조건에 맞는 후보 페르소나
2026.08.20 · HANDS-ON REVIEW
Azure AI Foundry워크숍 복습 노트
프로젝트 생성부터 RAG, 단일 에이전트, A2A 멀티 에이전트까지—우리가 실제로 클릭하고 검증한 흐름을 한 장에 다시 펼쳤습니다.
END-TO-END MAP
우리가 만든 최종 흐름
자연어 요청이 두 에이전트와 두 지식 기반을 거쳐 근거 있는 추천으로 돌아오는 구조입니다.
INPUT사용자 요청40대 · VIP 07 · 무연체 · 글로벌 성장형
→
ORCHESTRATORFundRecommendationAgent조건 해석 · 도구 호출 · 추천 조립
→
A2A TOOLCreditProfileConnectorCreditProfileAgent 호출
KNOWLEDGEfund-products펀드 속성 검색
→
OUTPUT맞춤 펀드 4종요약 · 추천 · 매핑 근거 · 출처
최종 추천 펀드 후보
하위 에이전트 실제 호출
펀드 지식 출처 인용
01
FOUNDATION
Azure AI Foundry 구성
새 Foundry UX에서 프로젝트 기반을 만들고, 실습에 사용할 모델과 리전을 확정했습니다.
이번 단계의 결과
하나의 프로젝트 안에서 모델·지식·에이전트를 조립할 준비 완료
실제로 한 일
- 1Azure Portal과 Microsoft Foundry 로그인
동일 테넌트와 구독 컨텍스트를 확인했습니다.
- 2프로젝트 생성
af260820-project, East US 2로 구성했습니다. - 3상위 Foundry 리소스 생성
af260820-project-resource가 프로젝트를 호스팅했습니다. - 4모델 배포
에이전트용
gpt-5.6-luna를 배포했습니다.
원문과 달라진 점
원문
Hub + Project, gpt-4o 예시
실습
새 Foundry의 Resource + Project, gpt-5.6-luna
기억할 점
모델 이름보다 중요한 것은 프로젝트의 모델 배포를 에이전트가 선택해 사용한다는 구조입니다.
02
GROUNDING
플레이그라운드와 RAG
모델 자체 응답을 먼저 확인한 뒤, 외부 데이터를 검색 가능한 지식으로 연결했습니다.
01Prompt
역할과 응답 기준 정의
→
02Knowledge
파일을 검색 가능한 지식으로 변환
→
03Grounded answer
검색 결과를 근거로 답변
| 구성 요소 | 실제 선택 | 왜 이렇게 했나 |
|---|---|---|
| 대화/에이전트 모델 | gpt-5.6-luna | 워크숍 기본 모델을 최신 배포로 대체 |
| 지식 기반 모델 | gpt-5.4-mini | Foundry IQ의 chat-completion 모델 |
| AI Search | srch-buildflow-dev-wcea6l3wulmzi | 새 서비스를 만들지 않고 기존 Basic 검색 서비스 재사용 |
| 첫 지식 | finance-article | 금융 문서 파일을 업로드해 검색과 인용 확인 |
| Storage | staf260820project | 원문 흐름을 따라 만들었으나 새 IQ 직접 업로드 UX에서는 사용하지 않음 |
UX UPDATE
새 Foundry에서는 “데이터 추가”가 “지식(Foundry IQ)” 중심으로 보입니다.
파일 → 지식 원본 → 지식 기반 → 에이전트 연결 순으로 이해하면 화면이 달라도 흐름을 놓치지 않습니다.
03
SPECIALIST AGENT
첫 번째 에이전트: CreditProfileAgent
익명화된 카드·신용 데이터를 검색하고, 조건에 맞는 고객 페르소나를 구조적으로 반환하는 전문 에이전트를 만들었습니다.
CP
AGENT PROFILE
CreditProfileAgent
고객군 조회 · 수치 집계 · 페르소나 JSON 반환user_card_credit_summary_sample.json
회원번호, 연령대, VIP, 이용한도, 연체, 라이프스테이지 등 익명화 필드
credit-profile-data
업로드 파일을 검색 가능한 Foundry IQ 지식 기반으로 구성
회피하지 않는 응답
결과가 없어도 N=0과 계산 불가를 명시하도록 지침 설정
대표 테스트 프롬프트 보기 ＋
“40대 VIP 등급 코드 07인 회원들의 평균 이용한도와 일시상환론 금액을 알려줘. 그리고 이들의 라이프스테이지 분포도 함께 보여줘.”
“최근 카드 발급 경과월이 5개월 이하이고 단기연체 여부(6M)가 1인 회원 정보를 찾아 요약해줘.”
이 단계의 핵심
에이전트는 단순한 챗봇 이름이 아닙니다. 모델 + 지침 + 지식 + 도구를 하나의 재사용 가능한 역할로 묶은 실행 단위입니다.
04
ORCHESTRATION
멀티 에이전트: 펀드 추천
고객 조회 역할과 상품 추천 역할을 분리하고, 현재 Foundry의 A2A 방식으로 연결했습니다.
1
조건 추출
상위 에이전트가 연령대, VIP, 연체, 투자 선호를 읽습니다.
2
A2A 위임
CreditProfileConnector가 하위 에이전트에 페르소나 조회를 요청합니다.
3
상품 검색
fund-products 지식에서 위험등급·지역·스타일 기준 후보를 찾습니다.
4
추천 조립
3~5개 상품과 조건↔속성 매핑 근거를 한국어로 정리합니다.
CURRENT UX MAPPING
Connected Agents → A2A (Agent2Agent)
원문에서 “연결된 에이전트”로 설명한 기능은 현재 UI에서 A2A 도구로 등록했습니다. 표현은 달라도, 상위 에이전트가 하위 에이전트에 자연어 작업을 위임하는 목적은 같습니다.
✓
Agent cardCreditProfileAgent의 역할과 스킬 공개
✓
Connector고유 이름 CreditProfileConnector
✓
RBAC상위 Agent Identity에 Foundry Agent Consumer 부여
✓
Runtime proofa2a_preview_call / output 확인
TEST QUERY
“40대 VIP 등급 코드 07인 사용자를 대상으로, 연체 이력 없이 성장형 위주의 글로벌 주식형 펀드를 추천해줘.”
PERSONA2명
FUNDS4개
TOOLSA2A + KB
PRR3T3JYKRKK· 글로벌 브랜드/선진국 주식형PRR3T3JYKR43· 동일 전략의 대안 클래스PRR3T3JYKRRE· 중국 소비성장/글로벌 브랜드 테마PRR3T3J7FKT4· 베트남 성장주 보완 후보
상품명 원문 일부에 문자 인코딩 문제가 있어, 검증 시 상품코드를 기준으로 확인했습니다.
05
RESPONSIBLE TEARDOWN
실습 리소스 정리
기존 운영 자산은 보존하고, 이번 워크숍에서 추가된 항목만 의존성의 역순으로 제거했습니다.
삭제 완료
- ✓Foundry Agent Consumer 역할 할당
- ✓에이전트 3개와 A2A 연결
- ✓지식 기반 3개
- ✓
ks-file-246/82/905-index - ✓프로젝트, Foundry 리소스, 모델 배포
- ✓워크숍용 Storage 계정
보존 확인
srch-buildflow-dev-wcea6l3wulmzi
기존 AI Search 서비스는 Running 상태로 유지했습니다.
bnk-qna-indexbuildflow-contentbuildflow-youtube
CHEAT SHEET
다시 할 때 기억할 8가지
프로젝트
모든 모델·지식·에이전트 구성의 작업 경계
모델 배포
카탈로그 모델을 실제 호출 가능한 배포로 만드는 단계
지식 기반
파일을 검색·인용 가능한 RAG 자산으로 변환
지침
에이전트의 역할, 출력 형식, 실패 규칙을 고정
Agent card
A2A에서 하위 에이전트의 능력을 설명하는 명세
RBAC
연결을 등록하는 것과 실제 호출 권한은 별개
실행 증거
응답 품질뿐 아니라 tool call/output을 함께 확인
정리
에이전트→지식→인덱스→프로젝트→리소스 순으로 확인