이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Managed Deep Agents를 활용하여 Hacker News와 X의 최신 정보를 모니터링하고 매일 아침 Slack으로 포스트 초안을 전송하는 자동화 에이전트를 구축하는 과정을 다룬다. 프로젝트 초기화부터 에이전트의 도구 설정, 스킬 정의, 메모리 구성, 스케줄링 및 Slack 채널 연동까지의 전 과정을 단계별로 구현한다. 마지막으로 LangSmith Studio를 통해 에이전트의 동작을 테스트하고 프로덕션 환경으로 배포하는 방법을 확인한다.
챕터별 상세
00:00
프로젝트 초기화
Managed Deep Agents를 활용하여 Hacker News와 X의 최신 정보를 모니터링하고 매일 아침 Slack으로 포스트 초안을 전송하는 자동화 에이전트를 구축한다. `mda init` 명령어를 사용하여 에이전트 프로젝트의 기본 구조를 생성한다.
01:45
에이전트 설정
`agent.py` 파일에서 에이전트의 이름, 사용할 모델(GPT-5.6-Luna), 그리고 도구를 정의한다. 연구 및 초안 작성 작업에 최적화된 모델을 선택하여 비용을 절감한다.
02:19
도구 구현
Hacker News 검색, X 사용자 타임라인 조회, X 포스트 검색 기능을 수행하는 도구를 파이썬 함수로 작성한다. LangChain의 `@tool` 데코레이터를 사용하여 함수를 에이전트가 사용할 수 있는 도구로 변환한다.
python
agent = define_deep_agent(
name="social-post-assistant",
model="openai:gpt-5.6-luna",
tools=[search_x_posts, get_x_user_timeline, search_hackernews],
)에이전트 이름, 모델, 사용할 도구를 정의하는 코드이다.
04:13
스킬 및 지침
`instructions.md` 파일에 에이전트의 기본 역할을 정의하고, `skills/` 디렉토리에 특정 작업(포스트 초안 작성)을 위한 모듈형 스킬을 추가한다. 스킬은 에이전트가 필요할 때만 동적으로 로드된다.
06:11
메모리 및 스케줄링
`memory.py`를 통해 스레드 간 대화 기억을 유지하도록 설정한다. 또한 `schedules/` 디렉토리에서 크론 표현식을 사용하여 매주 평일 오전 9시에 에이전트가 자동으로 작업을 수행하도록 예약한다.
06:25
Slack 연동
`channels/` 디렉토리에 Slack 연동을 설정한다. Slack API에서 앱을 생성하고, 생성된 Signing Secret과 Bot Token을 환경 변수에 추가하여 에이전트가 Slack 채널과 통신할 수 있도록 한다.
08:10
배포 및 테스트
`mda deploy` 명령어로 에이전트를 배포하고 프로덕션 인프라를 자동으로 설정한다. LangSmith Studio를 통해 에이전트의 동작을 테스트하고, 포스트 초안 생성 결과와 에이전트의 추론 과정을 확인한다.
용어 해설
- 관리형 딥 에이전트(Managed Deep Agents)
- — LangChain에서 제공하는 에이전트 프레임워크로, 에이전트의 배포, 메모리 관리, 도구 사용, 스케줄링 등을 추상화하여 프로토타입에서 프로덕션 단계로의 전환을 돕는다.
- 크론(Cron)
- — 리눅스 시스템에서 특정 시간이나 주기에 따라 작업을 자동으로 실행하도록 예약하는 스케줄러이다. 이 영상에서는 에이전트의 일일 작업 실행 주기를 설정하는 데 사용된다.
- 샌드박스(Sandbox)
- — 외부 코드나 스크립트를 안전하게 실행하기 위한 격리된 가상 환경이다. 에이전트가 도구 호출 외에 직접 코드를 실행해야 할 때 사용되지만, 이 영상에서는 불필요하여 제거되었다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 13.수집 2026. 08. 13.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.
