내가 소유하는 개인 AI Agent 만드는 법

반복 작업, 허용된 data, 명시적 Memory, OAuth, 하나의 MCP endpoint로 개인 Agent를 만듭니다.

모든 chat을 저장하지 말고 기억·재조회·추론 금지를 구분합니다.

source에는 owner, date, scope, correction이 필요합니다. Agent는 data를 가져오지만 conversation을 사실로 만들지 않습니다.

질문, source, read, write, confirmation, delete를 tools보다 먼저 정합니다.

Knowledge는 승인 자료, User Memory는 제한된 private context, tools는 명시적 권한으로 read/write합니다. Memory는 authority를 부여하지 않습니다.

remote MCP endpoint는 identity, instructions, access를 유지합니다. client, account, transport, OAuth가 현재 지원하는 곳에만 연결합니다.

일반 질문, 누락·오래된 data, 거부 action, recovery를 시험합니다. 완료, 수정, 안전한 거부, maintenance를 측정합니다.

범용 autonomous assistant가 아니며 현재 client 지원을 확인합니다.

pilot 전에 올바른 답변 5개, 모호한 case 5개, 거부해야 할 request 5개를 만듭니다. 사용 source, 제안 action, confirmation, 실제 결과를 기록해 자연스러운 conversation이 오류를 숨기지 않게 합니다.

source, rule, client, permission이 바뀌면 Agent를 다시 검증합니다. 내가 소유한 data와 instructions를 export하고 미사용 access를 제거하며 flow가 일을 늘리지 않고 줄인다는 증거가 생길 때까지 수동 경로를 유지합니다.

첫 설계 문서에는 해결할 반복 업무, 사용자, 성공 조건, 허용 source, 보존 기간, read/write 권한, confirmation, 삭제와 export 절차를 적습니다. 만능 assistant를 목표로 삼지 말고 매주 생기는 질문 하나를 골라 올바른 답과 거부 예시부터 만듭니다. client 전환 시험에서는 같은 MCP endpoint에 같은 identity로 연결해 Knowledge, Memory, tool 결과, access policy가 임의로 복제되거나 넓어지지 않는지 확인합니다. 운영 중에는 정답률뿐 아니라 사용자가 다시 설명한 횟수, 수정 요청, 안전한 거부, 수동 처리 시간을 주간 단위로 기록해 유지 가치가 있는지 판단합니다.