VS Code의 AI 에이전트: 스마트 채팅부터 완벽한 도구 기반 워크플로까지

홈 » Python » VS Code의 AI 에이전트: 스마트 채팅부터 완벽한 도구 기반 워크플로까지

Visual Studio Code 내의 AI 기반 코딩 기능은 단순한 자동 완성 기능을 훨씬 뛰어넘었습니다.최신 AI 에이전트는 이제 작업 공간을 읽고, 도구를 실행하고, 전체 기능을 리팩토링하고, 심지어 편집기에서 직접 완전한 애플리케이션을 설계하고 배포하는 데 도움을 줄 수 있습니다. JavaScript와 React 경험이 있고 VS Code를 오랫동안 사용해 왔다면 편집기의 AI 확장 기능과 에이전트 워크플로 환경이 초창기 시절과는 완전히 다르게 느껴질 수 있습니다. GitHub 부조종사.

단순히 "코드 제안"이라는 관점에서만 생각하는 대신VS Code의 새로운 AI 물결은 다음을 중심으로 전개됩니다. 자치령 대표, 정 자국이 나란히 나게하는 다듬질예산 및 통합 모델 워크플로우 이 가이드는 모델 발견 및 테스트, 도구를 사용한 에이전트 구축, 품질 평가, 성능 최적화, 그리고 최종적으로 로컬 또는 클라우드 환경에 배포하는 등 AI 기반 애플리케이션의 전체 수명 주기를 다룹니다. VS Code의 AI 에이전트가 현재 수행할 수 있는 작업, Microsoft의 AI 툴킷 및 Azure AI Foundry 확장 프로그램이 이러한 환경을 구성하는 방식, 그리고 GitHub Copilot과 같은 기존 어시스턴트와의 차이점을 살펴보고 개인 프로젝트에 가장 적합한 설정을 선택하는 데 도움을 드립니다.

VS Code의 AI 에이전트는 오늘날 실제로 어떤 기능을 할까요?

요즘 사람들이 "VS Code의 AI 에이전트"에 대해 이야기할 때그들이 말하는 것은 사이드바의 채팅 말풍선 그 이상입니다. 최신 에이전트는 완전한 에이전트 루프를 따릅니다. 파일을 읽고 분석하고, 코드베이스의 어느 부분을 수정할지 결정하고, 명령을 실행하고, 도구를 조율하고, 합리적인 해결책에 도달할 때까지 자체 계획을 반복적으로 수정할 수 있습니다. 이러한 기능은 마치... 최신 IDE에서의 다중 에이전트 제어여기서는 협력하는 에이전트들이 더 큰 작업을 수행합니다.

VS Code에 내장된 AI 기능은 다양한 상호 작용 모드 스펙트럼에 걸쳐 있습니다. 내부적으로는 동일한 대규모 언어 모델(GitHub Copilot에서 호스팅하는 모델 및 기타 LLM과 같은)을 공유하지만, 일상적인 작업에서는 매우 다른 느낌을 주는 도구들이 있습니다. 어떤 도구는 매우 가벼워서 작업 흐름을 거의 방해하지 않는 반면, 다른 도구는 대규모 리팩토링이나 아키텍처 변경을 담당하는 자율적인 협업자처럼 작동합니다.

첫 번째 단계는 인라인 제안입니다.타이핑하는 동안 나타나는 자동 완성 기능입니다. 이 기능은 특수 자동 완성 모델을 기반으로 하며, 완전한 에이전트 루프나 도구를 사용하지 않습니다. 단지 사용자의 다음 편집 내용을 예측하고, 다음 편집 위치를 암시하는 "다음 편집 제안"을 제공할 뿐입니다. 완전한 AI 대화가 아닌, 단순히 빠른 타이핑을 원할 때 적합합니다.

그뿐만 아니라 인라인 채팅 기능도 제공됩니다.편집기 내에 바로 내장된 간단한 채팅 인터페이스를 통해 특정 선택 항목이나 파일에 대한 변경 요청을 할 수 있습니다. 사이드 패널로 전환하는 대신, 현재 위치에서 "이 부분을 재사용 가능한 훅으로 추출해 주세요" 또는 "이 React 클래스 컴포넌트를 훅을 사용하는 함수로 변환해 주세요"와 같은 지침을 입력할 수 있습니다.

스펙트럼의 무거운 쪽 끝에는 상담원과 채팅 세션이 있습니다.여기서는 에이전트가 여러 파일에 대해 논의하고, 시간 경과에 따른 컨텍스트를 유지하며, 도구를 호출할 수 있는 전용 채팅 화면에서 상호 작용합니다. 바로 이 부분에서 새로운 에이전트 유형(에이전트, 플랜, 질문, 그리고 사용자 지정 에이전트)이 단순한 자동 완성 기능이 아니라 VS Code에 내장된 실제 팀원처럼 느껴지기 시작합니다.

VS Code용 AI 툴킷: 모델, 에이전트 및 워크플로를 위한 허브

Visual Studio Code용 AI 툴킷은 Microsoft에서 제공하는 포괄적인 확장 프로그램입니다. 이 플랫폼은 생성형 모델을 사용하여 지능형 애플리케이션을 구축, 테스트 및 배포하려는 개발자와 AI 엔지니어를 위해 설계되었으며, 편집기를 벗어나지 않고 모든 작업을 수행할 수 있습니다. 초기 실험 및 신속한 설계부터 평가, 최적화 및 배포에 이르기까지 AI 자체를 위한 통합 개발 환경이라고 생각하시면 됩니다.

이 툴킷은 여러 인기 모델 제공업체와 긴밀하게 통합됩니다.OpenAI, Anthropic, Google 및 GitHub에서 호스팅하는 모델을 포함하여 클라우드 기반 모델을 지원하는 동시에 ONNX 및 Ollama를 통해 로컬 모델도 지원합니다. 즉, 클라우드 모델과 로컬 모델을 혼합하여 사용하고, 각각을 실험해보고, 성능, 개인정보 보호 또는 비용 제약 조건에 가장 적합한 조합을 결정할 수 있습니다. 더 자세한 내용을 알고 싶으시면 문의해 주세요. alojar modelos de lenguaje localmente특히 툴킷의 로컬 모델 지원 기능이 중요합니다.

이 확장 프로그램은 기능을 몇 가지 주요 섹션으로 구성합니다. 확장 프로그램을 설치하면 VS Code 활동 표시줄에 AI 툴킷 아이콘이 나타나는데, 이 아이콘을 통해 접근할 수 있습니다. 주요 진입점은 내 리소스, 모델 도구, 에이전트 및 워크플로 도구, MCP 워크플로, 도움말 및 피드백이며, 각각 AI 개발 수명주기의 다양한 단계를 위한 대시보드 역할을 합니다.

내 리소스에는 이미 사용 가능한 모든 항목이 표시됩니다. 현재 환경에는 배포된 모델, 정의된 에이전트 및 MCP 서버가 포함됩니다. 예를 들어, '모델' 항목에는 AI 애플리케이션에 사용할 수 있는 배포 목록이 표시되고, '에이전트' 항목에는 활성화된 AI 툴킷 에이전트 목록이, 'MCP 서버' 항목에는 연결된 모델 컨텍스트 프로토콜(MCP) 서버 목록이 표시됩니다.

모델 툴은 실제로 AI 기반을 구축하고 다듬는 작업 공간입니다.여기에서 모델 카탈로그를 탐색하여 GitHub, ONNX, Ollama, OpenAI, Anthropic, Google 및 기타 소스의 모델을 찾아보고, 옵션을 나란히 비교하여 각 작업에 가장 적합한 모델을 선택할 수 있습니다. 모델 플레이그라운드는 프롬프트를 테스트하고, 매개변수를 조정하고, 이미지 또는 파일 입력과 같은 멀티모달 기능을 탐색할 수 있는 대화형 채팅 환경을 제공합니다.

모델 툴 내의 변환 도구는 기존 모델을 효율적인 로컬 배포용으로 변환하는 데 중점을 둡니다.Hugging Face와 같은 곳에서 제공하는 머신러닝 모델을 사용하는 경우, CPU, GPU 또는 NPU 가속을 사용하여 Windows에서 원활하게 실행되도록 모델을 변환, 양자화 및 최적화할 수 있습니다. 또한, 미세 조정 도구를 사용하면 GPU를 사용하여 로컬에서 또는 Azure Container Apps를 통해 클라우드에서 자체 데이터 세트를 사용하여 사전 학습된 모델을 특정 도메인에 맞게 조정할 수 있습니다.

에이전트 및 워크플로우 도구: AI 에이전트 구축, 테스트 및 평가

모델 준비가 완료되면 에이전트 및 워크플로 도구 섹션에서 진정한 "에이전트"의 마법이 펼쳐집니다.이 영역에서는 VS Code 안팎에서 사용자를 대신하여 작업을 수행할 수 있는 AI 에이전트를 구축, 배포 및 개선하는 데 필요한 모든 것을 제공합니다.

에이전트 빌더는 에이전트 워크플로의 핵심입니다.이 도구는 프롬프트 엔지니어링과 에이전트 설계를 간소화하여 구조화된 출력과 MCP 도구를 활용하는 정교한 AI 역할을 생성할 수 있도록 지원합니다. 시스템 프롬프트, 역할 및 동작을 정의한 다음, 이러한 에이전트를 애플리케이션에 통합하는 프로덕션 환경용 코드를 생성할 수 있습니다. el에 대한 자세한 내용은 다음을 참조하십시오. IA 대리인 장비의 설계 및 구성해당 리소스는 에이전트 빌더 워크플로를 보완합니다.

Bulk Run은 AI 워크플로우에서 덜 화려하지만 절대적으로 중요한 부분인 대규모 테스트에 초점을 맞춥니다.모델이나 에이전트에 수동으로 반복적으로 프롬프트를 입력하는 대신, 여러 모델에 걸쳐 일괄 프롬프트 테스트를 동시에 실행할 수 있습니다. 이는 출력을 비교하고, 다양한 시나리오에서 동작을 검증하며, 어떤 모델이나 프롬프트 구성을 채택할지 데이터 기반으로 결정하는 데 매우 유용합니다.

AI 툴킷에는 평가 기능이 내장되어 있으므로 매번 자체적인 평가 지표를 만들 필요가 없습니다.데이터셋과 F1 점수, 관련성, 유사성, 일관성 등의 표준 평가 지표를 사용하여 모델 및 에이전트 성능을 평가할 수 있습니다. 특정 도메인에 맞는 정확성이나 어조와 같은 특수한 요구 사항이 있는 경우, 정답 데이터와 비교하여 출력을 평가하는 사용자 지정 평가 기준을 정의할 수도 있습니다.

추적 기능을 사용하면 에이전트와 모델이 실제로 무엇을 하고 있는지 파악할 수 있습니다.추적 데이터를 수집하고 호출, 결정 및 타이밍을 검사하여 이상 동작이나 성능 병목 현상을 진단할 수 있도록 지원합니다. Windows에서는 프로파일링(Windows ML) 기능을 통해 더욱 심층적인 분석을 제공하며, 다양한 실행 공급자에서 ONNX 모델의 CPU, GPU 및 NPU 리소스 사용량과 Windows 머신 러닝 이벤트를 표시하여 하드웨어 효율성을 극대화할 수 있도록 도와줍니다. 이러한 기능은 다음과 같은 용도에 적합합니다. 도구 AI para depuración 개발 워크플로우에서의 성능 분석.

이러한 도구들을 함께 사용하면 VS Code는 AI 에이전트 개발을 위한 실용적인 실험실로 변모합니다.에이전트를 설계하고, 도구를 장착하고, 실제 워크로드에서 실행하고, 동작을 측정하고, 신속하게 반복 작업을 수행할 수 있습니다. 클라우드 포털, 스크립트 및 타사 대시보드 사이를 끊임없이 전환할 필요가 없습니다.

MCP 워크플로우: 외부 도구 및 서버 연결

VS Code에서 강력한 AI 에이전트를 구현하는 핵심 요소 중 하나는 도구를 호출할 수 있는 능력입니다.여기에는 설치된 확장 프로그램에서 제공하는 도구와 MCP(모델 컨텍스트 프로토콜) 서버를 통해 노출되는 도구가 모두 포함됩니다. AI 툴킷의 MCP 워크플로 섹션은 이러한 서버를 연결하고 에이전트의 도구 상자에 포함시키는 방법을 설명합니다.

"MCP 서버 추가" 항목을 사용하면 기존 MCP 서버를 연결할 수 있습니다. 이를 통해 에이전트는 외부 API를 쿼리하고, 데이터베이스와 상호 작용하거나, 프로젝트 코드베이스 외부에 있는 작업을 수행할 수 있습니다. 즉, 에이전트의 기능을 텍스트 파일을 읽고 간단한 명령을 실행하는 것 이상으로 확장할 수 있습니다.

사용자 지정 기능을 원하는 경우 "새 MCP 서버 생성" 옵션을 통해 완전히 새로운 서버를 설정하는 과정을 안내받을 수 있습니다. 에이전트 계층에 자체 도구 또는 서비스를 노출하는 기능입니다. 예를 들어, 에이전트가 회사 내부 API, 비즈니스 로직 또는 인프라 명령을 이해하도록 하고 싶지만 이러한 내용을 프롬프트에 하드코딩하고 싶지 않을 때 유용합니다. 기업 환경에서 이러한 기능이 점점 더 많이 채택되고 있습니다. 역할이 있는 IA 에이전트 비즈니스 규칙 및 권한을 기록하기 위해.

MCP 서버가 툴킷에 연결되면이러한 도구들은 상담원이 상담 과정 중에 자동으로 호출할 수 있는 도구 모음의 일부가 됩니다. 사용자 입장에서는 상담원이 더욱 스마트하게 움직이는 모습만 보게 됩니다. 상담원은 정보를 검색하고, 리소스를 조작하며, 이전에는 사용자가 여러 단계를 거쳐 수동으로 처리해야 했던 작업들을 완료합니다.

AI 툴킷과 에이전트 워크플로우를 통해 누가 가장 큰 혜택을 받을까요?

AI 툴킷과 VS 코드 에이전트는 전문 머신러닝 전문가에게만 국한되지 않습니다.이러한 도구들은 일반 앱 개발자부터 교육자, 학생에 이르기까지 생성형 AI를 사용하는 다양한 사람들을 지원하도록 설계되었습니다. 하지만 동일한 도구 세트라도 사용 목적에 따라 매우 다르게 느껴질 수 있습니다.

기존 애플리케이션 개발자들은 많은 이점을 얻을 수 있을 것입니다.웹 또는 데스크톱 앱을 개발하고 챗봇, 요약, 코드 생성 또는 콘텐츠 필터링과 같은 지능형 기능을 추가하려는 경우 이러한 도구를 사용하면 언어 모델을 더 쉽게 통합할 수 있습니다. 풀스택 개발자는 에이전트가 상용구 코드, 연결 및 리팩토링을 처리하는 동안 프런트엔드 및 백엔드 로직을 빠르게 반복 개발할 수 있습니다.

모바일 개발자는 동일한 환경을 사용하여 AI 기능의 프로토타입을 제작할 수 있습니다.예를 들어, 특정 기기 내 또는 클라우드 배포 전략을 확정하기 전에 앱 내 어시스턴트 또는 콘텐츠 추천 엔진에 대한 프롬프트를 테스트할 수 있습니다. ONNX 및 Ollama를 통한 로컬 모델을 사용하면 클라우드에 즉시 의존하지 않고도 개인 정보 보호에 유리한 설정을 검증할 수 있습니다.

데이터 중심적인 측면에서 보면, AI 엔지니어와 데이터 과학자들은 일상적인 워크플로에 맞는 도구를 얻게 됩니다.VS Code를 사용하면 특정 도메인에 맞게 모델을 미세 조정하고, 여러 후보에 대한 평가를 실행하고, 배포 대상을 직접 관리할 수 있습니다. 특히 머신러닝 엔지니어는 Windows 환경에서 모델을 프로덕션 환경에 더 가깝게 만드는 데 도움이 되는 변환 및 최적화 기능을 통해 큰 이점을 얻을 수 있습니다.

연구자, 교육자 및 학생들은 직접적인 실험에 참여할 수 있는 명확한 경로를 갖게 되었습니다.AI 연구자들은 플레이그라운드에서 다양한 모델을 탐색하고 엔지니어링 기법을 연습할 수 있으며, 교육자들은 에이전트 동작, 컨텍스트 활용, 평가 지표 등 다양한 기능을 에디터에서 직접 시연할 수 있습니다. 학생들은 모델과 직접 대화하고, 간단한 에이전트를 구축하고, 다양한 프롬프트와 도구가 결과에 어떤 영향을 미치는지 관찰하면서 생성형 AI를 학습할 수 있습니다.

VS Code 내 AI 에이전트 및 모델의 주요 사용 사례

모든 구성 요소가 갖춰지면 AI 툴킷과 VS 코드 에이전트의 실제 사용 사례는 AI 개발 수명주기의 거의 전체를 포괄합니다.소규모의 대화형 실험으로 시작하여 최종적으로는 실제 애플리케이션의 일부로 견고하고 잘 평가된 에이전트를 배포할 수 있습니다.

모델 탐색 및 비교는 첫 번째 단계 중 하나입니다.모델 카탈로그를 사용하면 Anthropic, OpenAI, GitHub 등에서 제공하는 모델을 빠르게 찾아보고, 기능을 검토한 다음, 플레이그라운드 또는 일괄 실행을 통해 응답을 직접 비교할 수 있습니다. 개발팀에게 있어 여러 제공업체에서 동일한 프롬프트를 테스트할 수 있다는 것은 비용, 지연 시간 및 품질 간의 최적의 균형을 찾는 데 매우 유용합니다.

ONNX와 Ollama를 통해 모델을 로컬에서 실행하는 것은 개인 정보 보호에 민감하거나 예산이 제한적인 시나리오에서 매우 중요합니다.데이터를 자신의 컴퓨터에 보관하면서도 생성형 기능을 활용할 수 있으므로, 기밀 코드가 필요한 개인 프로젝트나 엄격한 규정 준수 요건을 가진 조직에 특히 유용합니다.

에이전트 구축 및 테스트는 또 다른 핵심 사용 사례입니다.Agent Builder와 에이전트 중심 도구를 사용하면 여러 단계로 구성된 도우미(예: 코드 검토 도구 또는 문서 생성기)를 설계하고, MCP 도구를 연결하고, 통합 코드를 생성한 다음, Playground 및 평가 도구를 사용하여 에이전트가 일관되게 동작하는지 확인할 수 있습니다.

마지막으로, 전환 및 최적화 워크플로는 실험과 배포 사이의 간극을 메우는 데 도움이 됩니다.Hugging Face와 같은 저장소에서 모델을 변환하고, Windows 하드웨어에 최적화하고, 자체 데이터로 미세 조정하면 다른 곳에 설정을 완전히 새로 구축하지 않고도 로컬 프로토타입을 프로덕션 환경까지 바로 가져갈 수 있습니다.

VS Code에 AI Toolkit 설치 및 설정

Visual Studio Code에서 AI Toolkit을 시작하는 방법은 의도적으로 매우 간단하게 설계되었습니다.가장 빠른 방법은 Visual Studio Marketplace에서 확장 프로그램을 다운로드하여 설치한 다음, 활동 표시줄에서 새 AI Toolkit 아이콘을 찾아 전용 보기를 여는 것입니다.

수동 경로를 선호하거나 필요한 경우VS Code에 설명된 표준 "확장 프로그램 설치" 절차를 따라 확장 프로그램을 설치할 수도 있습니다. 그런 다음 활동 표시줄에 AI Toolkit 아이콘이 나타나는지 다시 확인하십시오. 아이콘을 열면 앞서 설명한 주요 섹션인 내 리소스, 모델 도구, 에이전트 및 워크플로 도구, MCP 워크플로, 도움말 및 피드백이 표시됩니다.

내 리소스는 Azure AI 리소스를 위한 제어 센터 역할을 합니다. 편집기에서 배포된 앱 모델, 구성한 기존 에이전트, 현재 작업 중인 MCP 서버를 사용할 수 있습니다. 여기에서 새 도구를 구축하기 전에 사용 가능한 항목을 확인할 수 있습니다.

모델 도구에서 바로 모델을 찾아보고 테스트할 수 있습니다.모델 카탈로그를 사용하면 다양한 공급업체를 찾아보고 한 곳에서 비교할 수 있으며, 플레이그라운드는 파일을 첨부하고 이미지 입력을 보내고 온도나 최대 토큰 수와 같은 매개변수를 조작할 수 있는 대화형 다중 모드 환경을 제공합니다.

변환 및 미세 조정 옵션은 동일한 섹션에서 이용할 수 있습니다.이를 통해 사전 구축된 머신러닝 모델을 로컬에 최적화된 아티팩트로 변환하고, 도메인별 변형 모델을 로컬 머신이나 GPU 가속을 사용하는 Azure Container Apps에서 학습시킬 수 있습니다. 많은 팀에게 있어 이는 범용 모델에서 데이터에 최적화된 특수 "자체 모델"로 나아가는 경로입니다.

학습 자료: 단계별 안내 및 문서

흔히 발생하는 "설치했는데, 이제 어떻게 하지?"라는 느낌을 피하기 위해AI 툴킷에는 도움말 및 피드백 섹션에서 열 수 있는 시작 가이드가 포함되어 있습니다. 이 가이드를 통해 플레이그라운드와 기본적인 채팅 상호 작용을 체험해 볼 수 있으므로 전체 설명서를 읽기 전에 핵심 기능을 바로 경험할 수 있습니다.

활동 표시줄에서 AI 툴킷 보기를 열면 튜토리얼을 시작할 수 있습니다.그런 다음 도움말 및 피드백에서 시작하기 항목을 찾아보세요. 그러면 클릭해야 할 위치, 시도해 볼 사항, 주요 구성 요소들이 어떻게 연결되는지 단계별로 안내하는 화면이 나타납니다.

도움말 및 피드백 영역에서 자세한 설명서와 튜토리얼 링크를 찾을 수 있습니다.여기에는 Microsoft Foundry 확장 문서, 튜토리얼 갤러리, "새로운 기능" 섹션의 릴리스 노트, 그리고 문제를 보고하거나 개발 과정을 확인할 수 있는 GitHub 저장소가 포함됩니다. 기본 아키텍처를 이해하는 것을 선호하는 사용자라면 이러한 리소스를 통해 모델, 도구 및 에이전트가 상호 작용하는 방식을 자세히 살펴볼 수 있습니다.

보다 서술적이고 데모 형식의 개요를 원하시면 녹화된 세션도 있습니다. 제품 관리자는 편집기에서 바로 모델 연결, 성능 평가, 지능형 에이전트 구축 및 MCP 도구 연결 과정을 단계별로 안내합니다. 이러한 데모는 Azure AI Foundry 기능, Azure에 모델 배포, 시각적 에이전트 설계, Bing 검색 통합, 코드 해석 도구 및 에이전트 상호 작용 디버깅에 대한 자세한 내용을 다룹니다.

VS Code의 내장 에이전트 유형 및 로컬 에이전트 세션

AI 툴킷 외에도, 이제 Visual Studio Code 자체에 에이전트 개념이 내장되어 있습니다. 채팅 인터페이스에 상주하며 사용자의 컴퓨터에서 "로컬 에이전트"로 작동하는 도구입니다. 이러한 에이전트는 VS Code 내에서 대화형으로 실행되며, 현재 작업 공간에 접근할 수 있고, 확장 프로그램 및 MCP 서버의 도구를 활용할 수 있어 상황에 맞는 강력한 코딩 파트너가 됩니다.

로컬 에이전트는 빠른 양방향 소통이 필요한 대화형 작업에 특히 적합합니다.아키텍처 브레인스토밍, 작업 계획 수립, 부분적으로 정의된 요구 사항 반복 작업 등에 활용할 수 있습니다. 파일을 보고 진단 정보를 읽고 도구를 실행할 수 있으므로 디버깅, 리팩토링 및 문서화 작업에도 이상적입니다.

이러한 현지 에이전트의 주요 특징에는 전체 작업 공간 접근 권한이 포함됩니다.—이들은 파일을 읽고 수정할 수 있고, 프로젝트 컨텍스트를 고려할 수 있으며, VS Code에 구성된 모든 에이전트 도구(내장 기능부터 설치된 확장 프로그램 및 MCP 엔드포인트까지)를 호출할 수 있습니다. 또한 기본 Copilot 모델이든 다른 공급자의 BYOK(Bring Your Own Key) 모델이든 관계없이 사용 가능한 모든 모델을 사용할 수 있습니다.

채팅 패널을 닫더라도 로컬 상담원 세션 자체는 활성 상태로 유지될 수 있습니다.또한 전용 보기에서 활성 세션을 추적하고 관리할 수 있습니다. 이러한 세션 지속 기능은 상담원이 하루 중 이전에 처리했던 컨텍스트를 다시 참조해야 할 수 있는 장기 실행 작업을 수행할 때 유용합니다.

VS Code에는 세 가지 주요 내장 에이전트 페르소나가 포함되어 있습니다. 에이전트, 플랜, 요청 등 다양한 워크플로에 최적화되어 있으며, 코드 검토, 테스트 자동화 또는 문서 생성과 같은 고도로 전문화된 작업을 위해 사용자 지정 에이전트를 정의할 수도 있습니다.

내장 에이전트, 플랜 및 요청 모드에 대한 설명

일반적인 "에이전트" 페르소나는 복잡한 코딩 작업에 최적화되어 있습니다. 상위 수준 요구 사항을 기반으로 합니다. 코드 라인을 세밀하게 수정하는 대신, 이 에이전트는 프로젝트의 상당 부분을 읽고, 일련의 변경 사항을 계획하고, 터미널 명령과 도구를 실행하고, 요청된 기능이나 리팩토링이 완료될 때까지 반복 작업을 수행할 수 있습니다.

에이전트 모드에서 VS Code는 편집기에서 직접 변경 사항을 적용합니다.또한 오버레이 컨트롤을 통해 제안된 편집 내용 사이를 이동하고 승인하기 전에 검토할 수 있습니다. 에이전트는 백그라운드에서 테스트 실행, 진단 검사 또는 작업 공간 검색과 같은 여러 도구를 호출하여 작업을 완료할 수 있습니다. 이는 패턴과 직접적으로 연결됩니다. AI 기반 디버깅 및 테스트 자동화된 유효성 검사 워크플로우.

에이전트 모드에 도구를 추가하여 기능을 더욱 풍부하게 만들 수 있습니다.MCP 서버를 통해서든 사용자 지정 도구를 제공하는 확장 기능을 통해서든 가능합니다. 즉, 에이전트는 예를 들어 동일한 대화 내에서 외부 API에 접근하거나, 인프라 서비스와 통신하거나, 다른 확장 기능을 통해 코드 변환을 수행할 수 있습니다.

"계획" 유형은 명확한 실행 로드맵을 구축하는 데 특화되어 있습니다.파일을 직접 편집하는 대신, 상위 수준 요청을 구조화된 단계로 분해하고, 명확한 질문을 던지고, 견고하고 실행 가능한 계획을 수립하는 데 중점을 둡니다. 그런 다음 이 계획을 상담원 모드에 전달하거나 수동으로 실행하면서 따를 수 있습니다.

"질문하기" 페르소나는 코드와 개념에 대한 질문과 답변을 얻을 수 있는 최고의 선택입니다.Ask는 코드의 작동 방식, 구성 정의 위치, 기능 구현 방법 등 이해, 설명 및 아이디어 탐색에 최적화되어 있습니다. Ask는 에이전트 기능을 사용하여 코드베이스에서 컨텍스트를 수집하므로 일반적인 정형화된 답변이 아닌 실제 프로젝트에 기반한 답변을 제공합니다.

Ask가 코드 블록으로 응답할 때마우스 커서를 해당 요소 위에 올려놓고 "편집기에서 적용" 작업을 사용하여 적절한 파일에 코드를 삽입하거나 바꿀 수 있습니다. 이렇게 하면 여러 파일을 일괄적으로 편집하는 대신 세부적인 제어가 가능합니다. 많은 개발자에게 있어 이는 코드베이스에서 AI를 사용하면서도 제어권을 포기한다는 느낌 없이 안전하게 시작할 수 있는 가장 좋은 방법입니다.

VS Code에서 로컬 에이전트 세션 시작하기

VS Code에서 로컬 에이전트 세션을 시작하는 것은 Copilot과 채팅을 시작하는 것과 매우 유사합니다.하지만 세션 중에 사용할 페르소나와 사용 가능한 도구를 더욱 명확하게 제어할 수 있습니다.

일반적인 에이전트 페르소나로 세션을 시작하려면채팅 보기를 열고 상담원 선택기에서 "상담원"을 선택한 다음 입력란에 간단한 요청 사항을 입력하세요. 예를 들어 "이 앱에 OAuth2 + JWT 인증 흐름을 구현해 주세요" 또는 "GitHub Actions를 사용하여 이 저장소에 대한 CI/CD를 설정해 주세요"와 같은 요청일 수 있습니다.

전송하기 전에 도구 선택기를 사용하여 특정 도구를 활성화 또는 비활성화할 수 있습니다.이를 통해 에이전트에 부여할 권한의 범위를 결정할 수 있습니다(예: 테스트 실행, 파일 일괄 수정 또는 외부 MCP 도구 호출). 그런 다음 Enter 키를 누르거나 보내기를 클릭하여 에이전트 루프를 시작합니다.

에이전트가 변경 사항을 제안하고 도구를 실행하는 동안사용자는 에이전트의 작업을 검토하고 확인하거나 조정할 수 있습니다. 에이전트가 작업을 진행하는 동안에도 후속 메시지를 계속 보내 방향을 제시하거나, 새로운 요청을 대기열에 추가하거나, 작업을 중단하고 즉시 다른 지시를 내릴 수 있습니다. 이러한 대화형 제어 기능을 통해 에이전트를 실시간으로 안내하는 실제 협력자처럼 활용할 수 있습니다.

Ask 페르소나부터 시작하는 것은 훨씬 더 간단합니다.채팅창에 질문을 입력하고 상담원 선택에서 '질문하기'를 선택한 후 보내세요. 파일 참조나 코드 조각과 같은 구체적인 맥락을 추가하면 특히 상담원이 너무 광범위하게 검색할 수 있는 대규모 프로젝트의 경우 더욱 정확한 답변을 얻을 수 있습니다.

각 페르소나에 대해 추가적인 학습 경로와 튜토리얼이 제공됩니다.에이전트 개요, 실습 가이드, 도구 및 사용자 지정 에이전트에 대한 문서, 채팅 인터페이스에 대한 전용 기사 등을 포함하여 기본적인 사용법을 익힌 후 고급 기능을 활용할 수 있도록 지원합니다.

전반적으로 VS Code의 최신 AI 스택(AI 툴킷, Azure AI Foundry 통합, 로컬 에이전트, 내장 페르소나 및 MCP 도구)은 에디터를 완벽한 AI 작업 공간으로 만들어 줍니다. 모델을 발견하고, 프롬프트를 작성하고, 에이전트를 구축 및 평가하고, 외부 서비스에 연결하고, 최종적으로 JavaScript, React 또는 기타 애플리케이션에 임베드할 수 있는 모든 작업을 코드베이스와 개발 워크플로를 엄격하게 제어하면서 수행할 수 있습니다.