docs: improve 0_intro.md tone and add 0_intro_script.md presentation script

lib/make_slide_for_260724_seminar/SLIDE.md

@@ -11,11 +11,12 @@ marp: true
 ---
 
 ## 🔍 이 발표에서 다루고 싶은 핵심 화두
-최근 AI 패러다임은 고정된 지식만 답변하는 **정적 AI 모델(LLM)**에서, 주도적으로 행동하고 문제를 해결하는 **자율형 AI 에이전트(AI Agent)**로 빠르게 전환되고 있습니다.
 
-- **AI 모델(Model)**: 언어의 의미적 표현과 단순 질의응답을 수행하는 **지능 엔진**
-- **AI 에이전트(Agent)**: 자율성, 목표 지향성, 도구 활용 및 협업 능력을 결합한 **행동 주체**
-- **본 발표의 목표**: 모델을 에이전트로 전환하는 방법론부터 시작하여, 다중 에이전트 간의 협업 인프라와 표준 기술 동향을 조망합니다.
+최근 AI 분야에서 가장 뜨거운 화두는, 단순히 사용자의 질문에 답을 하는 **정적 AI 모델(LLM)**을 넘어 스스로 목적을 가지고 움직이는 **자율형 AI 에이전트(AI Agent)**로의 패러다임 전환입니다.
+
+우리가 흔히 쓰는 AI 모델이 똑똑하게 생각하고 답변을 생성하는 '지능 엔진'이라면, AI 에이전트는 그 지능에 자율성과 행동력, 그리고 다른 에이전트와의 협업 능력까지 결합한 실제 '행동의 주체'라고 볼 수 있습니다.
+
+오늘 발표에서는 단순한 AI 모델을 자율적인 에이전트로 업그레이드하는 구체적인 엔지니어링 방법론부터 시작하여, 여러 에이전트들이 유기적으로 협업하는 오케스트레이션 인프라와 산업 표준 기술 동향을 아주 쉽게 풀어보려 합니다.
 
 ---
 
@@ -57,28 +58,30 @@ marp: true
 ---
 
 ## 🛠️ AI 에이전트가 갖춰야 할 4대 필수 기능
-단순한 챗봇이 아닌 진정한 **AI 에이전트**로 기능하기 위해 소프트웨어 시스템 수준에서 반드시 제공해야 할 4가지 핵심 기능 규격입니다.
 
-1. **자율적 목표 분해 및 계획 (Planning)**
-   - 최종 목표만 주어지면 스스로 세부 태스크를 설계하고, 실행 결과에 기반한 자기 성찰(Self-Reflection)을 통해 다음 계획을 능동적으로 수정하는 능력
-2. **적응형 메모리 관리 (Memory)**
-   - 대화 흐름을 보존하는 단기 기억과, 과거 지식 및 이력을 RAG 기반으로 영속화하여 인출하는 장기 기억 장치를 결합하여 유지하는 능력
-3. **안전한 외부 도구 활용 (Tool Use & Action)**
-   - 외부 API, 파일 시스템, 코드 샌드박스 등 디지털 영토에서 작동하는 도구들을 안전한 격리 환경(Sandboxing) 내에서 자율 선택 및 실행하는 능력
-4. **표준 프로토콜 기반 협업 (Collaboration)**
-   - 이종 에이전트 또는 다른 사용자 시스템과 정형화된 프로토콜(A2A, gRPC 등)로 메시지를 주고받으며 작업을 분산 처리하는 능력
+단순히 대화만 나누는 챗봇이 아니라, 진짜 제 역할을 하는 **자율형 AI 에이전트**가 되기 위해 소프트웨어 시스템 차원에서 반드시 제공해야 하는 4가지 핵심 기능입니다.
+
+- **목표를 쪼개고 계획하는 능력 (Planning)**
+  사람이 최종 목표만 주면 스스로 실행 가능한 단계별 세부 태스크를 설계하고, 진행 과정에서 문제가 생기면 자가 성찰(Self-Reflection)을 통해 유연하게 계획을 수정합니다.
+- **상태와 기억을 관리하는 능력 (Memory)**
+  현재 대화의 맥락을 잃지 않는 단기 기억은 물론, 과거의 경험과 방대한 지식을 데이터베이스로부터 필요할 때마다 영속적으로 꺼내어 쓰는 장기 기억을 조화롭게 다룹니다.
+- **물리적 환경과 연결되는 능력 (Tool Use & Action)**
+  인터넷 검색, 외부 API 호출, 파일 시스템 접근, 코드 실행용 격리 환경(Sandboxing) 등 컴퓨터 세상의 다양한 도구들을 안전하게 선택하고 직접 작동시킵니다.
+- **서로 소통하고 협업하는 능력 (Collaboration)**
+  다른 전문 분야를 가진 에이전트나 사용자 시스템과 표준화된 규격으로 메시지를 주고받으며 큰 단위의 작업을 나누어 분산 처리합니다.
 
 ---
 
 ## 🚀 패러다임 쉬프트: Model eats the Scaffolding
-에이전트 하네스(Scaffolding)의 핵심 기능은 장기적으로 모델 내부로 편입(Upstream)되는 추세입니다.
 
-- **추론 시간 연산 (Test-time Compute)의 도입**
-  - Gemini Thinking, OpenAI o1/o3 등 최신 모델은 외부 루프 없이 모델 내부에서 스스로 계획(Planning)하고 자가 수정(Reflection)을 끝낸 후 최종 답변을 도출
-- **인지(Cognitive)와 집행(Execution)의 분리**
-  - **모델(Model)**: 고차원 추론과 계획 설계(Planning)를 담당
-  - **에이전트 인프라(Harness)**: 보안 샌드박싱, 상태 보존, 권한 통제 및 도구 실행을 담당
-- **알파(Alpha)의 이동**: 단순한 에이전트 계획 루프의 구현을 넘어, 복잡한 인프라 제어와 이종 표준 연동(ACP/A2A)이 핵심 차별화 요소로 진화
+현재 에이전트 기술에서 가장 중요한 변화 중 하나는, 과거에 에이전트 '시스템(Scaffolding)'이 수동으로 제어하던 기능들이 점점 AI '모델 내부'로 흡수되고 있다는 점입니다.
+
+- **스스로 생각하는 모델의 등장 (Test-time Compute)**
+  최근 출시된 Gemini Thinking이나 OpenAI o1/o3 같은 모델들은 외부 시스템이 루프를 돌려주지 않아도, 모델 스스로 출력을 내보내기 전에 내부적으로 계획을 세우고(Planning) 스스로 오류를 성찰(Reflection)하는 과정을 완료합니다.
+- **인지와 집행의 명확한 역할 분담**
+  이에 따라 고차원적인 논리 설계와 계획(Planning)은 **AI 모델** 내부로 빠르게 넘어가고 있으며, 외부의 **에이전트 인프라(Harness)**는 안전한 실행 환경(Sandboxing), 권한 통제, 상태 관리처럼 모델이 직접 할 수 없는 물리적 보호막 역할을 수행하는 방향으로 진화하고 있습니다.
+- **차별화 요소(Alpha)의 이동**
+  단순히 계획을 짜는 루프를 코드로 구현하는 것의 가치는 줄어들고, 이제는 복잡한 인프라를 실시간으로 제어하고 서로 다른 규격을 가진 이종 에이전트들을 표준 프로토콜로 유기적으로 엮어내는 기술이 핵심 경쟁력이 되었습니다.
 
 ---