오류를 조사하고 해결책을 제안하는 C# AI 에이전트 구축하기

우리 모두 이런 경험이 있습니다.

• 예외(Exception)가 발생함
• 스택 트레이스(Stack trace)를 복사함
• Google을 켬
• StackOverflow를 읽음
• GitHub 이슈를 확인함
• Microsoft 문서를 확인함
• 무작위 블로그를 읽음
• 탭을 세 개 더 켬

30분이 지났지만 당신은 여전히 디버깅 중입니다.

현대의 AI 도구들이 도움을 주지만, 한 가지 문제가 있습니다. 이들은 종종 기억(Memory)에 의존하여 답변한다는 점입니다.

때때로 이들은 그럴듯하게 들리지만, 실제 개발자 토론, GitHub 이슈 또는 공식 문서(Official documentation)를 통해 검증되지 않은 해결책을 내놓기도 합니다.

저는 제 옆에 앉아 있는 시니어 엔지니어처럼 행동하는 AI 에이전트를 원했습니다:

• 예외(Exception)를 이해함
• 외부 소스를 조사함
• 커뮤니티의 발견 사항을 분석함
• 발생 가능한 원인의 순위를 매김
• 근거와 함께 해결책을 제안함

그래서 저는 다음과 같은 기술들을 사용하여 .NET 오류 조사 에이전트(Error Research Agent)를 구축했습니다:

• C#
• Semantic Kernel
• Azure OpenAI
• Tavily Search API
• 함수 호출 (Function Calling)
• 플러그인 기반 아키텍처 (Plugin-based architecture)

목표는 다음과 같은 것이 아니었습니다:

ChatGPT를 C#과 연결해보자

목표는 이것이었습니다:

AI에게 개발자들이 실제로 소프트웨어를 디버깅하는 방법을 가르치자.

에이전트 구축하기

저는 Semantic Kernel의 ChatCompletionAgent를 사용했습니다.

에이전트 자체에는 응답하기 전에 조사를 강제하는 명시적인 지침(Instructions)이 포함되어 있습니다.

        ChatCompletionAgent agent = new()
        {
            Name = "DotNetErrorAgent",
...

csharp
...

        "",
        Kernel = kernel,
        Arguments = new KernelArguments(settings)
    };

여기서 흥미로운 부분은 프롬프트(Prompt)가 아닙니다.
그것은 프로세스 설계(Process design)입니다.
...

public class WebSearchPlugin
{
    private readonly HttpClient _httpClient;
    private readonly string _apiKey;

    public WebSearchPlugin(HttpClient httpClient, IConfiguration configuration)
    {
        _httpClient = httpClient;
        _apiKey = configuration["Tavily:ApiKey"]!;
    }

[KernelFunction]
[Description("소프트웨어 오류, 수정 방법, GitHub 이슈 및 문제 해결 논의를 위해 웹을 검색합니다")]
public async Task<string> SearchErrorSolutions([Description("스택 트레이스(stack trace)를 포함한 전체 예외 메시지")] string error)
{
var body = new
{
query =
$"""
다음 문제에 대한 해결책을 찾으세요:

                    {error}

                    포함 사항: GitHub 이슈, StackOverflow, 공식 문서, 근본 원인
                    """,
        max_results = 5,
        include_answer = "advanced",
        search_depth = "advanced"
    };

    var request = new HttpRequestMessage(HttpMethod.Post, "https://api.tavily.com/search");

    request.Content = new StringContent(JsonSerializer.Serialize(body), Encoding.UTF8, "application/json");

    request.Headers.Add("Authorization", $"Bearer {_apiKey}");

    var response = await _httpClient.SendAsync(request);

    return await response.Content.ReadAsStringAsync();
}

}

**에이전트 응답 구조 (The Agent Response Structure)**  
저는 출력이 단순히 생성된 텍스트가 아니라, 시니어 엔지니어의 분석처럼 느껴지기를 원했습니다.
...

.NET 예외를 붙여넣으세요:
System.InvalidOperationException: Unable to resolve service for type IUserService while activating UserController

내부 동작 과정:

- Semantic Kernel이 예외를 수신합니다.
- AI가 플러그인 (plugin)을 호출합니다.
- Tavily가 외부 소스를 검색합니다.
- 결과가 반환됩니다.
- AI가 조사 내용을 분석합니다.
- 근본 원인 (root causes)의 순위가 매겨집니다.
- 해결책이 생성됩니다.

출력:

[![Instead of generic guessing, the answer is supported by actual findings](https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2Fwetdc327yxt2pz98ggij.png)](https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2Fwetdc327yxt2pz98ggij.png)

**배운 점 (What I Learned)**  
AI 에이전트는 단순히 텍스트를 생성하는 것이 아니라 운영 워크플로우 (operational workflows)를 따를 때 가치가 생깁니다.

AI 시스템의 품질은 모델의 지능보다는 프로세스 설계 (process design)에 더 크게 좌우됩니다.

제가 목격하기 시작한 변화는 바로 이것입니다:

프롬프트 엔지니어링 (Prompt engineering)도 중요합니다.

하지만 워크플로 엔지니어링 (workflow engineering)이 더 중요합니다.

궁금합니다:
여러분이라면 AI 디버깅 어시스턴트 (AI debugging assistant)를 어떻게 개선하시겠습니까?