아톨러브

실제 외부 날씨 API(OpenWeatherMap, Open-Meteo)를 호출하는 파이썬 함수를 작성하고, 이를 에이전트의 Custom Tool로 등록하는 방식입니다.1. 주요 동작 방식2단계 API 연동 구조를 가집니다. 사용자가 도시 이름을 입력하면, 먼저 위도/경도를 찾아주는 get_coordinates 함수를 거친 후, 해당 좌표를 이용해 OpenWeatherMap API에서 실시간 날씨 JSON 데이터를 받아옵니다. ADK는 이 전체 과정을 하나의 get_real_current_weather 툴로 인식하여 필요할 때 자동으로 실행합니다.2. 코드 라인별 상세 해설get_coordinates(location: str) (위경도 변환 함수)Open-Meteo Geocoding API를 사용해 입력..

개발자가 직접 작성한 일반 파이썬 함수를 LLM이 인식하고 실행할 수 있는 에이전트 도구로 자동 변환하여 사용하는 방식입니다.1. 주요 동작 방식ADK는 파이썬 함수의 함수명, Docstring(주석 설명), Type Hint(타입 힌트)를 자동으로 분석(Parsing)하여, 이를 LLM이 이해할 수 있는 OpenAPI/JSON Schema 형태의 툴 스펙으로 변환합니다.2. 코드 라인별 상세 해설MOCK_WEATHER_DATA = { ... }외부 API 연동 대신 테스트 목적으로 만든 가짜(Mock) 날씨 데이터베이스입니다.def get_current_weather(city: str) -> str: 및 Docstring[가장 중요한 부분] LLM이 이 함수를 언제, 어떻게 사용해야 할지 판단하는 기준..

Google ADK(Agent Development Kit)에서 기본 제공하는 Prebuilt Tool을 활용하여 실시간 웹 검색 기반의 팩트 체크 에이전트를 구축하는 코드입니다.1. 주요 동작 방식LLM은 자체적인 학습 데이터 범위를 넘어선 최신 정보나 내부 데이터는 알지 못합니다. 이 코드에서는 Google이 미리 만들어 둔 google_search 툴을 에이전트에 장착시켜, 필요할 때 에이전트가 직접 구글 검색을 수행하고 그 결과를 바탕으로 답변하도록 구성되어 있습니다. 2. 코드 라인별 상세 해설from google.adk.tools import google_searchADK 라이브러리에서 미리 구상된 google_search 툴을 불러옵니다. 개발자가 검색 API 연동 로직을 직접 구현할 필요 ..

사용자가 입력한 암호를 검증한 뒤, 인증에 성공했을 때만 기밀 정보를 처리하는 AI 비서 에이전트로 제어권(Handoff/Transfer)을 넘겨주는 보안 게이트키퍼 시스템입니다.코드의 구성을 1) 모듈 임포트, 2) 작업 에이전트 정의, 3) 커스텀 게이트키퍼 클래스, 4) 인스턴스 생성 및 Root Agent 설정 영역으로 나누어 한 줄 한 줄 상세히 설명해 드리겠습니다.1. 모듈 임포트 (Import) 영역import osfrom typing import AsyncGeneratorfrom google.adk import Agentfrom google.adk.agents import BaseAgentfrom google.adk.agents.invocation_context import Invocati..

코드 1~4는 Google ADK(Agent Development Kit)를 활용하여 단일 에이전트부터 멀티 에이전트의 다양한 오케스트레이션(순차, 병렬, 반복) 패턴 예제들입니다.1. 코드별 주제코드 1: 단일 에이전트(Single Agent) 기본 구현코드 2: 순차 실행(Sequential Orchestration) 워크플로 패턴코드 3: 병렬 처리 및 결과 취합(Parallel Fan-Out / Fan-In) 워크플로 패턴코드 4: 레거시 루프 에이전트(LoopAgent) 기반 반복 처리 패턴 2. 코드별 상세 해설코드 1 주제: 단일 에이전트(Single Agent) 기본 구현import os from google.adk import Agent, Workflow weather_agent ..

지금까지 진행한 Python → Tool Calling → Agent Loop → MCP → Skill → Harness가 실제 코드 하나로 어떻게 합쳐지는지 이해하는 단계입니다.특히 이번에는 코드를 단순히 한 줄씩 번역하기보다는,“이 코드가 왜 필요한가 → 실행하면 무슨 일이 일어나는가 → 데이터가 어디로 이동하는가”를 중심으로 설명하겠습니다.1. 먼저 전체 그림부터 잡겠습니다우리가 지금 만든 시스템은 크게 두 개의 프로그램입니다.┌──────────────────────────────────────────────────────────┐│ Harness / AI Agent ││ ..

이번 코드는 앞서 공부한 MCP + Skill 구조에서 한 단계 더 발전한 형태입니다.이전에는 우리가 다음 구조를 공부했습니다.SKILL.md → LLM → MCP Tool → MCP Server → 실제 데이터 → LLM → 답변이번에는 여기에 Harness Engineering이 추가됩니다.즉,“LLM에게 일을 시키는 것”에서 끝나는 것이 아니라, LLM이 여러 작업을 안정적으로 수행하도록 바깥에서 계획·상태·저장·재실행을 관리하는 구조입니다.특히 이번 코드에서 꼭 이해해야 할 핵심은 다음 5가지입니다.① SKILL.md → AI에게 "어떻게 일할지" 가르친다.② Tool → AI가 실제 데이터를 가져오게 한다.③ Agent Loop → Tool 호출 → 결과 전달..

이번 코드는 **“MCP 서버가 제공하는 Tool을 LLM이 사용하고, 그 위에 로컬 SKILL.md를 시스템 지침으로 얹는 구조”**를 이해하는 것이 핵심입니다.특히 이번 예제에서 가장 중요한 것은 MCP와 Skill이 서로 같은 것이 아니라 역할이 완전히 다르다는 점입니다.MCP 서버 → 실제 기능과 데이터를 제공MCP 클라이언트 → 서버와 LLM 사이를 연결하고 도구를 전달·실행OpenAI LLM → 무엇을 해야 할지 판단하고 결과를 문장으로 만듦SKILL.md → LLM에게 “이 업무를 어떤 절차와 기준으로 수행할지” 알려주는 업무 지침서아래에서 코드 한 줄씩 → 실행 흐름 → 전체 구조 → MCP Prompt/Resource와 Skill의 차이 → 실제 실행 예시 순서로 설명하겠습니다. 이번 예..

이 코드는 크게 보면 다음 한 문장입니다."Weather Server의 Agent Card를 먼저 확인하고 → A2A Client를 만들고 → 사용자의 질문을 Message로 포장하고 → Request로 한 번 더 포장해서 → 서버에 보내고 → 서버가 보내는 응답 이벤트를 받아서 → Client를 종료한다." 전체 구조부터 잡고 하나씩 보겠습니다.1. 먼저 전체 그림을 이해하자현재 우리가 만든 프로그램은 A2A Client입니다.상대방에는 앞에서 만든 Weather Agent Server가 실행되고 있습니다.┌─────────────────────────────┐│ A2A Weather Client ││ ││ 우리가 지금 공부하는 코드 ..

a2a-sdk 1.2.0 기반 — 코드의 구조부터 실행 흐름까지특히 이번 코드에서 중요한 점은 다음과 같습니다.WeatherCoreAgent: 사용자의 질문을 분석하고 날씨 정보를 반환하는 핵심 에이전트WeatherAgentExecutor: 핵심 에이전트를 A2A 서버의 실행 구조에 연결하는 실행기EventQueue: 에이전트가 생성한 응답을 A2A 서버에 전달하는 이벤트 큐DefaultRequestHandler: 외부에서 들어온 A2A 요청을 관리하는 요청 처리기AgentCard: 외부 에이전트가 우리 서버의 기능과 연결 정보를 확인할 수 있도록 제공하는 명세FastAPI와 A2A Routes: 실제 HTTP 요청을 받아 처리하는 웹 서버의 구조이번에는 단순히 각 코드가 무엇을 하는지 설명하는 데 그치..