에이전트 개발 - Databricks 가이드

소요 시간: ~2시간 | 사전 조건: 04. 대시보드 & Genie Space 완료 (Genie Space 3개 필요) 핵심 메시지: “대시보드는 보는 것, Genie는 묻는 것, 에이전트는 행동하는 것”

이 모듈에서 사용하는 Databricks 기능

기능	설명	공식 문서
Agent Bricks	Databricks에서 AI 에이전트를 코드 없이 UI/API로 생성하는 기능입니다. Knowledge Assistant(문서 Q&A), Genie Agent(데이터 분석), Supervisor(오케스트레이션) 세 가지 유형이 있습니다.	docs
Vector Search	텍스트를 벡터(숫자 배열)로 변환하여 의미적으로 유사한 문서를 빠르게 찾는 기능입니다. Knowledge Assistant의 핵심 — FAQ 문서를 인덱싱하여 관련 답변을 검색합니다.	docs
Model Serving	AI 모델을 API 엔드포인트로 배포하여 실시간으로 호출하는 기능입니다. 에이전트의 LLM(Claude, Llama 등)과 임베딩 모델이 여기서 서빙됩니다.	docs
Lakebase	Databricks에 내장된 PostgreSQL OLTP 데이터베이스입니다. 에이전트 대화 이력, 사용자 선호도 등 트랜잭션 데이터를 저장합니다. (선택 사항)	docs

개요

이 모듈에서는 3가지 유형의 에이전트를 구축하고, 이들을 하나의 Supervisor Agent로 통합합니다:

에이전트	역할	데이터 소스	사용 시나리오
Knowledge Assistant	Smart TV 사용 가이드 Q&A	PDF/문서 (Vector Search)	“DolbyVision 설정 방법은?”, “OLED 번인 예방법은?”
Genie Agent	데이터 기반 분석 질의	Gold 테이블 (Genie Space)	“이번 주 시청 시간 추이는?”, “에러율이 높은 펌웨어는?”
Supervisor Agent	위 에이전트 오케스트레이션	위 에이전트들	질문 의도에 따라 적절한 에이전트로 라우팅

사용자 질문 수신

사용자가 질문을 입력합니다.

Supervisor Agent 라우팅

“이 질문은 어떤 에이전트가 답할 수 있을까?” — 질문 의도를 분석하여 적절한 에이전트로 라우팅합니다.

서브 에이전트 실행

에이전트	입력 예시	출력 예시
KA (문서)	사용법/설정 질문	”OLED 번인 예방하려면 설정에서…”
Genie (데이터)	데이터/통계 질문	”이번 주 Netflix 시청시간은 평균 45분…”

Part A: Knowledge Assistant (KA) — Smart TV 가이드 챗봇

개념

Knowledge Assistant는 비정형 문서(PDF, 매뉴얼, FAQ)를 Vector Search로 인덱싱하여, 사용자 질문에 관련 문서 조각을 찾아 답변하는 RAG 기반 에이전트입니다.

💡 왜 일반 SQL 검색이 아닌 Vector Search? SQL의 LIKE '%번인%' 검색은 정확히 “번인”이라는 단어가 포함된 문서만 찾습니다. 하지만 Vector Search는 “OLED 화면 잔상 방지”처럼 의미적으로 비슷한 문서도 찾아냅니다. 이것이 RAG(Retrieval-Augmented Generation) 기반 에이전트의 핵심입니다. RAG란 “질문과 관련된 문서를 먼저 검색(Retrieval)한 뒤, 그 문서를 LLM에 전달하여 답변을 생성(Generation)하는 방식”입니다.

Step 1: 지식 문서 준비

Genie Code 프롬프트: FAQ 문서 생성

Smart TV OS 사용 가이드 FAQ 문서를 생성해줘. Delta 테이블 형태로 만들어줘.

테이블: smart_tv.bronze.tv_knowledge_base

컬럼:
- doc_id: STRING (고유 문서 ID)
- category: STRING (카테고리)
- title: STRING (질문/제목)
- content: STRING (답변 내용, 500~1500자)
- tags: ARRAY<STRING> (관련 태그)
- last_updated: DATE

카테고리별 문서 (총 100개):

1. 초기 설정 (15개):
   - Wi-Fi 연결 방법, 리모컨 페어링, 채널 검색, Google/Apple 계정 연동
   - 제조사 모바일 앱 연결, 음성 비서 설정 (음성 어시스턴트, Alexa, Google)
   - 화면 모드 설정 (Filmmaker, Vivid, Game, HDR Cinema)
   - HDMI CEC 설정 (Simplink), eARC 설정, 사운드바 연결

2. 화질/디스플레이 (20개):
   - OLED 번인 예방법 (픽셀 리프레셔, 화면 보호기, Logo Luminance 조정)
   - DolbyVision vs HDR10 vs HDR10Plus 차이점
   - AI 화질 조정 (AI Super Upscaling, AI 밝기 조절)
   - 게임 모드 설정 (ALLM, VRR, G-Sync Compatible, FreeSync)
   - 120Hz 설정 (HDMI 2.1, 4K@120, Instant Game Response)
   - 에너지 절약 모드별 화질 영향

3. 오디오 (15개):
   - Dolby Atmos 설정, eARC 패스스루, WiSA 스피커 연결
   - AI Sound Pro 모드 설명
   - 블루투스 오디오 연결 (지연 최소화 방법)
   - Smart TV 호환 사운드바 설정

4. 앱/스트리밍 (15개):
   - Netflix 4K DolbyVision 시청 조건
   - YouTube 8K/4K HDR 재생 설정
   - Disney+ DolbyAtmos 활성화
   - FAST 채널 사용법
   - 앱 캐시 삭제, 앱 재설치 방법

5. 트러블슈팅 (20개):
   - Wi-Fi 연결 안 됨 → 진단 방법 (DNS, DHCP, 5GHz 호환)
   - 화면 깜빡임 → OLED 패널 리프레시, HDMI 케이블 확인
   - 소리 안 남 → 오디오 출력 설정, eARC 핸드셰이크 초기화
   - 리모컨 반응 없음 → 배터리, 페어링 리셋, IR 센서 확인
   - 앱 크래시 → 캐시 삭제, 앱 재설치, 펌웨어 업데이트
   - HDMI 디바이스 인식 안 됨 → CEC 설정, HDMI 포트 교체
   - 인터넷 속도 느림 → DNS 변경, Wi-Fi 채널 최적화
   - 펌웨어 업데이트 실패 → USB 수동 업데이트 방법

6. 스마트홈/IoT (15개):
   - 제조사 모바일 앱으로 가전 제어 (에어컨, 세탁기, 냉장고)
   - Matter 지원 디바이스 연결
   - TV를 IoT 허브로 사용하기
   - 루틴 설정 (귀가 시 자동 TV + 에어컨 ON)

Delta 테이블로 저장하고, 실제 Smart TV OS TV 매뉴얼 수준의 상세하고 정확한 한국어 콘텐츠로 작성해줘.

Step 2: Knowledge Assistant 생성

사전 준비: Vector Search 엔드포인트 생성

⚠️ Vector Search 엔드포인트 생성은 5~10분 소요됩니다. KA 생성 전에 미리 시작하세요:

Vector Search 엔드포인트를 만들어줘.
- 이름: vs-endpoint-smart-tv
- 타입: Managed (Databricks 관리)
상태가 Online이 되면 알려줘.

엔드포인트 상태가 “Online”이 된 후 아래 Knowledge Assistant 생성을 진행하세요.

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

Knowledge Assistant를 만들어줘.

설정:
- 이름: Smart TV 가이드
- 설명: Smart TV OS 사용 방법, 설정, 트러블슈팅에 대해 답변합니다.
- 지식 소스: smart_tv.bronze.tv_knowledge_base 테이블
  - 임베딩 대상 컬럼: content
  - 메타데이터 컬럼: category, title, tags
- Vector Search 엔드포인트: vs-endpoint-smart-tv (없으면 새로 생성)
- Vector Search 인덱스: vs-index-tv-knowledge
- 임베딩 모델: databricks-gte-large-en (Databricks Foundation Model)
- LLM 모델: databricks-claude-sonnet-4 또는 databricks-meta-llama-3.3-70b-instruct
- System Prompt:

"당신은 Smart TV OS 전문 어시스턴트입니다.
규칙:
1. 반드시 제공된 지식 문서에 기반하여 답변하세요.
2. 문서에 없는 내용은 '해당 정보를 찾을 수 없습니다'라고 답하세요.
3. 한국어로 답변하되, 기술 용어는 영문 병기 (예: 픽셀 리프레셔(Pixel Refresher))
4. 단계별 가이드가 필요한 경우 번호 매기기를 사용하세요.
5. 관련된 추가 팁이 있으면 '💡 참고' 형태로 추가하세요.
6. 안전 관련 주의사항이 있으면 반드시 언급하세요."

Knowledge Assistant를 생성하고 테스트 질문 3개를 실행해줘:
1. "OLED 번인을 예방하려면 어떻게 해야 하나요?"
2. "PS5를 120Hz로 연결하는 방법을 알려주세요"
3. "WiFi가 자꾸 끊기는데 어떻게 해야 하나요?"

KA 생성 확인

"Smart TV 가이드" Knowledge Assistant가 정상 생성됐는지 확인해줘.
Vector Search 엔드포인트 상태와 인덱스 문서 수도 알려줘.

⚠️ 주의: Vector Search 인덱싱은 5~10분 소요됩니다. 인덱스 상태가 “PROVISIONING”이면 “ONLINE”이 될 때까지 기다린 뒤 테스트하세요. 인덱싱 완료 전에 KA에 질문하면 “관련 문서를 찾을 수 없습니다”라고 답합니다.

Step 3: Knowledge Assistant 테스트 & 평가

Genie Code 프롬프트

방금 만든 "Smart TV 가이드" Knowledge Assistant에 다음 질문을 보내고 답변 품질을 평가해줘:

평가 기준:
- 정확성: 답변이 사실에 부합하는지 (1~5점)
- 완전성: 질문에 충분히 답했는지 (1~5점)
- 관련성: 검색된 문서가 질문과 관련있는지 (1~5점)
- 가독성: 답변이 읽기 쉬운지 (1~5점)

테스트 질문 10개:
1. "DolbyVision이 뭔가요? 어떻게 켜나요?"
2. "에어컨을 TV에서 제어할 수 있나요?"
3. "넷플릭스에서 4K로 안 나와요"
4. "리모컨 음성 인식이 안 돼요"
5. "TV 전기세를 줄이려면?"
6. "게임할 때 입력 지연을 줄이려면?"
7. "사운드바를 eARC로 연결하는 방법"
8. "OLED TV를 오래 쓰려면 어떤 설정이 좋나요?"
9. "펌웨어 업데이트가 실패했어요"
10. "Matter 디바이스를 연결하는 방법은?"

각 질문의 4가지 점수와 종합 평균을 표로 보여줘.
평균 4점 미만인 질문은 knowledge_base에 문서를 보강해야 할 후보야.

Part B: Genie Agent — 데이터 분석 에이전트

개념

Genie Agent는 앞서 만든 Genie Space를 에이전트의 도구(tool)로 사용하여, 데이터 기반 질문에 SQL 쿼리로 답변합니다.

Step 1: Genie Agent 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

다음 Genie Space들을 도구로 사용하는 Genie Agent를 만들어줘.

설정:
- 이름: Smart TV 데이터 분석가
- 설명: Smart TV 시청 데이터, 광고 성과, 디바이스 건강 상태를 분석합니다.
- 연결할 Genie Space:
  1. "Smart TV 시청 분석" (시청/콘텐츠/사용자 행동)
  2. "Smart TV Ad Performance" (광고 성과)
  3. "TV 디바이스 운영 분석" (디바이스 건강/에러)
- LLM 모델: databricks-claude-sonnet-4

System Prompt:
"당신은 Smart TV 데이터 분석 전문가입니다.
규칙:
1. 시청 관련 질문 → 'Smart TV 시청 분석' Genie Space 사용
2. 광고 관련 질문 → 'Smart TV Ad Performance' Genie Space 사용
3. 디바이스/에러 관련 질문 → 'TV 디바이스 운영 분석' Genie Space 사용
4. 숫자 결과는 표 형태로 정리
5. 추세/비교 분석 시 증감률(%)을 반드시 포함
6. 한국어로 답변하되 전문 용어는 영문 병기"

생성 후 테스트:
1. "이번 주 한국 지역 시청 시간 추이를 분석해줘"
2. "screensaver 광고의 CTR이 banner보다 높아?"
3. "에러율이 가장 높은 펌웨어 버전 3개를 알려줘"

Genie Agent 생성 확인

"Smart TV 데이터 분석가" Genie Agent가 정상 생성됐는지 확인해줘.
연결된 Genie Space 3개가 모두 인식되는지도 확인해줘.

Part C: Supervisor Agent — 멀티 에이전트 오케스트레이션

개념

Supervisor Agent는 사용자 질문의 **의도(intent)**를 파악하여, 적절한 하위 에이전트로 라우팅합니다. 단일 질문이 여러 에이전트의 정보를 필요로 할 수도 있습니다.

Step 1: Supervisor Agent 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

주의: Supervisor Agent 생성은 Genie Code/API에서 Tools 연결 시 파라미터 타입 오류가 발생할 수 있습니다. 아래 프롬프트가 실패하면, Databricks Console(UI) → Agent Bricks → Supervisor → ”+ Create” 에서 직접 생성하세요.

Supervisor Agent를 만들어줘.

설정:
- 이름: Smart TV AI 어시스턴트
- 설명: Smart TV에 관한 모든 질문에 답변하는 통합 AI 어시스턴트입니다. 사용 가이드, 데이터 분석, 트러블슈팅을 지원합니다.
- 하위 에이전트:
  1. "Smart TV 가이드" (Knowledge Assistant) — 사용법, 설정, 트러블슈팅
  2. "Smart TV 데이터 분석가" (Genie Agent) — 시청 데이터, 광고, 디바이스 분석
- LLM 모델: databricks-claude-sonnet-4

System Prompt:
"당신은 Smart TV 통합 AI 어시스턴트입니다.

## 라우팅 규칙
사용자 질문의 의도를 파악하여 적절한 에이전트로 라우팅하세요:

### Knowledge Assistant로 보낼 질문:
- "어떻게 ~하나요?", "~하는 방법", "~설정"
- 제품 기능 설명, 트러블슈팅, 사용 가이드
- 예: 'DolbyVision 켜는 법', 'WiFi 끊김 해결', 'OLED 번인 예방'

### Genie Agent (데이터 분석)로 보낼 질문:
- "얼마나", "몇 개", "추이", "비교", "분석"
- 숫자/통계/트렌드가 포함된 질문
- 예: '이번 주 시청 시간', '가장 인기 있는 앱', '에러율 추이'

### 두 에이전트 모두 필요한 질문:
- 데이터 + 가이드가 함께 필요한 경우
- 예: 'Netflix 4K가 재생 안 되는 디바이스가 많은데, 해결 방법은?'
  → 먼저 Genie: Netflix 관련 에러 통계 조회
  → 그 다음 KA: Netflix 4K 재생 조건 및 트러블슈팅 가이드

## 답변 규칙
1. 에이전트 라우팅 결정을 사용자에게 노출하지 마세요
2. 여러 에이전트의 답변은 자연스럽게 통합하여 하나의 답변으로 제공
3. 한국어로 답변하되, 기술 용어는 영문 병기
4. 답변 끝에 '🔍 관련 질문'으로 후속 질문 2~3개 제안"

Supervisor Agent를 생성해줘.

Step 2: Supervisor Agent 통합 테스트

💡 테스트 전략: 5개 시나리오를 한꺼번에 테스트하지 말고, 단순 → 복잡 순서로 하나씩 진행하세요. 각 시나리오 사이에 결과를 확인하고, 문제가 있으면 먼저 해결한 뒤 다음으로 넘어갑니다.

단계별 테스트 순서:

순서	테스트 목적	프롬프트	기대 라우팅
1단계	KA 라우팅 확인	”OLED 번인을 예방하려면?”	→ KA
2단계	Genie 라우팅 확인	”이번 주 시청 시간 추이는?”	→ Genie
3단계	하이브리드 라우팅	”버퍼링 현황과 해결 방법”	→ Genie + KA
4단계	의사결정 지원	”ThinQ 사용률과 연결 방법”	→ Genie + KA
5단계	복합 분석	”펌웨어 에러 원인과 해결”	→ Genie + Genie + KA

Genie Code 프롬프트

"Smart TV AI 어시스턴트" Supervisor Agent에 다음 시나리오를 테스트해줘:

시나리오 1 — 순수 가이드 질문:
"OLED TV를 새로 샀는데, 처음 설정할 때 꼭 해야 할 것들을 알려주세요"
→ 기대: KA가 초기 설정 가이드 제공

시나리오 2 — 순수 데이터 질문:
"이번 달 한국 지역에서 가장 많이 시청된 프로그램 Top 5는?"
→ 기대: Genie가 content_popularity 테이블 조회

시나리오 3 — 하이브리드 질문:
"최근 스트리밍 버퍼링이 많이 발생하는 것 같은데, 현황과 해결 방법을 알려주세요"
→ 기대: 
  1. Genie → streaming_qoe에서 버퍼링율 추이 조회
  2. KA → 네트워크 트러블슈팅 가이드 제공

시나리오 4 — 의사결정 지원 질문:
"에어컨을 ThinQ로 TV에서 제어하고 싶은데, 현재 ThinQ 사용률은 어느 정도인가요?"
→ 기대:
  1. Genie → iot_ecosystem_stats에서 ThinQ 사용 통계
  2. KA → 제조사 모바일 앱 연결 및 에어컨 제어 가이드

시나리오 5 — 복합 분석 + 가이드:
"펌웨어 03.33.80에서 미디어 에러가 많은 것 같은데, 원인과 해결 방법은?"
→ 기대:
  1. Genie → error_rate_by_firmware에서 해당 버전 에러 통계
  2. Genie → error_events에서 에러 유형 분석
  3. KA → 펌웨어 업데이트 방법 가이드

각 시나리오별로:
- 어떤 에이전트가 호출되었는지
- 응답 시간 (초)
- 답변 품질 (1~5점)
- 라우팅이 올바른지

결과를 표로 정리해줘.

Part D: Lakebase 연동 — 에이전트 세션 관리 (선택)

Lakebase 사용 가능한 환경에서만 진행합니다.

Lakebase 사용 불가 시: 아래 프롬프트로 확인한 뒤, 불가하면 이 Part를 건너뛰세요. 에이전트는 Lakebase 없이도 정상 동작합니다.
내 환경에서 Lakebase(Databricks managed PostgreSQL)를 사용할 수 있는지 확인해줘.

개념

에이전트와 사용자의 대화 이력을 **Lakebase(PostgreSQL OLTP)**에 저장하면:

대화 컨텍스트 유지 (이전 대화 참조)
사용자별 선호도 학습
에이전트 사용 패턴 분석

Step 1: Lakebase 데이터베이스 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

Lakebase 데이터베이스를 만들어줘.

설정:
- 데이터베이스 이름: smart_tv_agent_db
- 카탈로그: lge_smart_tv

테이블:
1. chat_sessions:
   - session_id UUID PRIMARY KEY
   - device_id VARCHAR(50) -- 어떤 TV에서 질문했는지
   - user_name VARCHAR(100)
   - started_at TIMESTAMP DEFAULT NOW()
   - ended_at TIMESTAMP
   - total_messages INT DEFAULT 0
   - satisfaction_score INT -- 1~5점

2. chat_messages:
   - message_id UUID PRIMARY KEY
   - session_id UUID REFERENCES chat_sessions
   - role VARCHAR(20) -- 'user' or 'assistant'
   - content TEXT
   - agent_used VARCHAR(50) -- 'ka', 'genie', 'supervisor'
   - response_time_ms INT
   - created_at TIMESTAMP DEFAULT NOW()

3. user_preferences:
   - device_id VARCHAR(50) PRIMARY KEY
   - preferred_language VARCHAR(10) DEFAULT 'ko'
   - notification_enabled BOOLEAN DEFAULT true
   - frequently_asked_topics TEXT[] -- 자주 묻는 주제 배열
   - last_interaction TIMESTAMP

4. agent_feedback:
   - feedback_id UUID PRIMARY KEY
   - message_id UUID REFERENCES chat_messages
   - is_helpful BOOLEAN
   - feedback_text TEXT
   - created_at TIMESTAMP DEFAULT NOW()

Step 2: 에이전트에 Lakebase 연동

Genie Code 프롬프트

Supervisor Agent의 System Prompt에 대화 이력 저장 로직을 추가해줘.

규칙:
1. 새 대화 시작 시 chat_sessions에 세션 생성
2. 매 메시지마다 chat_messages에 저장 (user, assistant 모두)
3. agent_used에 실제 호출된 에이전트 기록
4. response_time_ms에 응답 소요 시간 기록
5. 사용자가 "도움이 됐어" / "아니" 등 피드백 시 agent_feedback에 저장
6. 대화 종료 시 session.ended_at과 total_messages 업데이트

Lakebase 연결 정보를 사용하여 구현해줘.

Part E: 에이전트 고도화 팁

1. Knowledge Assistant 정확도 향상

방법	설명	효과
청킹 최적화	content를 500자 단위로 분할, 오버랩 100자	검색 정밀도 향상
메타데이터 필터	category 기반 사전 필터링	불필요한 문서 제외
Hybrid Search	키워드 + 벡터 검색 결합	정확한 용어 매칭 + 의미 검색
리랭킹	검색 결과 상위 20개를 LLM으로 재정렬	최종 답변 품질 향상

2. Genie Agent 정확도 향상

방법	설명	효과
샘플 질문 추가	실패한 질문을 샘플로 등록	SQL 정확도 직접 향상
테이블 COMMENT 보강	컬럼 값 범위, 단위 명시	Genie의 컬럼 선택 정확도
General Instructions	비즈니스 용어 사전 추가	도메인 용어 이해도
Gold 테이블 단순화	복잡한 조인 사전 수행	Genie의 SQL 복잡도 감소

3. Supervisor 라우팅 정확도 향상

방법	설명
의도 분류 예시 추가	System Prompt에 더 많은 예시 추가
Fallback 전략	라우팅 불확실 시 둘 다 호출하여 답변 통합
피드백 루프	agent_feedback 테이블의 데이터로 지속 개선

Part F: 실전 데모 시나리오

시나리오: “Smart TV CS 상담 어시스턴트”

교육 마무리 데모로 아래 대화를 시연합니다:

사용자: 최근 우리 TV에서 Netflix 버퍼링이 많이 발생하고 있나요?

AI: 최근 7일간 Netflix 스트리밍 품질을 분석한 결과입니다:
    - 버퍼링 발생률: 8.2% (전주 대비 +2.1%p 증가)
    - 평균 QoE 점수: 72/100 (전주 78에서 하락)
    - 주요 영향 지역: 한국(10.5%), 동남아(9.8%)
    - 4K 스트림에서 버퍼링 집중 (12.3% vs FHD 3.1%)

사용자: 왜 이렇게 늘었을까? 그리고 사용자한테 안내할 수 있는 해결 방법이 있어?

AI: [데이터 분석]
    펌웨어 03.33.80 디바이스에서 버퍼링이 집중되고 있습니다:
    - 03.33.80: 버퍼링률 15.2%
    - 03.33.85: 버퍼링률 4.1%
    최근 03.33.80 → 03.33.85 업데이트에 네트워크 스택 개선이 포함된 것으로 보입니다.

    [사용 가이드]
    사용자에게 안내할 수 있는 해결 방법:
    1. 펌웨어 업데이트 확인: 설정 → 지원 → 소프트웨어 업데이트
    2. Wi-Fi 최적화: 5GHz 대역 사용, 라우터와 TV 사이 장애물 제거
    3. DNS 변경: 설정 → 네트워크 → DNS를 8.8.8.8로 수동 설정
    4. 캐시 삭제: Netflix 앱 → 설정 → 캐시 삭제

    🔍 관련 질문:
    - 펌웨어 업데이트 미적용 디바이스는 몇 대인가요?
    - 지역별 네트워크 품질 차이를 볼 수 있나요?
    - Netflix 외 다른 앱도 비슷한 문제가 있나요?

핵심 포인트 정리

배운 것	Databricks 기능	비즈니스 가치
Knowledge Assistant	Vector Search, RAG	24시간 자동 CS, 매뉴얼 검색 자동화
Genie Agent	Genie Space (NL2SQL)	비개발자 셀프서비스 분석
Supervisor Agent	Multi-Agent Orchestration	단일 인터페이스로 모든 질문 해결
Lakebase 연동	PostgreSQL OLTP	대화 이력, 선호도 저장
에이전트 평가	MLflow Tracing	품질 모니터링 및 지속 개선

전체 워크샵 완료!

이 워크샵을 통해 구축한 것:

데이터 생성

250만건 가상 데이터 (17 테이블)

SDP 파이프라인

Bronze → Silver → Gold 자동 처리

분석

AI/BI 대시보드 3개 + Genie Space 3개

AI Agent

Supervisor Agent: Knowledge Assistant (100개 FAQ, RAG) + Genie Agent (3개 Genie Space)

OLTP

Lakebase (대화 이력, 사용자 선호도)

모든 과정을 Genie Code + AI Dev Kit으로 구축

​이 모듈에서 사용하는 Databricks 기능

​개요

​Part A: Knowledge Assistant (KA) — Smart TV 가이드 챗봇

​개념

​Step 1: 지식 문서 준비

​Genie Code 프롬프트: FAQ 문서 생성

​Step 2: Knowledge Assistant 생성

​사전 준비: Vector Search 엔드포인트 생성

​Genie Code 프롬프트 (AI Dev Kit MCP 활용)

​KA 생성 확인

​Step 3: Knowledge Assistant 테스트 & 평가

​Genie Code 프롬프트

​Part B: Genie Agent — 데이터 분석 에이전트

​개념

​Step 1: Genie Agent 생성

​Genie Code 프롬프트 (AI Dev Kit MCP 활용)

​Genie Agent 생성 확인

​Part C: Supervisor Agent — 멀티 에이전트 오케스트레이션

​개념

​Step 1: Supervisor Agent 생성

​Genie Code 프롬프트 (AI Dev Kit MCP 활용)

​Step 2: Supervisor Agent 통합 테스트

​Genie Code 프롬프트

​Part D: Lakebase 연동 — 에이전트 세션 관리 (선택)

​개념

​Step 1: Lakebase 데이터베이스 생성

​Genie Code 프롬프트 (AI Dev Kit MCP 활용)

​Step 2: 에이전트에 Lakebase 연동

​Genie Code 프롬프트

​Part E: 에이전트 고도화 팁

​1. Knowledge Assistant 정확도 향상

​2. Genie Agent 정확도 향상

​3. Supervisor 라우팅 정확도 향상

​Part F: 실전 데모 시나리오

​시나리오: “Smart TV CS 상담 어시스턴트”

​핵심 포인트 정리

​전체 워크샵 완료!

이 모듈에서 사용하는 Databricks 기능

개요

Part A: Knowledge Assistant (KA) — Smart TV 가이드 챗봇

개념

Step 1: 지식 문서 준비

Genie Code 프롬프트: FAQ 문서 생성

Step 2: Knowledge Assistant 생성

사전 준비: Vector Search 엔드포인트 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

KA 생성 확인

Step 3: Knowledge Assistant 테스트 & 평가

Genie Code 프롬프트

Part B: Genie Agent — 데이터 분석 에이전트

개념

Step 1: Genie Agent 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

Genie Agent 생성 확인

Part C: Supervisor Agent — 멀티 에이전트 오케스트레이션

개념

Step 1: Supervisor Agent 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

Step 2: Supervisor Agent 통합 테스트

Genie Code 프롬프트

Part D: Lakebase 연동 — 에이전트 세션 관리 (선택)

개념

Step 1: Lakebase 데이터베이스 생성

Genie Code 프롬프트 (AI Dev Kit MCP 활용)

Step 2: 에이전트에 Lakebase 연동

Genie Code 프롬프트

Part E: 에이전트 고도화 팁

1. Knowledge Assistant 정확도 향상

2. Genie Agent 정확도 향상

3. Supervisor 라우팅 정확도 향상

Part F: 실전 데모 시나리오

시나리오: “Smart TV CS 상담 어시스턴트”

핵심 포인트 정리

전체 워크샵 완료!