총 500건
데이터베이스, API, 프론트엔드 레이어를 결합하여 통합 단위로 전체 기능을 구축해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 사용자는 데이터베이스 스키마, API 엔드포인트, 프론트엔드가 필요한 웹 애플리케이션을 위한 새로운 사용자 인증 시스템을 구축하고자 합니다
게임 시스템을 구현하거나 그래픽 렌더링을 최적화하거나 멀티플레이어 네트워킹을 구축하거나 특정 플랫폼을 대상으로 하는 게임 플레이 메커니즘을 개발할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 유니티 게임은 모바일 플랫폼에서 60FPS를 유지해야 하지만 현재 속도가 떨어집니다
프로젝트나 팀의 Git 워크플로우, 분기 전략, 병합 관리를 설계, 설정 또는 최적화해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 개발 팀이 빈번한 병합 충돌과 불분명한 분기 관행을 겪고 있는데, 관리자는 다음을 원합니다
마이크로서비스 전반에 걸쳐 GraphQL 스키마를 설계하거나 진화시키거나, 연합 아키텍처를 구현하거나, 분산 그래프에서 쿼리 성능을 최적화할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 한 팀이 멀티서비스 아키텍처를 구축 중이며 연합 그래프QL을 설계해야 합니다
고급 건축 문서화 및 리뷰를 위한 완벽한 AI 채팅 모드. 스토리나 레거시 시스템을 조사한 후 목표 업데이트에 적합하며, 아무도 그 시스템이 무엇을 해야 하는지 기억하지 못할 때 사용할 수 있습니다.
적극적인 보안 침해, 서비스 중단 또는 운영 사고로 즉각적인 대응, 증거 보존 및 협조된 복구가 필요한 경우 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 귀하의 운영 데이터베이스가 오프라인 상태가 되어 고객들이 서비스 장애를 겪고 있습니다.\n사용자:
여러 도메인에 걸친 복잡한 IT 운영 작업을 조정하는 데 사용됩니다(PowerShell 자동화, .NET 개발, 인프라 관리, Azure, M365)는 작업을 전문 에이전트에게 지능적으로 라우팅합니다. 구체적으로:\n\n<example>\n문맥: 조직은 오래된 Active Directo를 감사해야 합니다
브라우저, Node.js 또는 ES2023+ 기능, 비동기 패턴 또는 성능이 중요한 구현이 필요한 전체 스택 애플리케이션을 위해 최신 JavaScript 코드를 구축, 최적화 또는 리팩터링해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 사용자에게 기존 콜백 기반 Node.js 서비스가 있습니다
에이전트 상호작용에서 실행 가능한 패턴을 추출하고, 여러 워크플로우에 걸친 인사이트를 종합하며, 집단 경험을 통해 조직 학습을 활성화해야 할 때 사용하세요. 구체적으로:\n\n<example>\n문맥: 멀티 에이전트 개발 팀이 15개 프로젝트에 걸쳐 50개 이상의 코드 리뷰를 완료했습니다
비즈니스 연속성을 유지하면서 점진적인 마이그레이션 전략, 기술 부채 감소, 리스크 완화가 필요한 기존 시스템을 현대화할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 개발 팀은 중요한 비즈니스 의존성을 갖춘 15세 모놀리식 시스템을 보유하고 있습니다.
운영 환경에서 대규모로 머신 러닝 모델을 배포, 최적화 또는 서비스해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 사용자는 훈련된 ML 모델을 가지고 있으며, 이를 배포하여 최소한의 지연 시간으로 실시간 추론 요청을 처리해야 합니다.\n사용자: "PyTorch 모델이 있습니다
시장을 분석하고, 소비자 행동을 이해하며, 경쟁 환경을 평가하고, 비즈니스 전략과 시장 진입 결정을 알리기 위해 기회를 확장해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 한 스타트업이 새로운 산업 부문에 진출할 계획이며 이해가 필요합니다
를 사용하여 코드를 생성, 업데이트, 리팩터링, 설명 또는 작업하세요.Microsoft 에이전트 프레임워크의 NET 버전.
Python 버전의 Microsoft 에이전트 프레임워크를 사용하여 코드를 생성, 업데이트, 리팩터링, 설명 또는 작업하세요.
모델 훈련 파이프라인, 모델 서비스 인프라, 성능 최적화 및 자동 재훈련이 필요한 프로덕션 ML 시스템을 구축할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 팀은 추천 모델을 훈련하고 사전 서비스를 제공하는 완전한 ML 시스템을 구현해야 합니다
ML 인프라를 설계하고 구현하거나, 머신 러닝 모델을 위한 CI/CD를 설정하거나, 모델 버전 관리 시스템을 구축하거나, 신뢰성과 자동화를 위해 ML 플랫폼을 최적화해야 할 때 이 에이전트를 사용하세요. 이 에이전트를 호출하여 프로덕션 등급의 실험 추적을 구축하고 자동화된 교육을 구현하세요
네이티브 또는 크로스 플랫폼 구현, 성능 최적화, 플랫폼별 사용자 경험에 중점을 둔 iOS 및 Android 모바일 애플리케이션을 개발할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 프로젝트를 위해 고성능 네이티브 iOS 및 Android 앱을 구축해야 합니다
네이티브 성능 최적화, 플랫폼별 기능, 오프라인 우선 아키텍처가 필요한 크로스 플랫폼 모바일 애플리케이션을 구축할 때 이 에이전트를 사용하세요. iOS 및 Android 네이티브의 우수성을 유지하면서 코드 공유가 80%를 초과해야 하는 React 네이티브 및 Flutter 프로젝트에 사용하세요. Spe
AI 모델 평가 및 벤치마킹 전문가. 모델 선택, 성능 비교, 비용 분석 및 평가 지표 설계를 위해 능동적으로 사용하세요. LLM 기능 및 한계에 대한 전문가.
시스템 전반에 걸쳐 통신, 상태 공유, 작업 동기화 및 분산 장애 처리가 필요한 여러 동시 에이전트를 조정할 때 사용하세요. 구체적으로:\n\n<example>\n문맥: 데이터 파이프라인에는 데이터 입력, 검증, 변환, enr 등 8개의 전문 에이전트가 병렬로 실행됩니다