이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
The hosts aim to transform their YouTube channel into an AI-native platform by building a custom AI agent named Getty to automate content management. They experiment with prompt engineering, parallel processing of 204 video transcripts, and ElevenLabs Scribe for transcription, while integrating MCP to connect the agent with their local Obsidian vault. Despite challenges in context understanding and agent alignment, they demonstrate the practical application of AI agents in automating complex content workflows.
챕터별 상세
00:00
AI 네이티브 채널 선언 & Getty 에이전트 온보딩
기존 인간 중심의 조직 틀을 깨고 AI가 최적화된 형태로 작동하는 AI 네이티브 채널을 선언한다. 채널의 정체성과 콘텐츠 맥락을 학습할 전용 AI 에이전트 'Getty'를 처음부터 온보딩한다.
01:44
영어 vs 한국어 프롬프트 & 채널 컨텍스트 주입
AI 에이전트와의 상호작용에서 영어와 한국어 프롬프트의 효율성을 비교한다. 채널의 정체성을 에이전트에게 주입하기 위해 컨텍스트를 설계하는 과정을 다룬다.
03:29
유튜브 204편 자막 수집 & Workflow 병렬 처리
유튜브 채널에 업로드된 204편의 영상 자막을 수집하고, 이를 효율적으로 처리하기 위해 워크플로를 병렬로 구성한다. 대량의 데이터를 처리하는 자동화 파이프라인을 구축한다.
06:03
스킬 저장 & 크론 자동화
에이전트가 수행한 작업을 스킬로 저장하고, 크론(cron)을 활용하여 주기적으로 자동 실행되도록 설정한다. 반복적인 작업을 시스템 수준에서 자동화한다.
07:33
ElevenLabs Scribe 전사(chalna) & API 키 보안
ElevenLabs Scribe를 사용하여 영상의 오디오를 텍스트로 전사한다. API 키를 안전하게 관리하고 보안을 유지하는 방법을 적용한다.
09:07
MCP 활용 & Claude 한국어·Jargon
MCP(Model Context Protocol)를 활용하여 AI 에이전트와 외부 도구를 연결한다. Claude가 한국어와 특정 전문 용어(Jargon)를 더 잘 이해하도록 최적화한다.
11:38
프로젝트 작명법 (Tori·chalna·Getty)
AI 에이전트와 관련 도구들의 이름을 짓는 규칙을 정한다. Tori, chalna, Getty 등 고유 명사를 사용하여 프로젝트의 성격을 명확히 한다.
14:22
AI에게 '영상 보는 눈' 만들기 & 재생목록 재분류
AI 에이전트가 영상의 시각적 정보를 이해할 수 있도록 기능을 추가한다. 재생목록을 주제별로 재분류하여 콘텐츠 구조를 개선한다.
18:23
Getty의 채널 강점·약점 분석 & 아부 조련
Getty를 통해 채널의 강점과 약점을 분석하고, 에이전트의 응답 방식을 조정하여 더 나은 결과를 도출하도록 조련한다.
20:50
유튜브를 모른다 반박 & 에이전트 얼라인
에이전트가 유튜브 플랫폼의 특성을 이해하지 못한다는 지적에 대해 반박하고, 에이전트의 논리를 채널의 목표와 일치시키는 얼라인먼트 과정을 수행한다.
23:17
Quartz 볼트 웹 열람 & ICML 커피챗
Quartz를 사용하여 Obsidian 볼트를 웹에서 열람할 수 있도록 설정한다. ICML 관련 커피챗을 통해 기술적 논의를 진행한다.
26:05
Scribe v2 화자 분리 & 대본 대조 분석
ElevenLabs Scribe v2를 사용하여 화자 분리 기능을 적용한다. 생성된 대본과 실제 대본을 대조하여 정확도를 분석한다.
29:18
링크드인 자동화 & 대본이 별로인 이유
링크드인 포스팅을 자동화하는 워크플로를 구축한다. 생성된 대본이 기대에 미치지 못하는 이유를 분석하고 개선점을 찾는다.
31:36
흥미로운 논점의 4조건 & 대본 재작성 시도
흥미로운 콘텐츠를 만들기 위한 논점의 4가지 조건을 정의한다. 이를 바탕으로 대본을 재작성하여 더 매력적인 콘텐츠를 생성하려 시도한다.
35:07
결론: 대본은 아직, 큐레이션·리서치가 현실적 기대
AI 에이전트가 완벽한 대본을 작성하기에는 아직 한계가 있음을 인정한다. 현재 단계에서는 큐레이션과 리서치 업무에서 AI 에이전트의 활용도가 더 높다는 결론을 내린다.
언급된 리소스
API DocsElevenLabs Scribe
GitHubQuartz
문서Obsidian
GitHubsudoremove GitHub
문서ICML
API DocsElevenLabs
DemoClaude
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 07. 11.수집 2026. 07. 11.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
