6장 §2

Variant 실습 예시

기존 베리언트(variant)로 실무 프로젝트를 진행해보는 실습 가이드  |  ← 레퍼런스 문서로 돌아가기

대상 저장소ai-workspace-standards, main 브랜치
이 파일의 목적6장 §1에서 설명한 명령들을 실제 시나리오 순서로 따라 해볼 수 있게 구성
레퍼런스 문서06_VariantPractice_Manual.html — 각 시나리오에서 링크로 연결됩니다
작성일2026년 7월 16일
이 문서는 이미 만들어진 베리언트(variant)를 프로젝트로 스캐폴딩해 실제 주제를 가지고 에이전트팀을 가동해보는 기존 variant 활용 실습이다. 신규 variant 생성(D-1)과 승격(P-1)은 2일차 11장·12장에서 다룬다.
🏗️
영역 1 · 기존 variant 활용

이미 만들어진 베리언트(variant)를 프로젝트로 스캐폴딩하고, 실제 주제를 가지고 에이전트팀을 가동해보는 실습이다. 베리언트(variant)가 어떻게 구성되어 있는지, 에이전트들이 어떻게 협업하는지 직접 체감하는 것이 목표이다.

● 초급 Getting Started 기존 베리언트(variant)로 프로젝트를 스캐폴딩하고, 실제 주제를 가지고 에이전트팀을 가동해보는 첫 단계
G-1 초급 co-consult — Physical AI 시장조사 프로젝트
전략 컨설팅용 variant인 co-consult를 활용해, "Physical AI(로봇·자율주행·스마트 팩토리 등 물리적 환경에서 동작하는 AI)" 시장의 진입 가능성과 경쟁 현황을 분석하는 컨설팅 프로젝트를 실제로 진행해본다. PM(Engagement Leader)이 10명의 전문 에이전트(Strategy Analyst, Industry Expert, SME, Change Management Partner 등)를 단계별로 디스패치하는 7단계 컨설팅 워크플로우가 어떻게 실제 프로젝트에서 가동되는지 경험하는 것이 목표다.
사용 요소
git clone new-project.ts list-template-versions.ts
단계별 실행
  1. 연습용 저장소 클론

    실제 작업 중인 워크스페이스와 절대 겹치지 않는 별도 폴더에 클론한다.

    git clone https://github.com/5throck/ai-workspace-standards.git ai-workspace-standards-demo
cd ai-workspace-standards-demo
  2. bun 설치 확인 후 사용 가능한 variant 목록 조회

    bun이 없다면 먼저 설치한 뒤, 저장소가 제공하는 베리언트(variant)와 버전 목록을 확인한다.

    bun --version
bun scripts/list-template-versions.ts
  3. co-consult로 Physical AI 시장조사 프로젝트 스캐폴딩

    전략 컨설팅용 variant인 co-consult로 프로젝트를 만든다. 프로젝트 이름에 실습 주제를 반영한다.

    bun scripts/new-project.ts "physical-ai-market-research" --variant co-consult
  4. 스캐폴딩된 프로젝트 구조 살펴보기

    생성된 프로젝트 디렉토리의 전체 구조를 확인한다. 에이전트 정의 파일, docs/context.md의 Phase 구성, AGENTS.md의 로스터를 중심으로 co-consult가 어떻게 7단계 컨설팅 워크플로우를 구성하는지 파악한다.

    cd physical-ai-market-research
find . -maxdepth 3 -type f | head -40
  5. 컨설팅 과제 정의 — 4단계 설계 프레임워크 적용

    에이전트팀 가동 전에, 목표·입력·출력·검증 기준을 먼저 명확히 정의한다. 이 4가지가 구체적일수록 에이전트팀이 산출하는 결과물의 품질이 크게 올라간다.

    아래 프레임워크를 작성한 뒤 PM 세션에서 에이전트팀에게 전달한다.

    Step 1 — 목표 정의: "Physical AI(로봇·자율주행·스마트 팩토리) 시장의 2030년까지 진입 전략과 경쟁 현황 분석" Step 2 — 입력 정의: 대상 산업(로봇 공학, 자율주행, 스마트 팩토리), 조사 기간(2020~2025 + 2030 예측), 중점 키워드(규제, 기술, 시장 규모) Step 3 — 출력 정의: 마크다운 형식 보고서 — 핵심 요약/현황 분석/기회와 위협/전략적 제언/참고 자료 5개 섹션 구조 Step 4 — 검증 기준: 각 항목에 출처 URL 포함, 시사점 5개 이상 번호 목록, 2,000자 이상 분량
  6. Physical AI 시장조사 주제로 에이전트팀 가동

    프로젝트 내에서 PM 세션을 시작하고, 정의한 컨설팅 과제를 PM에게 전달하여 에이전트팀을 가동한다. 각 Phase에서 어떤 에이전트가 활동하는지, 어떤 결과물이 산출되는지 관찰하면서 진행한다.

    co-consult의 7단계 워크플로우가 실제 컨설팅 프로젝트처럼 가동된다.

    Phase 0 (킥오프): PM이 과제를 받아 프로젝트 범위와 일정을 정의
    Phase 1 (시장 분석·조직 진단): Strategy Analyst가 Physical AI 시장 규모 추정·경쟁사 매핑, Industry Expert가 로봇/자율주행 도메인 기술 트렌드 제공, SME가 스마트 팩토리 구축 사례 기반 실무 관점 보강
    Phase 1.5 (교차 검증): 복수 에이전트가 서로 산출물을 교차 검토하여 정보의 신뢰성 확보
    Phase 2 (제안 승인 게이트): PM이 Phase 1 결과를 검토, 클라이언트 제출 수준인지 승인 판단
    Phase 3 (실무 솔루션 설계): Change Management Partner가 도입 로드맵과 변화 관리 계획 수립
    Phase 4 (납품): 최종 보고서(마크다운) 작성 — 핵심 요약/현황 분석/기회와 위협/전략적 제언/참고 자료
    Phase 5 (PR/인도): 고객 전달용 결과물 정리
    Phase 0 기획 Analyst 시장 분석 Expert 도메인 관점 SME 실무 사례 Phase 1.5 교차 검증 Phase 2 승인 게이트 사람 승인 Phase 3 종합 보고서 Phase 4 요약/발표 Phase 5 핸드오프 킥오프 병렬 조사 신뢰 확보 품질 관문 솔루션 설계 납품 고객 인도
  7. 결과물 검토 — 에이전트 핸드오프 추적

    가동이 완료되면 산출된 결과물을 확인한다. Phase 1에서 Strategy Analyst가 산출한 시장 분석 결과가 Phase 1.5에서 교차 검증을 거쳐 Phase 4의 최종 보고서로 어떻게 연결되었는지 추적해본다.

    find . -name "*.md" -not -path "*/node_modules/*" | head -20
cat docs/reports/*.md   # 산출된 보고서 확인
physical-ai-market-research/agents/를 열어 에이전트 정의 파일들을 살펴보면, 각 에이전트의 phases, handoff_to, handoff_from 필드가 어떻게 구성되어 있는지 확인할 수 있다. 이 실습에서는 네 가지 에이전트 유형 — 리서치 에이전트(Strategy Analyst: 시장·경쟁사·규제 조사), 분석 에이전트(Industry Expert: 패턴·인사이트 도출), 작성 에이전트(PM: 보고서·제안서 초안 구조화), 조율 에이전트(Change Management Partner: 전체 품질 검토·통합) — 이 실제 컨설팅 파이프라인에서 어떻게 협력하는지를 경험할 수 있다.
G-2 초급 co-deck — 한식 세계화(Korean Cuisine Globalization) 발표자료
강의·발표 자료 제작용 variant인 co-deck를 활용해, "한식 세계화 전략"을 주제로 발표용 슬라이드 덱을 자동 생성해본다. co-deck는 Research → Source Verifier(신뢰도 검증) → Storyline → Design → Image Curation + Diagram Generation(병렬) → HTML Build → Layout Measure → PDF Export까지 11단계 파이프라인을 자동화하는 beta variant다. G-1의 co-consult와는 완전히 다른 구조를 가진 베리언트(variant)가 어떻게 다른 형태의 결과물을 만들어내는지 비교해보는 것이 목표다.
사용 요소
new-project.ts
단계별 실행
  1. co-deck로 한식 세계화 발표자료 프로젝트 스캐폴딩

    G-1에서 사용한 것과 동일한 워크스페이스에서, 이번에는 co-deck 베리언트(variant)로 발표자료 프로젝트를 생성한다.

    bun scripts/new-project.ts "korean-cuisine-globalization" --variant co-deck
  2. 스캐폴딩된 프로젝트 구조 살펴보기

    co-consult 프로젝트(physical-ai-market-research/)와 나란히 열어 구조를 비교한다. 에이전트 수, Phase(Stage) 구성, 전문 스킬 목록이 어떻게 다른지 확인한다.

    cd korean-cuisine-globalization
find . -maxdepth 3 -type f | head -40
  3. 발표 주제 프레임 설정

    파이프라인 가동 전에 발표의 방향을 세 가지로 명확히 정한다. 청중과 목적이 명확할수록 AI가 구성하는 스토리라인과 슬라이드의 품질이 크게 올라간다.

    아래 프레임을 작성한 뒤 PM 세션에서 에이전트팀에게 전달한다.

    청중: 글로벌 식음료 기업의 진출 전략 담당자 및 한국 정부의 한식 진흥 정책 관계자 목적: 한국 음식 문화의 글로벌 확산 방안과 성공 사례를 소개하고, 진출 기회를 제안하는 설득형 발표 시간: 15~20분 (약 12~15장 슬라이드)
  4. 한식 세계화 주제로 발표자료 파이프라인 가동

    프로젝트 내에서 PM 세션을 시작하고, 정의한 프레임과 함께 "한식 세계화 전략 — 글로벌 시장에서 한국 음식 문화의 확산 방안과 성공 사례 분석"이라는 발표 주제를 부여한다.

    co-deck의 11단계 파이프라인이 발표자료 제작 워크플로우로 가동된다.

    Stage 0 (킥오프·주제 설정): PM이 청중·목적·시간을 바탕으로 발표 방향 정의
    Research: 한식 세계화 관련 자료 조사 — 글로벌 한식 시장 규모, 주요 진출 국가별 현황, 정부 한식 진흥 정책
    Source Verifier: 통계·사례 자료의 신뢰도 검증 — 출처 URL 확인, 수치의 일관성 점검
    Storyline: 발표 스토리라인 구성 — 문제 제기→현황 분석→성공 사례→진출 전략→결론·제언의 흐름으로 챕터 구성
    Design: 슬라이드 디자인 방향 설정 — 테마·스타일 선택에 따른 시각 일관성 확립
    Image Curation + Diagram Generation (병렬): 한식 관련 이미지 큐레이션 및 시장 구조·진출 로드맵 다이어그램 자동 생성
    HTML Build → Layout Measure → PDF Export: 슬라이드 HTML 생성 후 레이아웃 측정·보정, 최종 PD/svg" style="width:100%;max-width:740px;display:block;margin:0 auto;"> ① Research ② Source Verifier ③ Storyline ④ Design ⑤ Image Curation ⑤ Diagram 병렬 ⑥ HTML Build ⑦ Layout ⑧ PDF
  5. 완성된 발표자료 리뷰 및 개선

    빌드된 HTML 발표자료를 브라우저에서 열어 확인한다. 슬라이드 순서, 내용, 시각 자료를 검토하고 필요한 부분을 수정 요청한다.

    검토 포인트:
    · 슬라이드 순서가 스토리라인에 맞는가 (문제 제기→현황→사례→전략→제언)
    · 각 슬라이드의 핵심 내용이 3~4줄 이내로 간결한가
    · 불필요한 슬라이드 삭제, 누락된 내용 추가
    · 수정 요청 예시: "3번 슬라이드 제목을 더 강렬하게", "불릿 4개를 3개로 줄여줘"

    원칙: 처음 완성본이 최종본일 필요 없다 — 반복 개선이 완성도를 만든다
  6. TTS 및 자동 슬라이드 설정 (선택)

    co-deck의 기능을 추가로 체험해본다. 발표자 노트(Script)에 읽어줄 내용을 입력하면 브라우저 TTS 엔진이 한국어 음성으로 자동 낭독한다. Footer의 Manual/Auto 버튼으로 무인 프레젠테이션 모드를 설정할 수도 있다.

    TTS 설정: 각 슬라이드의 발표자 노트 칸에 짧고 명확한 문장으로 내용 작성
    자동 슬라이드: Footer의 'Manual' 버튼 → 'Auto'로 전환 (1초 간격 기본값)
    활용 시나리오: 온라인 클라이언트 배포(HTML 파일 링크 공유), 키오스크·전시회 부스 홍보, 사내 교육 자동 진행

    단축키: ←→ 슬라이드 이동, P(TTS 재생/정지), A(자동/수동 전환), S(발표자 노트 표시)
physical-ai-market-research/agents/와 korean-cuisine-globalization/agents/를 나란히 열어 파일 개수를 세어 보면 차이가 뚜렷하다 — co-consult는 10명의 전문 에이전트로 구성된 7단계 컨설팅 워크플로우, co-deck은 Research·Design·HTML Build·PDF Export 등을 담당하는 전문 에이전트들로 구성된 11단계 파이프라인이라 에이전트 수와 docs/context.md의 phase 구성이 서로 다르다. "variant 이름과 배지만으로는 짐작하기 어려운 실제 구조 차이"를 스캐폴딩 결과물로 직접 비교해볼 수 있다.
G-1의 co-consult 산출물을 G-2의 co-deck 입력으로 연결하는 것도 가능하다. Physical AI 시장조사에서 완성된 마크다운 보고서를 그대로 co-deck에 넘기면, 동일한 내용의 발표자료를 자동 생성할 수 있다. 이것이 컨설팅 파이프라인(co-consult) + 프레젠테이션 파이프라인(co-deck)의 풀 파이프라인 연동 방식이다 — 주제 입력 후 약 30~45분이면 발표 가능한 HTML 완성물이 나온다.
co-deck은 아직 beta variant다 — 5장 §3에서 다룬 바와 같이, 정식 variant보다 구조가 자주 바뀔 수 있으므로 실무 프로젝트보다는 이런 학습·실험 용도로 먼저 접해보는 것을 권장한다.

ai-workspace-standards main 브랜치 기준 | 2026년 7월 16일 작성
← 6장 §1 · 레퍼런스로 돌아가기