AI 비서 에이전트, '오늘 뭐하지?' 고민을 해결하다!
GitHub, Slack, Python을 활용하여 여러 프로젝트의 업무 우선순위를 알려주는 AI 비서 에이전트 구축
Hub Repo를 통해 프로젝트 메타데이터와 컨텍스트를 통합 관리하고, GitHub Actions으로 자동화
아침 루틴의 효율성 증대 및 프로젝트 사각지대 감소, AI 브리핑을 통해 업무 집중도 향상
AI 브리핑 품질 개선 및 맥락 정보 자동 기록과 같은 추가적인 개선 과제 존재
AI 비서 에이전트 아키텍처: Hub Repo와 GitHub Actions
본문에서는 여러 프로젝트의 컨텍스트를 관리하기 위해 Hub Repo를 활용하고, GitHub Actions을 통해 자동화된 워크플로를 구축했다.
Hub Repo: 프로젝트 메타데이터와 컨텍스트를 YAML 파일로 관리하며, 각 프로젝트 Repo에서 참조
GitHub Actions: 매일 아침 Python 스크립트를 실행하여 프로젝트 데이터 수집, AI 브리핑 생성, 슬랙 전송
데이터 격리 아키텍처(Data Isolation Architecture): Hub Repo를 통해 컨텍스트를 중앙 집중 관리하여, 정보 접근성을 높이고, 컨텍스트 스위칭(Context Switching)으로 인한 비효율을 개선
AI 브리핑 프롬프트 설계: 우선순위 판단 로직
AI 비서 에이전트의 핵심 기능은 각 작업의 우선순위를 판단하여 브리핑을 생성하는 것이다. 이를 위해 저자는 점수를 부여하는 방식으로 프롬프트를 설계했다.
긴급도(Urgency): 외부 마감, 클라이언트 대응 등 시간 제약 요소를 반영하여 35점 배점
수익 영향도(Revenue Impact): 프로젝트가 매출에 미치는 영향을 고려하여 30점 배점
블로커 해제(Blocker Resolution): 다른 프로젝트 진행을 위해 필요한 작업에 20점 배점
에너지 매칭(Energy Matching): 아침 집중력과 오후 에너지 수준을 고려하여 15점 배점
AI 환각(Hallucination)**을 방지하기 위해, 명확한 출력 형식(Output Format)을 지정하여 브리핑 품질을 향상시켰다.
Hub Repo 설계: '한 곳에서 쓰고, 여러 곳에서 읽는다' 원칙
통합 워크스페이스 설계를 위해 저자는 '한 곳에서 쓰고, 여러 곳에서 읽는다'는 핵심 원칙을 적용했다. 이는 AI가 참조할 수 있는 모든 컨텍스트를 Hub Repo에서 관리하고, 각 프로젝트에서 이를 활용하는 구조를 의미한다.
Git Submodule, YAML + API 방식 검토: 관리의 복잡성 및 API 서버 운영의 부담으로 인해 기각
YAML + GitHub Actions: 로컬 환경에서는 YAML 파일을 직접 읽고, 클라우드 환경에서는 GitHub Actions을 통해 Hub Repo를 checkout하여 YAML 파일 읽기
Hub Repo 구조: root > works > projects 3계층 구조로 설계, 프로젝트 메타데이터(Metadata)와 요구사항 문서(PRD.md)를 포함
AI 비서 에이전트의 한계와 개선 과제
AI 비서 에이전트의 현재 한계는 GitHub 활동만으로는 프로젝트의 진짜 맥락을 파악하기 어렵다는 점이다. 예를 들어, 커밋이 없는 프로젝트를 '정체됨'으로 판단하는 경우가 발생할 수 있다.
맥락 정보 자동 기록: project.yaml의 notes 필드에 수동으로 기록하는 맥락 정보를 자동화하는 방안 모색
GitHub 이슈 자동화: AI 비서를 통해 GitHub 이슈 작성 자동화
AI 환각(Hallucination) 방지: AI 에이전트의 품질은 모델 성능보다, 맥락을 얼마나 잘 구조화하는지에 달려있음
결국, 온톨로지(Ontology) 구축을 통해 프로젝트 간 관계, 상태 변화 이유, 의사 결정 배경 등을 기계가 이해할 수 있도록 정의하는 것이 중요하며, 이는 AI 비서의 성능을 향상시키는 핵심 요소이다.
AI 에이전트 시대의 핵심 역량: 온톨로지 구축
저자는 AI 에이전트 시대에 요구되는 핵심 역량으로 코딩 실력이나 프롬프트 기법이 아닌, 자신의 업무 맥락을 체계적으로 정의하고 구조화하는 능력을 강조한다.
온톨로지(Ontology) 구축: 프로젝트 간 관계, 상태 변화 이유, 의사 결정 배경 등을 기계가 이해할 수 있는 형태로 정의
특정 AI 도구 종속성 탈피: 좋은 온톨로지 설계는 특정 AI 도구에 종속되지 않으면서도, 프로젝트가 많아져도 에이전트 시스템이 흔들리지 않도록 함
데이터 미저장 정책(Zero-Retention Policy): 업무 맥락을 잘 구조화하면, AI 비서의 성능을 극대화하고, 업무 효율성을 높일 수 있다.
