SDLC에서 에이전트 AI 정의

많은 개발자가 이미 익숙한 도우미 패턴으로 AI를 사용하고 있습니다. 도우미가 프롬프트에 응답하고, 출력을 생성하고, 컨트롤을 사용자에게 반환합니다. 에이전트는 목표를 해석하고, 중간 단계를 결정하고, 도구를 사용하고, 워크플로 내에서 작업을 수행할 수 있습니다.

이러한 차이는 AI를 개발에 도움이 되는 것에서 개발에 참여하는 것으로 변경하기 때문에 중요합니다.

이 단원에서는 당신이 배우게 될 것입니다.

GitHub Copilot을 보조자와 에이전트로 비교하는 슬라이드입니다. 제안 기반의 도움말과 도구 사용 및 Pull Request 생성과 같은 자율적인 다단계 작업을 대조합니다.

도우미 기반 시스템은 일반적으로 다음과 같이 반응합니다.

에이전트 기반 시스템은 목표 기반입니다.

작업을 해석하고, 접근 방식을 개발하고, 완료를 위한 단계를 수행할 수 있습니다.
도구(예: GitHub API, CI 워크플로 또는 리포지토리 쓰기 작업)를 사용하여 분기, 커밋 및 끌어오기 요청과 같은 지속성 결과를 생성할 수 있습니다.
피드백(점검, 검토, 스캔)에 따라 반복할 수 있습니다.

GitHub 이 모델은 종종 끌어오기 요청 지향 워크플로를 통해 표현됩니다. 에이전트는 분기에 변경 내용을 제안하고, 끌어오기 요청을 열고, 변경 내용이 병합되기 전에 검토 및 유효성 검사를 기다립니다.

다음과 같은 경우 도우미처럼 동작합니다.

AI 시스템은 다음과 같은 경우 에이전트처럼 동작합니다.

GitHub 에이전트 동작은 개발자가 이미 사용하는 것과 동일한 구조를 통해 표시됩니다.

에이전트가 워크플로를 대체하지 않습니다. 워크플로에 참가자로서 참여합니다.

에이전트 동작(PR 생성) 보안 경고가 제출됩니다. 에이전트:

도우미 동작(제안 전용) "이 종속성을 안전하게 업데이트하려면 어떻게 해야 하나요?" 도우미는 다음을 제공합니다.

다음 단원에서는 에이전트가 계획, 작업 및 평가하는 방법을 제어하는 수명 주기를 검사합니다.

이 페이지가 도움이 되었나요?