교사가 Agentic AI를 배우고 이를 교실에 도입하면 어떤 일이 벌어질까

저는 AWS Academy Learner Lab을 사용하여 클라우드 컴퓨팅을 가르칩니다. 매 학기마다 학생들은 동일한 보이지 않는 벽에 부딪힙니다:

AWS 튜토리얼을 따르다가 AI 어시스턴트에게 도움을 요청하면 _"IAM 역할(IAM role)을 생성하라"_는 답변을 듣습니다. 하지만 이는 Learner Lab에서 차단되어 있습니다.
세션 도중에 자격 증명(credentials)이 만료되어 왜 명령어가 갑자기 작동하지 않는지 이유를 모릅니다.
누군가 EC2 인스턴스를 밤새 켜두어 실습 예산의 절반을 써버립니다.
선의를 가진 AI가 Route 53이나 NAT Gateway를 제안하지만, 이 둘 모두 실습 환경에서는 예상대로 작동하지 않습니다.

이것들은 AWS의 문제가 아닙니다. 이는 공식 AWS 문서 어디에도 나와 있지 않으며, AI 코딩 어시스턴트(AI coding assistants)가 전혀 인지하지 못하는 **Learner Lab 특유의 제약 사항(Learner Lab-specific constraints)**입니다.

그래서 저는 이를 해결하기 위해 무언가를 만들었습니다.

Agent Skills란 무엇인가?

Agent Skills는 비교적 새로운 개방형 표준으로, AI 코딩 어시스턴트에게 구조화된 온디맨드(on-demand) 전문 지식을 제공하는 SKILL.md 파일입니다. 매 세션마다 동일한 컨텍스트를 다시 설명할 필요 없이, 관련성이 있을 때 자동으로 로드되는 치트 시트(cheat sheet)라고 생각하면 됩니다.

Microsoft는 193개의 Azure 서비스를 다루는 Azure Agent Skills repo를 공개했습니다. 이는 Claude Code, GitHub Copilot, Cursor 등과 완벽하게 작동합니다.

저는 그 아이디어를 가져와 AWS Academy Learner Lab에 특화된 AWS 버전의 기술을 구축했습니다.

리포지토리: aws-agentic-skill

👉 github.com/akjalbani/aws-agentic-skill

이 리포지토리에는 학생들이 첫 AWS 과정에서 접하게 되는 핵심 서비스들을 다루는 7가지 기술(skills)이 포함되어 있습니다:

기술 (Skill)	교육 내용
🔬 `aws-learner-lab`	가장 중요한 기술 — LabRole 제약 사항, 자격 증명 갱신 워크플로우, 예산 가드레일(budget guardrails), 지원되지 않는 서비스
...

실제 기술(Skill)의 모습

각 기술은 YAML 프론트매터(frontmatter)와 구조화된 마크다운(markdown)이 포함된 SKILL.md 파일입니다. 패턴은 다음과 같습니다:

---
name: aws-learner-lab
description: >
...

AI 어시스턴트는 description 필드를 읽어 스킬 (skill)을 언제 로드할지 결정한 다음, 전체 내용을 사용하여 정확하게 답변합니다.

실제 작동 방식

스킬이 설치되면, AI 어시스턴트에게 그저 자연스럽게 말하면 됩니다. 설정 프롬프트 (setup prompts)도 필요 없고, 매 세션마다 같은 말을 반복할 필요도 없습니다.

저는 학생의 입장에서 직접 테스트해 보았습니다. 새로운 터미널에서 Claude Code를 열고 다음과 같이 입력했습니다:

Using the aws-learner-lab and aws-s3 skills, create an S3 bucket and upload a test file to it

(aws-learner-lab 및 aws-s3 스킬을 사용하여 S3 버킷을 생성하고 테스트 파일을 업로드해줘)

결과는 다음과 같았습니다:

1단계 — Claude Code가 시작되고 설치된 스킬을 읽음

![Screenshot: Starting Claude Code in the terminal]
Claude Code가 실행되면서 aws-learner-lab 및 aws-s3 스킬을 자동으로 찾아냅니다

2단계 — 올바른 Learner Lab 방식을 사용하여 S3 버킷 생성

IAM 역할 (IAM role) 생성 시도 없음. 잘못된 리전 (region) 없음. 오직 올바른 명령만 수행.

3단계 — 테스트 파일 업로드

리전 및 자격 증명 (credentials) 컨텍스트가 올바르게 형성된 업로드 명령

4단계 — 확인을 위해 모든 버킷 목록 나열

버킷이 나타납니다. 성공했습니다.

AccessDenied 에러도 없습니다. IAM 역할을 생성하라는 제안도 없습니다. 잘못된 리전(Region) 설정도 없습니다. 이 기술(Skill)은 제 역할을 다했습니다. Learner Lab 내부에서 올바르게 작동하는 데 필요한 정확한 컨텍스트(Context)를 AI에게 제공했습니다.

설치 (5분 소요)

사전 요구 사항

Node.js (LTS)
Claude Code: npm install -g @anthropic-ai/claude-code
AWS CLI

기술(Skills) 설치

# 리포지토리(Repo) 클론
git clone https://github.com/akjalbani/aws-agentic-skill.git

...

다른 AI 어시스턴트(Assistant)를 사용하는 경우, 대상 경로를 변경하세요:

어시스턴트	경로
Claude Code	`~/.claude/skills/`
...

Learner Lab 연결하기

매 세션마다 자격 증명(Credentials)을 갱신해야 합니다:

랩(Lab) 시작 → 초록색 점이 나타날 때까지 대기
AWS Details 클릭 → AWS CLI 옆의 Show 클릭
세 줄의 내용을 ~/.aws/credentials 파일에 복사
aws configure set region us-east-1 실행
확인: aws sts get-caller-identity 실행

ARN에서 LabRole이 보인다면 연결된 것입니다.

교육자에게 이것이 중요한 이유

클라우드 랩 세션에서 가장 많은 시간을 잡아먹는 것은 개념이 아니라 환경적 마찰(Environment friction)입니다. 학생들이 AccessDenied 에러를 디버깅하는 데 20분을 소비한다면, 그들은 AWS를 배우는 것이 아니라 좌절감을 배우고 있는 것입니다.

에이전트 기술(Agent skills)은 이를 변화시킵니다. AI가 Learner Lab에서 작동하지 않는 일반적인 조언을 하는 대신, 학생의 정확한 환경에 특화된 조언을 제공합니다. 제약 사항이 내장되어 있고, 가드레일(Guardrails)이 구축되어 있습니다. 올바른 명령어가 가장 먼저 나타납니다.

다가오는 수업에 대한 저의 계획은 학생들이 단 하나의 AWS 서비스도 건드리기 전, 첫날에 이 기술들을 설치하게 하는 것입니다. AI는 이미 랩의 규칙을 알고 있는 학생들의 랩 파트너가 됩니다.

다음 단계

이것은 v1 버전으로, 7가지 기술인 핵심 서비스들로 구성되어 있습니다. 저는 다음과 같은 것들을 추가할 계획입니다:

aws-dynamodb — NoSQL 테이블, 쿼리, Lambda에서 DynamoDB 사용
aws-api-gateway — Lambda에 연결된 REST API
aws-rds — Learner Lab의 네트워킹 제약 사항이 적용된 관리형 데이터베이스
aws-sns-sqs — 학생들이 이후 과정에서 접하게 될 메시징 패턴

이 리포지토리(repo)는 오픈 소스이며 기여(contribution)를 환영합니다. 만약 여러분이 AWS Academy 강사이고, 학생들이 사용하는 서비스에 대한 기술을 추가하고 싶다면, 방식은 매우 간단합니다. 기존의 SKILL.md 구조를 따르고 PR(Pull Request)을 생성해 주세요.

Resources

클라우드 수업에서 AI 도구를 사용하고 계신가요? 어떤 방식이 효과적인지 듣고 싶습니다. 아래에 댓글을 남겨주세요.