첫 회사를 떠나 새로운 회사로 이직하며,나는 자연스럽게 새로운 분야로 나아가는 선택을 하게 되었다.커리어의 시작은 C++, C# 기반의 캐드(CAD) 개발이었다.정확성과 안정성이 중요한 환경에서, 내부 상태를 변수로 관리하고명확한 로직과 구조를 통해 기능을 완성해 나가는 개발 방식에 익숙해져 있었다.하지만 현재는 게임 회사에서 AI Engineer로 일하며,Python을 기반으로 LLM을 다루는 영역으로 방향을 크게 전환했다.언어만 바뀐 것이 아니라, 개발을 바라보는 사고방식 자체가 달라지는 과정에 들어섰다고 느낀다.상태를 “소유”하던 개발에서, 상태를 “다루는” 개발로기존에는 C++, C#을 사용하며내부 상태를 변수로 직접 관리하고동기적인 흐름 속에서 로직을 설계하는 방식이 익숙했다.하지만 LLM을 중..

이번에 WrtnLabs의 오픈소스 멀티에이전트 프레임워크인 Agentica를 기반으로, 사용자 자산 정보를 입력받아 시장 분석 → 경제 성장률 평가 → 요약 보고서 작성까지 이어지는 프로젝트를 진행했습니다.EEKKY라는 팀 이름으로 2025 오픈소스 개발자 대회에 출전했고, 그 과정에서 여러 가지 시행착오와 배움을 얻었습니다.프로젝트 소개저희 프로젝트의 기본 아이디어는 간단합니다.사용자가 대화로 알고싶은 산업에 대해 제공현재 상장 기업과 유망 산업을 분석하고 추천선택한 주식에 대해 상세 정보를 제공하며마지막에는 요약된 보고서를 만들어 보여주는 것.겉으로 보면 흔한 투자 도우미 서비스 같지만, 핵심은 멀티에이전트 프레임워크 Agentica를 활용했다는 점에 있습니다.단순한 API 호출이 아니라, 여러 에이..

1. 배경: 외부 API를 호출하는 서비스 구조NestJS 기반 서버에서 외부 API를 호출하는 구조를 고민하던 중,처음에는 각 서비스마다 `axios`를 직접 호출하고 에러를 처리하는 방식으로 시작했습니다. @Injectable()export class UserService { constructor(private readonly httpService: HttpService) {} async getUser(userId: string) { try { const res = await firstValueFrom(this.httpService.get(`/user/${userId}`)); return res.data; } catch (err) { ..

2025년 **Seoul Meta Week(SMW)**에서는 글로벌 테크 기업들이 최신 AI 전략을 공개했습니다. 그중에서도 **Spotify**와 **Snap**은 각자의 플랫폼 특성에 맞춘 **AI 통합 전략**, **개인화 시스템**, 그리고 **콘텐츠 생성 기술**을 중심으로 발표했습니다.---## 1. 🎵 Spotify – Core Recommendation & 실행형 에이전트 전략Spotify는 AI를 단순한 추천 도구가 아닌, **콘텐츠 제작부터 실행까지 통합하는 시스템**으로 진화시키고 있습니다.### ▸ 핵심 전략 키워드- `Core Recommend` → 개인화된 콘텐츠 추천의 핵심- `Content Enrichment` → 음성 생성 및 맞춤 콘텐츠 제작- `AI Experience..

🧠 Agentica 기반 자산 시장 및 경제 성장률 보고서 자동화 시스템 기획1. 개요 및 목적본 시스템은 WrtnLabs의 오픈소스 멀티에이전트 프레임워크인 Agentica를 기반으로, 사용자 자산 정보를 입력받아 시장 분석 + 경제 성장률 평가 + 요약 보고서를 자동으로 생성하는 지능형 에이전트 시스템을 설계합니다.Agentica의 FSM 기반 상태 관리, 구조화된 memory 저장, Tool 호출 체계를 활용해, 확장성과 유지보수성을 모두 확보합니다.2. 핵심 기능 요약기능 설명자산별 시장 분석실시간 시세, 감성지수, 거래량 등을 API 연동을 통해 분석경제 성장률 수집관련 산업/국가의 최신 성장률 및 전망 데이터 통합보고서 자동 생성자산별 요약, 시장전망, 리스크요인 등을 포함한 리포트 작성FS..

1. 프로젝트 개요1.1 목적 및 배경본 보고서는 Agentica 프레임워크의 Function Calling 기반 구조를 중심으로 실현 가능한 AI 에이전트 시스템을 기획하고자 하며, Google A2A 프로토콜을 기준으로 요구사항 대비 불가능한 사항을 기술적으로 분석함으로써, Agentica 기반 구조에 맞는 기획 프레임을 도출하는 것이 핵심입니다.특히, 실시간 양방향 통신, 다중 에이전트 오케스트레이션, 고빈도 메시징 요구사항을 갖는 Google A2A 기반 시스템과의 비교를 통해, Agentica의 구조적 한계를 이해하고 이를 보완하거나 수용 가능한 아키텍처를 설계하는 것이 목적입니다.1.2 분석 및 기획 범위Google A2A 프로토콜이 요구하는 기술 스펙 및 제약 요소 정리Agentica 기반으..