ENGINEERING SERIES
AI Agent & MCP
파일 업로드를 처리하던 Worker는 언제 Agent가 되어야 할까요? 이 시리즈는 기존 Python 백엔드에서 출발해 판단과 실행을 분리하고, MCP Tool로 업무 기능을 연결하며, 운영 가능한 Agent Runtime을 만드는 과정을 살펴봅니다.
1부에서는 고정 Workflow와 Agent Orchestrator의 경계를 정리합니다. 2부에서는 기존 Service Layer를 Python MCP Tool로 노출하고 입력·출력 스키마와 Tool의 업무 단위를 설계합니다. 3부에서는 Agent Loop의 상태 관리, Retry, Checkpoint와 Human-in-the-Loop를 다루고, 4부에서는 FastAPI와 Redis Streams를 연결해 파일 업로드부터 중단·재개와 ERP 등록까지 이어지는 Runtime을 구현합니다.
Agent가 필요한 지점을 판단하고, 기존 백엔드 기능을 재사용하며, 실패와 중복 실행에 대응하는 구조를 이해하려는 개발자를 위한 시리즈입니다. Tool 호출에 성공하는 예제를 넘어, 오래 실행되고 사람의 검토를 기다리는 작업을 어떻게 통제하고 복구할지 함께 살펴봅니다.
시리즈 글 목록
먼저 작성한 글부터 차례로 읽어보세요.
-
AI Agent & MCP 1부 — 파일이 업로드되면 Agent가 깨어난다
파일 업로드를 처리하는 Worker가 Agent Orchestrator로 확장되는 과정을 살펴봅니다. Workflow와 Agent의 경계, 판단과 실행의 분리, MCP Tool을 통해 기존 백엔드 기능을 연결하는 구조를 설명합니다.
-
AI Agent & MCP 2부 — Python으로 파일 분석용 MCP Tool 직접 만들어보기
Python 백엔드 기능을 MCP Tool로 제공하는 방법을 살펴봅니다. 문서 조회, OCR, 분석, 저장과 Human Review를 기존 Service Layer에 연결합니다.
-
AI Agent & MCP 3부 — MCP Tool을 Agent에게 맡기면 정말 더 좋은가?
Agent Loop를 운영 가능한 Runtime으로 만드는 조건을 살펴봅니다. 상태 관리, Retry, Checkpoint, 중복 실행 방지와 Human-in-the-Loop의 Pause·Resume을 정리합니다.
-
AI Agent & MCP 4부 — Redis Streams + MCP로 실제 Agent Runtime 구현하기
FastAPI, Redis Streams와 MCP를 연결해 Agent Runtime을 구현합니다. 파일 업로드부터 Checkpoint, Human Review, Pause·Resume과 ERP 등록까지 하나의 흐름으로 살펴봅니다.
← 전체 시리즈 SSABLE / Engineering Notes