AI Genius | Season 6

5:30 ก่อนเที่ยง - 6:30 ก่อนเที่ยง (UTC)

비주얼 오케스트레이션, 토큰 최적화 및 확장 가능한 에이전트 기능으로 더 스마트한 AI 워크플로 설계 세션 소개 AI 에이전트가 점점 더 큰 코드베이스와 복잡한 시스템에서 활용되면서, 비주얼 오케스트레이션과 효율적인 컨텍스트 관리는 현대적인 개발 환경에서 더욱 중요해지고 있습니다. 이 세션에서는 GitHub Copilot 앱의 Canvases, 컨텍스트 엔지니어링, 확장 가능한 에이전트 기능을 활용해 토큰을 최적화한 더욱 스마트한 AI 워크플로를 설계하는 방법을 살펴봅니다. 실습 데모를 통해 여러 에이전트의 작업을 효과적으로 조율하고 컨텍스트를 효율적으로 관리하며, 기존의 선형적인 채팅 프롬프트 방식에서 한 단계 나아가 비주얼 기반으로 에이전트를 오케스트레이션하는 방법을 알아봅니다. 주요 학습 내용 GitHub Copilot 앱의 Canvases를 복잡한 멀티 에이전트 개발을 위한 비주얼 워크스페이스로 활용하는 방법 토큰 버짓팅, 프롬프트 캐싱, 컨텍스트 트리밍을 통해 워크플로 효율성을 높이는 방법 Agent Plugins와 Model Context Protocol(MCP)을 활용해 에이전트 워크플로를 확장하는 방법 원샷 프롬프팅에서 협업형 에이전트 오케스트레이션으로 발전하기 위한 모범 사례 활용 기술 CLI, 앱, Visual Studio Code를 포함한 GitHub Copilot 개발 환경 Agent Plugins 및 Model Context Protocol(MCP) 토큰 최적화 및 컨텍스트 엔지니어링 추천 대상 복잡한 코드베이스에서 에이전틱 워크플로를 구축하는 개발자 AI 워크플로의 효율성과 컨텍스트 관리를 개선하려는 엔지니어 재사용 가능한 에이전트 기능으로 GitHub Copilot을 확장하려는 팀 비주얼 기반의 멀티 에이전트 개발 경험에 관심 있는 누구나

5:30 ก่อนเที่ยง - 6:30 ก่อนเที่ยง (UTC)

AI 에이전트 구축은 시작에 불과합니다. 프로덕션 환경에서는 품질을 지속적으로 평가하고 비용을 최적화하며, 변경 사항이 실제 성능 개선으로 이어지는지 객관적으로 확인하는 과정이 중요합니다. 이 세션에서는 Microsoft Foundry, Evaluations, Agent Optimizer를 활용해 AI 워크플로의 품질을 측정하고 벤치마킹하며 지속적으로 개선하는 방법을 알아봅니다. Microsoft IQ를 활용한 효과적인 컨텍스트 구성부터 지속적인 평가를 통한 품질 관리까지, 에이전트의 전체 수명 주기에 걸쳐 측정 가능한 지표를 기반으로 개선하는 방법을 살펴봅니다. 주요 학습 내용 Microsoft Foundry를 활용해 모델을 비교하고 선택하는 방법 에이전트에 조직의 컨텍스트를 추가하는 방법 에이전트를 위한 지속적인 평가 파이프라인을 구축하는 방법 품질, 속도, 토큰 비용 간의 균형을 분석하는 방법 Agent Optimizer를 활용해 에이전트를 개선하는 방법 CI/CD 파이프라인에서 에이전트를 관리하는 방법 활용 기준 Microsoft Foundry Microsoft Foundry Extension for Visual Studio Code Microsoft Foundry Evaluations 및 Agent Optimizer Foundry 연동을 위한 GitHub Actions 추천 대상 Microsoft Foundry에서 AI 에이전트를 구축하고 평가 및 최적화하는 데 관심 있는 개발자 GitHub 및 CI/CD 프로세스에 에이전트를 도입하려는 팀

5:30 ก่อนเที่ยง - 6:30 ก่อนเที่ยง (UTC)

레거시 애플리케이션 현대화에서 한 단계 더 나아가, 이제 AI 시스템을 안정적으로 운영하고 확장할 차례입니다. 지속적인 모니터링과 신속한 인시던트 대응, 안정적인 일상 운영까지 엔지니어링 부담을 늘리지 않으면서 지원할 수 있어야 합니다. 이 세션에서는 레거시 애플리케이션 현대화부터 AI 시스템의 운영과 확장까지 전체 과정을 살펴봅니다. 자동화된 업그레이드, 셀프 힐링 에이전트, 엔터프라이즈급 운영 인텔리전스를 활용해 대규모 업데이트를 효율화하고, 런타임 신호를 문제 해결로 연결하며, 복잡한 운영을 효과적으로 관리하는 방법을 알아봅니다. 주요 학습 내용 Copilot Modernize CLI를 활용해 레거시 애플리케이션 평가와 업그레이드를 확장하는 방법 Stacked Pull Requests를 활용해 대규모 자동 마이그레이션의 검토 효율성을 높이는 방법 Azure SRE Agent를 활용해 문제를 진단하고, 검증된 해결 방안을 제안하는 방법 토큰 효율성, 복구 시간, 승인 신호를 활용해 운영 효과를 추적하는 방법 활용 기술 Azure SRE Agent Copilot App Modernization Agent & Modernize CLI Stacked Pull Requests Human-in-the-Loop 거버넌스 패턴 추천 대상 여러 리포지토리에 걸쳐 레거시 애플리케이션을 현대화하고 있는 팀 프로덕션 환경에서 AI 시스템을 운영하는 개발자 및 플랫폼 엔지니어 에이전트를 활용한 문제 해결 및 복구를 검토하고 있는 SRE 및 DevOps 팀 확장 가능하고 안정적인 AI 운영에 주력하는 기술 리더