이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Managed Deep Agents는 LangChain의 에이전트 프레임워크로, mda CLI를 통해 프로젝트 스캐폴딩부터 배포까지의 과정을 간소화한다. 사용자는 instructions.md와 agent.py를 통해 에이전트의 행동과 모델, 도구를 설정하며, mda dev 명령어로 로컬 환경에서 LangSmith Studio와 연동해 즉시 테스트할 수 있다. 최종적으로 mda deploy를 실행하면 별도의 인프라 관리 없이 에이전트가 클라우드에 배포되어 운영된다.
챕터별 상세
00:00
환경 설정 및 프로젝트 초기화
uv를 사용하여 managed-deep-agents 패키지를 설치하고 mda init 명령어로 research-assistant 프로젝트를 생성한다. 이 과정에서 필요한 API 키가 .env 파일에 자동으로 저장되며, 에이전트 개발을 위한 기본 디렉토리 구조가 구성된다.
uv는 파이썬 패키지 및 프로젝트 관리 도구로, 빠른 설치와 환경 관리를 지원한다.
bash
uv tool install managed-deep-agents
mda init research-assistant
cd research-assistantManaged Deep Agents 설치 및 프로젝트 초기화 명령어
02:33
에이전트 설정 및 모델 구성
instructions.md 파일에 에이전트의 행동 지침을 작성하고, agent.py 파일에서 사용할 LLM 모델과 웹 검색 도구를 정의한다. 에이전트의 이름은 name 파라미터로 지정하며, 여러 에이전트를 배포할 경우 고유한 이름을 부여하여 관리한다.
python
agent = define_deep_agent(
name="research-assistant-1",
model="openai:gpt-4o",
tools=[{"type": "web_search"}],
)agent.py 파일에서 에이전트의 모델과 도구를 설정하는 코드
04:35
로컬 개발 및 테스트
uv sync 명령어로 의존성을 설치하고 mda dev를 실행하여 로컬 개발 서버를 구동한다. 브라우저에서 LangSmith Studio가 열리면 에이전트와 대화하며 웹 검색 도구 호출 등 기능을 즉시 검증할 수 있다.
bash
uv sync
mda dev의존성 설치 및 로컬 개발 서버 구동 명령어
06:11
클라우드 배포
mda deploy 명령어를 실행하여 로컬에서 구성한 에이전트를 LangSmith 클라우드에 배포한다. 배포가 완료되면 LangSmith 대시보드에서 에이전트의 트레이스를 확인하고 운영 환경에서 에이전트를 관리할 수 있다.
bash
mda deploy에이전트를 클라우드에 배포하는 명령어
용어 해설
- mda CLI
- — Managed Deep Agents 프로젝트의 생성, 로컬 개발 서버 구동, 클라우드 배포를 담당하는 명령줄 인터페이스 도구이다. 프로젝트 스캐폴딩과 의존성 관리를 자동화하여 에이전트 개발 과정을 간소화한다.
- LangSmith Studio
- — 에이전트의 실행 과정을 실시간으로 추적하고 테스트할 수 있는 인터페이스이다. 로컬 개발 환경과 연동하여 에이전트의 응답을 확인하고 디버깅하는 데 사용된다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 20.수집 2026. 08. 20.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.
