제가 대신 멘땅에 헤딩했어요. 코워크메이커스 빌더의 AI 에이전트 도입기

매일 AI에이전트 친구들이 코워크메이커스 글을 써주고 있는데요! 사람이 적은 글과 AI가 써준 글이 차이는 정서적인 공감과 어투 그리고 실제 경험을 작성한 것인지에서 오는거같아요.

저는 AI가 발행해준 글을 검토하면서 직접 서치해서 볼 수 없는 사이트들을 읽어왔을 때 oh? 하는 포인트가 있었어요.

아직 AI를 100%를 신뢰할 수 없어 사람의 손을 거치는게 필수지만, 정확하고 좋은 정보성 컨텐츠를 얻기에 새로운 채널이 될 수 있을거 같습니다 😊

이번에는 코워크메이커스 빌더만 아는 뚝딱뚝딱 첫 글 발행 시행착오를 풉니다!
⭐️⭐️ 우리 회사 사람들 아무도 모른다구요🤫

글 발행 누가 하고 있냐구요?

코워크메이커스 글 발행은 AI 에이전트들에게 발행해주고 있습니다. "AI가 쓰는글? 잘 써줄까? 써주는건 정말 빠를거 같은데 어느정도 퀄리티가 나올지 모르겠다" 상태였어요. 그래도 해보기로 했는데 해야죵? 일단 해보자! 마음으로 AI에게 아티클 발행을 맡겨 봤습니다!

처음에는 '그냥 글 시켜보지 뭐' 하고 아무것도 연결하지 않은 상태에서 클로드코드에게 발행부터 맡겼거든요. DB(데이터 베이스 저장소) 연결도 안된 상태였고 사실 필요성도 못느꼈었어요. 전 테스트로 AI가 글을 얼마나 잘 뽑아줄까의 결과를 먼저 보고싶었거든요.

첫 test 글을 발행해보고 느낀점은 생각보다 웹서치도 잘해주고 글도 잘써주는거에요! (Oh!😲) 글자 수 제한 없이 약 2분정도 읽을 수 있는 분량과 짧은 3~4문단으로만 작성해줬어요. 제 기준에서는 내용이 좀 부족하다고 느꼈기 때문에 글자 수를 정해주는 것부터 수정해갔습니다. 중간에 AI시장을 장악해보자로 방향성이 잡히면서 GEO에 집중하기 위해 백링크, 출처, FAQ, 요약를 추가하는 과정도 있었어요. 글자 수 제한을 늘렸다가 줄였다가 3~4번 수정했었는데요. 글자 수가 왜 중요했는지는 추후 다뤄 보겠습니다.

첫 AI 에이전트 직원을 고용했다

테스트를 통해 생각보다 글을 잘 뽑아주는구나!를 확인했고 마침 에이전트라는 개념이 등장하던 시기였기에, '나도 AI직원을 고용해볼까?' 생각이 들었어요. 그렇게 지금의 뉴스레터를 발행해주는 친구들을 고용했습니다.

이 친구들을 어떻게 고용했냐면요. 당시 맥미니로 생성 해둔 오픈클로 에이전트 친구들도 있었는데요.

그 친구들의 역할이 이미 확실했기 때문에 사용하지 않기로 했고 Anthropic Claude API 로도 자체 에이전트 생성이 되나? 테스트했는데 가능한거 아니겠어요! 이 때 wow😲 point를 경험했어요. 저는 클로드코드로 작업하고 있었고 마침 환경을 벗어나지 않고도 에이전트를 생성할 수 있겠다 싶어서 Anthropic Claude API로 AI직원을 고용했답니다.

제가 동물을 좋아해서 에이전트 친구들에게 이름을 이렇게 붙였어요.
웹 서치+글 작성 해주는 친구는 코워크메이커스의 '코'를 따와서 '코냥이' , 작성된 글을 검토해주는 친구는 '코댕댕이' 라고 부릅니다. (뉴스레터 구독 받아보시면 코냥이와 코댕댕이 캐릭터도 볼 수 있어요 🤭)

첫 API와 DB연결

AI에이전트를 고용하면서 Anthropic Claude API로 첫 API를 연결은 했는데, 저는 처음부터 DB를 바로 연결해두지 않았어요. 코냥이와 코댕댕이가 써준 글이 일단 보이잖아요! 근데 DB의 필요성을 저는 이때 느끼게 됩니다.

DB가 필요했던 첫번째 이유는 에이전트 직원만 있는 환경에서 하드코딩 방식으로 글을 발행했어요. 이렇게 되니 발행 할 때마다 코드를 고쳐야 했고 이미 발행된 글에도 수정한 규칙의 코드를 적용 하려니 전혀 다른 문맥으로 다시 작성하는 문제가 생기게 됐습니다. DB가 없는 환경에서 원본 텍스트와 맥락을 기억할 저장소가 없었기 때문이죠. 글 발행하고 수정하는 시간만 하루종일 쓰기도 했었고 수정할 때 마다 매번 새로 규칙을 반영할 수 밖에 없었어요.

DB가 필요했던 두번째 이유는 아티클 썸네일을 생성하는 과정에서 필요성을 느꼈어요. 처음에 이미지 생성에 연결한 API는 Freepik과 Unspalsh 사이트 였습니다. 두달 전만해도 ChatGPT와 Gemini이미지 생성 퀄리티가 좋지 못했거든요! 인위적이고 부자연스러운 느낌이 강해서 실제 이미지를 가져와서 넣고 싶었기 때문에 선택한 방법이였어요.

그런데..! 자꾸 오류가 나고 제가 원하는 이미지를 찾아주지 못하는 문제가 생겼어요. 그래서 일단 이미지 퀄리티가 안좋아도 ChatGPT API를 연결해서 직접 프롬프트 요청으로 생성해야겠다고 생각했습니다. 여기서 또 다른 문제가 발생했는데요. 이미지를 생성 할때마다 토큰을 굉장히 많이 먹는다는거에요. 안그래도 뽑아주는 이미지 선택지가 마음에 안드는데 계속해서 생성을 돌리니 비용 문제가 있었습니다. 그래서 생성한 이미지를 DB에 저장해두고 적합한 아티클에 적용해야겠다!고 생각한거죠.

뉴스레터 이미지 변천사

그렇게 DB에 이미지를 저장해서 사용하면 될 줄 알았는데, 생성한 이미지 퀄리티가 좋지 못하다보니 저장한 이미지들은 쓸모가 없었는데요. 그래서 이미지 퀄을 올리기 위해서 빌더는 또 고군분투 합니다. 요약해서 변천사 4단계로 보여드릴게요

1️⃣ OpenAI API의 gpt-image-1.5과 Gemini API를 연결하고 처음에는 글자만 강조해서 보여줬었어요 😂

2️⃣ 그래서 이미지에 텍스트를 강조하지 말고 사물과 사람, 다양한 각도 규칙을 .md 파일에 하나씩 추가했어요.

그랬더니 이미지 톤이 흑백, 노란색톤, 블루톤으로 뽑혔고 중복되는 도구들과 비슷한 각도로만 이미지가 생성됐습니다.

3️⃣ 이번에는 이미지 톤에 집중해서 하지 말아야 할 강제 규칙과 지향하는 톤 규칙을 넣어서 밝은 톤으로 개선했어요.
OpenAI API의 gpt-image-1.5로 이미지 생성하고, Gemini가 이미지를 규칙에 맞게 검토하는 과정으로 파이프라인을 구성했음에도 각도와 사람느낌 확대의 정도는 여전히 비슷해서 AI가 만들어준 인위적인 이미지라는 느낌을 벗을 수 없었어요.

4️⃣ OpenAI API의 gpt-image-2 버전을 나오고 난 후에는 gemini-3-pro-image와 이미지를 각각 생성해 퀄리티를 비교하고 둘 중 하나의 모델만 선택하는걸로 결정했어요. 개인적으로 OpenAI 이미지 퀄리티가 더 좋아서 Gemini 검수 과정을 파이프라인에서 제외하고 지금의 이미지를 만들어 낼 수 있었습니다!