나는 두 개의 AI 도구를 만들었다. 그리고 두 번째 도구는 내가 AI를 어떻게 배워야 하는지 알려주었다.
나는 전통적인 방식으로 AI를 배우려 노력했다. 공식 강의를 열었다. 하지만 몇 강 듣지 못하고 그만두었다. 자료는 좋았지만, 실패했을 때의 리스크가 없었다. 아무것도 망가지지 않았고, 아무것도 머릿속에 남지 않았다.
나는 무언가 망가질 때 가장 잘 배운다는 사실을 깨달았다.
TeachSim을 만들면서는 봇이 제대로 작동해야 했기에 LangGraph를 배웠다. GitHub Digest를 만들면서는 코드가 조용히 망가지는 silent failures에 대해 배웠다. 개념들이 실제로 작동하게 만들기 위해 그것들이 필요했기 때문에 배울 수 있었다.
나는 AI 엔지니어링을 배우고 싶다. 단순히 API를 사용하는 것에 그치고 싶지 않다. 매일 사용하는 도구들을 제대로 이해하고 싶다.
현재 나의 지식은 수박 겉핥기식이다. 그저 무언가를 돌아가게 만들기 위해 슬래시 명령어와 관례를 사용한다. MCP, subagents, hooks, 또는 checkpoints에 대해서는 이해하지 못한다. 그저 그날그날 잘 작동하는 도구를 사용할 뿐이다.
나는 접근 방식을 바꾸고 있다. 실제 프로젝트를 기반으로 나만의 커리큘럼을 짜고 있다. 어떤 단계를 단순히 읽었다고 해서 끝난 것이 아니다. 그 단계가 내 프로젝트의 실제 문제를 해결했을 때 비로소 끝난 것이다.
여기 나의 새로운 학습 순서가 있다:
• Phase 1: MCP (에이전트의 도달 범위를 확장) • Phase 2: Skills (도구 사용의 공식화) • Phase 3: Subagents (여러 에이전트 간의 작업 분할) • Phase 4: Hooks (가드레일 추가) • Phase 5: Plugins (모든 것을 패키징) • Phase 6: Checkpoints (잘못된 세션 되돌리기) • Phase 7: Final Results
나는 이것들을 실제 진행 중인 프로젝트에 적용할 것이다. 예를 들어, REST API를 사용하는 대신 GitHub의 MCP 서버를 GitHub Digest에 직접 연결할 것이다.
이 방식은 지금 당장은 더 많은 시간이 걸린다. 당장의 추진력을 희생하여 장기적인 속도를 얻으려는 것이다. 어려운 머신러닝 수학을 다루기 전에 도구들을 먼저 마스터하고 싶다. 도구를 이해하지 못하면, 어려운 개념을 배우는 동안 도구와 씨름하게 될 것이기 때문이다.
나는 한 걸음씩 차근차근 만들어가고 있다.
Optional learning community: https://t.me/GyaanSetuAi