'**에 대해 말씀드리겠습니다. 이는 모델이 에이전트 외부 제어 시스템을 흡수하는 현상을 뜻합니다. 
  > 과거에는 에이전트를 작동시키기 위해 계획(Planning)이나 자가 성찰(Reflection) 루프를 외부 코드로 직접 구현해야 했습니다. 하지만 최근 출시된 제미나이 씽킹(Gemini Thinking)이나 오픈AI의 o1, o3 같은 모델들은 이러한 능력을 모델 자체의 내부 추론 과정으로 소화해 냅니다. 
  > 이에 따라 고차원적인 논리 설계와 계획 수립은 **AI 모델**이 전담하는 형태로 빠르게 바뀌고 있습니다. 외부의 **에이전트 인프라(Harness, 에이전트 실행 제어 장치)**는 보안 샌드박싱(격리 환경 실행), 권한 차단, 세션 관리 같은 물리적 집행과 통제에 집중하는 구조로 이원화되고 있습니다. 
  > 결과적으로 단순히 실행 루프를 만드는 구현 방식은 그 경쟁력을 잃어가고 있습니다. 대신 다중 에이전트들을 표준화된 프로토콜로 유기적으로 엮어내는 오케스트레이션과 인프라 제어 기술이 새로운 차별화 요소로 떠오르는 중입니다. 
  > 그럼 바로 시작하겠습니다."