AI 코딩 교육 에이전트 수업 시나리오: Spring Boot REST API Master

1. 개요 및 목표 (Master Agent Configuration)

• 수업 주제:Spring Boot 기반 REST API CRUD 서비스 구축
• 기술 스택:Java, Spring Boot, Spring Data JPA, H2/MySQL
• 학습 목표:외부 레퍼런스(문서) 없이 2시간 이내에 완전한 CRUD API 백엔드 구축
• 대상 학습자:Java 기초 문법을 알고 있으나 웹 프레임워크 경험이 부족한 초/중급자
• Master Agent 역할:전체 학습 프로세스를 관장하며, 하위 에이전트(Sub-agents)를 조율하여 학습자가 목표를 달성하도록 관리

 

2. 에이전트 구성 및 역할 정의 (Multi-Agent System)

각 에이전트는 Master Agent의 지휘 하에 독립적 기능을 수행하며 유기적으로 연결됩니다.

(ADDIE 모형 기반의 설계)

에이전트 명	역할 (Role)	주요 기능
Diagnostic Agent	진단 평가자	학습자의 선수 지식(Java, HTTP 통신 이해도) 및 현재 코딩 실력을 진단하여 초기 커리큘럼 난이도 설정
Curriculum Agent	설계자	진단 결과에 따라 학습 경로(Step-by-Step)를 생성하고, 실시간 성취도에 따라 경로를 동적으로 수정
Practice Agent	실습 주도자	구체적인 코딩 과제(Mission)를 부여하고, IDE 환경 내에서 실습 시나리오(요구사항)를 제시
Tutor Agent	교수자/멘토	학습자가 막혔을 때 힌트를 제공하고, 개념 설명(Why)과 코드 스니펫(How)을 가이드하며 에러 디버깅을 지원
Evaluate Agent	평가자	작성된 코드의 기능 동작 여부(Test Case), 코드 품질(Clean Code), 시간 준수 여부를 평가
Career Agent	진로 컨설턴트	습득한 기술이 현업(채용 시장)에서 어떻게 활용되는지 설명하고, 관련 직무 및 필요 역량을 매핑

 

3. 단계별 수업 시나리오 (Scenario Flow)

Phase 1: 진단 및 초기 설정 (Diagnostic Phase)

Master Agent:"Spring Boot CRUD 2시간 챌린지" 목표를 설정하고 Diagnostic Agent를 호출.

Diagnostic Agent:학습자에게 3~5개의 퀴즈 및 간단한 코드 빈칸 채우기 문제를 제시.

Q1: Interface와 Class의 차이는?

Q2: GET과 POST 요청의 차이는?

결과 분석:학습자가 'JPA 개념'이 약하다고 판단되면 이 정보를 Master Agent에게 전달.

 

Phase 2: 맞춤형 커리큘럼 생성 (Curriculum Phase)

Master Agent:Curriculum Agent에게 "JPA 집중 보완 및 CRUD 구현" 경로 생성을 지시.

Curriculum Agent:

Step 1: Entity 설계 및 JPA Repository 이해 (중점 배치)

Step 2: Service 계층의 비즈니스 로직

Step 3: Controller와 RESTful 설계

Step 4: 통합 테스트

 

Phase 3: 실습 및 튜터링 (Practice & Tutor Loop)

Practice Agent:첫 번째 미션 "Member Entity와 Repository 생성"을 제시. (IDE에 TODO 주석 생성)

 

학습자 행동:코드를 작성하다가 @Entity어노테이션을 빼먹고 컴파일 에러 발생.

Tutor Agent (감지):3분 동안 에러가 해결되지 않자 개입.

"JPA가 이 클래스를 테이블과 매핑하려면 특정 어노테이션이 필요합니다. @Entity를 확인해보세요."(직접 답을 주지 않고 유도)

학습자 행동:힌트를 얻어 코드 수정 완료.

 

Phase 4: 평가 및 피드백 (Evaluate Phase)

Evaluate Agent:작성된 코드에 대해 단위 테스트(JUnit) 자동 실행.

피드백:"기능은 정상 동작하지만, Setter의 무분별한 사용은 지양해야 합니다. DTO 패턴으로 리팩토링 해보세요." (Code Quality 피드백)

 

Phase 5: 진로 연계 (Career Phase)

Career Agent:"오늘 구현한 REST API는 실제 '배달의 민족'이나 '쿠팡' 같은 서비스의 회원 가입 백엔드 로직의 기초입니다. 다음 단계로 'Spring Security'를 학습하면 백엔드 개발자 채용 우대사항을 갖추게 됩니다."라고 동기 부여.

 

4. 학습자 개인 최적화 Feedback 메커니즘 (Adaptive Learning)

학습자의 행동 데이터는 실시간으로 수집되어 Master Agent를 통해 피드백 루프를 형성합니다.

 

Data Collection (데이터 수집):

• IDE 내 체류 시간, 컴파일 에러 횟수, 백스페이스 사용 빈도(망설임), 힌트 요청 횟수 수집.

 

Analysis (분석):

• 특정 구간(예: Controller Mapping)에서 시간이 지체된다면 해당 개념이 부족한 것으로 판단.

 

Action (동적 커리큘럼 조정):

• Master Agent는 Curriculum Agent에게 지시하여, 다음 챕터인 'Service Layer'로 넘어가기 전 'HTTP Method' 관련 미니 퀴즈를 추가하여 개념을 재확인시킴.
• 난이도가 너무 높다고 판단되면 Practice Agent가 제공하는 미션의 복잡도를 낮춤 (예: 필드 개수 축소).

 

5. 교수자(Human-in-the-loop)의 개입 및 Feedback 프로세스

• 교수자는 AI가 완전히 대체하지 못하는 '맥락적 판단'과 '정서적 지지', '시스템 조정'을 담당하며 On-the-loop(시스템 위에서 감독하는) 역할을 수행합니다.
• co-teaching

 

5.1. 모니터링 대시보드 (Dashboard)

교수자는 대시보드를 통해 전체 학생의 진행 상황(Progress), 에러 발생 빈도, AI와의 대화 로그를 실시간으로 확인.

Alert 시스템:특정 학생이 10분 이상 진도가 나가지 않거나, AI Tutor와의 상호작용에서 부정적인 감정(욕설, 좌절 표현)이 감지되면 교수자에게 알림 전송.

 

5.2. 개입 (Intervention) 시나리오

시스템 파라미터 조정:

• 전체 학생이 'JPA 설정'에서 막혀 있다면, 교수자는 Master Agent에게 지시하여 "JPA 설정 자동 완성 템플릿 제공"으로 난이도를 실시간 하향 조정.

직접 피드백:

• AI가 기술적인 해결책만 제시할 때, 교수자는 *"이 부분은 현업에서도 많이 실수하는 부분이니 너무 걱정 말라"*는 정서적 격려 메시지 전송.

Edge Case 처리:

• AI가 이해하지 못하는 창의적인 코드나 엉뚱한 질문에 대해 교수자가 직접 답변하고, 이 데이터를 AI 학습 데이터로 태깅(Tagging).

 

6. 결론 (Summary)

이 시나리오는 단순히 코딩 지식을 전달하는 것을 넘어, Master Agent를 중심으로 6개의 전문 에이전트가 협업하여 학습자의 수준을 실시간으로 진단하고 최적의 경로를 제시합니다. 교수자는 On-the-loop관리자로서 AI가 놓칠 수 있는 정서적 케어와 거시적인 수업 난이도를 조절함으로써, 학습자가 2시간 이내에 "문서 없이 Spring Boot CRUD 구현"이라는 도전적인 목표를 성공적으로 완수하도록 돕습니다.