2025–2026년의 AI 산업은 대화형 모델에서 자율 에이전틱 시스템으로 결정적으로 전환되었다. 이 강의는 비결정적 AI 에이전트를 결정론적 시스템으로 제어하는 하네스 엔지니어링과, 인간이 세부 실행이 아닌 전략적 감독 역할을 수행하는 Human-on-the-Loop(HOTL) 패러다임을 중심으로 구성된다.
학생들은 제주한라대학교 AI 실습실의 NVIDIA DGX H100 서버(MIG 기술로 파티셔닝)를 직접 운용하며, 상용 API에 의존하지 않고 DeepSeek-Coder-V2 등 오픈소스 모델을 배포·운영하는 전 과정을 실습한다. 최종 목표는 자율 소프트웨어 개발 파이프라인(멀티에이전트 SDLC)을 설계하고, 캡스톤 프로젝트 Ralphthon에서 이를 구현하는 것이다.
이 강의를 이수하면 다음을 할 수 있다:
- HITL → HOTL → HIC 거버넌스 아키텍처의 차이를 설명하고 Governance-as-Code로 구현한다
- Ralph 루프 방법론으로 하네스 엔지니어링 시스템을 설계·구현한다
- 컨텍스트 창 관리와 인스트럭션 튜닝으로 장기 실행 에이전트 루프를 최적화한다
- 플래너·코더·QA 에이전트를 MCP를 통해 연동한 멀티에이전트 SDLC를 구축한다
- DGX H100 + MIG + vLLM 환경에서 오픈소스 LLM을 배포하고 성능을 측정한다
- LLM-as-Judge와 텔레메트리로 에이전트 시스템의 품질을 자동 평가한다
| 주차 | 이론 | 실습 |
|---|
| 1주 | 코스 오리엔테이션, AI 시스템 패러다임 전환, HITL vs HOTL 비교 | 개발 환경 설정, AI 코딩 CLI 도구 설치 (Lab 01) |
| 2주 | HOTL 거버넌스 상세, EU AI Act 컴플라이언스, Governance-as-Code | 첫 번째 에이전틱 루프 구현 (Lab 02) |
| 3주 | MCP 아키텍처 심층 분석, TBAC/거버넌스 게이트웨이, MIG 컴퓨팅 격리 | MCP 서버 구현과 보안 검증 (Lab 03) |
| 주차 | 이론 | 실습 |
|---|
| 4주 | 루프 패러다임 — Test-time Compute Scaling, Ralph Loop/RLM/autoresearch | Ralph 루프 구현과 누적 학습 (Lab 04) |
| 5주 | 컨텍스트 창 관리, Context Rot 방지, 상태 추적 파일 설계 | 컨텍스트 관리 시스템 구현 (Lab 05) |
| 6주 | 인스트럭션 튜닝, “Sign” 메타포, 영구 컨텍스트 페이로드 설계 | PROMPT.md 튜닝 실습 (Lab 06) |
| 주차 | 이론 | 실습 |
|---|
| 7주 | 에이전트 역할 분담, 전통적 SDLC와 에이전틱 SDLC 비교 | 멀티에이전트 파이프라인 설계 (Lab 07) |
| 8주 | 프로젝트 계획 발표 (중간고사 대체) | 개인 캡스톤 계획서 발표 — 시험 없음 |
| 9주 | 플래너 에이전트(2단계 분리), QA 독립성 원칙, 자동 테스트 파이프라인 | 플래너 + QA 에이전트 구현 (Lab 09) |
| 주차 | 이론 | 실습 |
|---|
| 10주 | DeepSeek-Coder-V2 아키텍처, 오픈소스 vs 상용 API 비교, 도구 생태계 | vLLM 배포 실습 (Lab 10) |
| 11주 | vLLM 고처리량 추론, CUDA 최적화, MIG 슬라이스 활용 | 고처리량 추론 서버 구축 |
| 12주 | 텔레메트리 설계, LLM-as-Judge 평가 프레임워크, 비용 최적화 | 텔레메트리 & LLM-as-Judge (Lab 11, 12) |
| 주차 | 내용 |
|---|
| 13주 | 개인 프로젝트 착수, 아키텍처 설계 문서 (8주차 계획서 확장) |
| 14주 | Ralphthon 실행 — 하네스 구현, 에이전트 연동, 반복 개선 |
| 15주 | 시스템 통합, 자동 테스트, 발표 자료 준비 |
| 16주 | 최종 발표 및 데모, 동료 평가, 수업 정리 |
| 항목 | 비율 | 내용 |
|---|
| 실습과제 (Lab 01–12) | 40% | 개인 제출, GitHub PR |
| 중간 프로젝트 | 20% | 개인 프로젝트 계획서 발표 (8주차, 중간고사 대체) |
| 캡스톤 Ralphthon | 30% | 개인 프로젝트, 최종 발표 |
| 기여 & 참여 | 10% | GitHub PR 기여, 수업 토론 |
- Huntley, G. (2025). The Ralph Loop: Deterministic Agentic Engineering
- Anthropic. (2026). Claude Code Documentation
- NVIDIA. (2025). DGX H100 MIG Configuration Guide
- Karpathy, A. (2025). autoresearch: Automated ML Research
- Zhang, A. et al. (2025). Recursive LM: Language Models that Call Themselves
- Snell, C. et al. (2024). Scaling LLM Test-Time Compute Optimally
- Hong, S. et al. (2024). MetaGPT: Meta Programming for Multi-Agent Collaborative Framework (ICLR 2024)
- Qian, C. et al. (2024). ChatDev: Communicative Agents for Software Development (ACL 2024)
- Damani, S. et al. (2025). Towards a Science of Scaling Agent Systems (DeepMind + MIT)
- Python 3.10+ 프로그래밍 능력
- Git/GitHub 기본 사용법
- Linux 커맨드라인 기초
- 머신러닝 기초 (선수과목: AI 기초, 딥러닝)
강의 관련 문의는 GitHub Issue 또는 이메일(yj.lee@chu.ac.kr)로 연락주세요.
수업 자료 오류 발견 시 GitHub Issue를 통해 신고해 주세요.
