메타루프:
형성평가 루프
에이전트 구축

AI와 함께하는 스마트한 교육 피드백 자동화

1. 강의 목표

요구사항 (1/2)

• 1. 문항 생성: 교수 자료 업로드 시 성취기준 달성 문항 자동 생성
• 2. 자동 배포: 생성된 문항을 학생들에게 실시간 자동 배포
• 3. 결과 수집: 학생들의 형성평가 결과 자동 수집 및 DB화

요구사항 (2/2)

• 4. 분석 및 피드백: 군집 분석 등을 통한 자동 피드백 제공
• 5. 교육과정 개선: 분석 결과를 바탕으로 교육과정 개선안 제안
• 6. 오케스트레이션: 다수의 전문가 에이전트 협업 및 피드백 루프 완성

2. 전제 조건

Google Antigravity

• 에이전트 제작을 위한 Google의 차세대 개발 도구
• 브라우저 및 시스템 제어 권한을 가진 자율 에이전트
• Skills를 통한 무한한 기능 확장성

2.1.1. Antigravity 설치

• 1. https://antigravity.google/ 접속
• 2. Download for Windows 클릭

STEP 2: DOWNLOAD

설치 진행 (Step 3)

• 3. Windows용 Download for x64 선택

STEP 3: SELECT VERSION

설치 진행 (Step 4-5)

• 4. 설치파일 실행 후 '동의합니다' 선택
• 5. 환경변수(PATH) 등록 및 브라우저 확장 체크 확인

STEP 5: OPTIONS

기본 설정 (Step 6)

• 6. 기본 경로 유지 후 '다음' 클릭하여 설치 진행

STEP 6: INSTALL PATH

로그인 (Step 7-8)

• 7. 구글 계정 로그인 창 대기
• 8. 사용할 계정 선택 및 '로그인' 완료

STEP 7: GOOGLE LOGIN

최종 완료 (Step 9-10)

• 9. 사용규약 확인 후 '다음'
• 10. 확장프로그램 설치 완료까지 대기

STEP 10: COMPLETION

CONCEPT

Skills란 무엇인가?

• 에이전트 기능을 확장하는 재사용 가능한 지식 패키지
• 특정 작업 처리 지침, 모범 사례, 스크립트의 집합
• Load on Demand: 필요할 때만 자동 활성화

Skills 저장 위치

• Global Skills: ~/.gemini/antigravity/skills/
  (모든 프로젝트 공통 사용)
• Project Skills: .agents/skills/
  (특정 프로젝트 내 공유)

Skills 생성 및 정의

---
name: pr-review
description: 코드 품질을 위해 PR을 리뷰합니다.
---
# How to use...
- Step 1: Check code quality
- Step 2: ...

SKILL.md 파일에 YAML 헤더와 본문 지침을 작성합니다.

Google Workspace (GWS)

• Drive, Docs, Sheets, Gmail 등 구글 앱 제어
• 형성평가 배포 및 결과 수집의 핵심 도구
• 설치: npm install -g @googleworkspace/cli

GWS 인증 및 설정

gws auth setup
gws auth login

안내 링크를 통해 앱 정보를 입력하고 권한을 승인합니다.

GWS SETUP

설정 과정 (1)

서비스 선택

사용할 서비스들을 Space 키로 선택하세요.

Drive, Sheets, Gmail, Calendar 등을 선택합니다.

에이전트 스킬 설치

npx skills add https://github.com/googleworkspace/cli

GWS 활용 예시

• Drive: gws drive +upload --file <경로> (자료 업로드)
• Sheets: gws sheets +read --id <ID> (결과 수집)
• Gmail: gws gmail +send --to <이메일> (피드백 발송)

요구사항별 GWS 매핑

notebooklm-py

Google NotebookLM의 웹 UI 한계를 넘는 자동화 도구

Windows 설치 가이드

pip install "notebooklm-py[browser]"
playwright install chromium
# 에이전트 스킬 추가
npx skills add teng-lin/notebooklm-py

CLI 워크플로우 & 노트북 관리

• 로그인: notebooklm login (초기 인증)
• 노트북 생성: notebooklm create "강의 연구"
• 포커스 설정: notebooklm use <ID>

웹 UI에서 불가능한 일괄 관리 및 JSON 추출 지원

다중 소스 인제스트 & 리서치

• 로컬 파일: notebooklm source add "./paper.pdf"
• 웹 문서: notebooklm source add "https://en.wikipedia..."
• 자동 웹 리서치: notebooklm source add-research "주제명"

방대한 자료를 한 번에 주입하여 학습 베이스를 구축합니다.

질의응답 및 메타데이터 추출

• 핵심 질문: notebooklm ask "이 논문의 핵심 요약해줘"
• 구조 파악: notebooklm metadata --json

방대한 문헌에서 필요한 정보만 빠르게 JSON으로 추출하여 에이전트 워크플로우에 활용합니다.

멀티미디어 산출물 생성

• 오디오 팟캐스트: generate audio & download audio
• 화이트보드 영상: generate video --style whiteboard
• 다큐멘터리 영상: generate cinematic-video

텍스트 자료를 즉시 오디오/비디오 학습 콘텐츠로 변환합니다.

평가 도구 및 시각화

• 자동 출제: generate quiz / generate flashcards
• 지식 시각화: generate mind-map / generate infographic
• 데이터 추출: Markdown, JSON, PDF 등 다중 포맷 다운로드

Antigravity-awesome-skills

1,435개 이상의 커뮤니티 검증 스킬 라이브러리

설치 및 Windows 문제 해결

npx antigravity-awesome-skills --antigravity
# 실행 정책 오류 시 (PowerShell)
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

스킬 호출 및 활성화

• 즉시 호출: 프롬프트에서 @스킬명 입력
• 선택적 활성화: ./scripts/activate-skills.sh --clear <스킬목록>

방대한 라이브러리 중 필요한 기능만 골라 가볍게 사용할 수 있습니다.

추천 교육용 스킬 (1/2)

• @brainstorming: 막연한 아이디어를 구조화된 설계로 변환
• @tutorial-engineer: 단계별 학습 콘텐츠 및 자기평가 세트 생성
• @advanced-evaluation: 루브릭 생성 및 편향 없는 서술형 채점

추천 교육용 스킬 (2/2)

• @analytics-tracking: 학습 데이터 분석 체계 설계 및 개선
• @tutor: 진단-재출제-피드백의 전체 루프 관리
• @tutor-setup: 단원 구조화 및 학습 대시보드 구축

Graphify

지식을 "개념 간의 관계(Graph)"로 연결하는 도구

• RAG와의 차이: 단순 문장 검색을 넘어 지식의 구조 파악
• 숨겨진 의미적 연결(Inferred Edge)을 찾아 깊은 맥락 분석

Graphify 설치 단계

# 1. uv 설치
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
# 2. 도구 설치
uv tool install graphifyy ; graphify install
# 3. 에이전트 설정
graphify antigravity install

실행 및 인덱싱

/graphify .

• 프로젝트 폴더 내의 모든 자료를 그래프로 인덱싱
• 에이전트가 지식의 전체 지도를 가지고 답변하게 함

ADVANCED

심층 모드 (--mode deep)

• 개념을 '조건', '예시', '예외' 등으로 더 정교하게 분할
• 장점: 매우 상세하고 구조적인 그래프 생성
• 단점: 토큰 비용 증가 및 환각 가능성 유의

3. 워크플로우

Vibe Coding 마인드셋

"직접 만들지 말고 가져다 써라"

• 좋은 라이브러리와 오픈소스 탐색이 최우선
• AI 에이전트와 티키타카를 통한 반복 개선

Perplexity: 도구 및 라이브러리 탐색

"형성평가 루프 에이전트를 제작하려고 해. Antigravity나 Codex를 사용할 예정이야. 교수 자료(PDF, 이미지 등)를 업로드하면 성취기준 기반 문항을 생성하고, 학생들에게 자동 배포(Gmail, Google Chat 등), 결과 수집(Google Sheets), 분석(군집 분석 등), 개별 피드백 제공, 그리고 교육과정 개선 제안까지 이어지는 루프를 구현하고 싶어. 이를 위해 사용할 수 있는 오픈소스 라이브러리나 API(예: Google Workspace API, 데이터 분석 라이브러리 등)를 최대한 많이 조사해서 실제 구현 가능한 것 위주로 추천해줘. 대학교 학부생들이 사용할 도구야."

DeepResearch: 기술 스택 검증

"2026년 최신 기준으로 '형성평가 루프 에이전트' 구축을 위한 기술 스택과 라이브러리를 검증해줘. Antigravity, Codex를 활용할 거야. 주요 요구사항은 1) 성취기준 기반 문항 자동 생성, 2) 학생 자동 배포 및 수집, 3) 군집 분석 기반 자동 피드백, 4) 교육과정 개선 제안이야. 현재 사용 가능한 Google Workspace CLI(GWS), Python 기반 데이터 분석 라이브러리, 그리고 에이전트 오케스트레이션을 위한 최적의 도구들을 조사해서 구현 방법과 함께 추천해줘. 교육 현장에서의 안정성과 보안성도 고려해서 검증해줘."

PRD: AI를 위한 작업 명세서

• 환각 통제: 명확한 가드레일 제공으로 엉뚱한 코드 방지
• 컨텍스트 유지: 프로젝트가 길어져도 일관된 기준 참조
• 소통 비용 절감: "PRD 기준으로 구현하라"는 지시 하나로 자동화

MetaLoop PRD 예시

프로젝트 시작하기

프로젝트 폴더/
 ├─ PRD.md
 └─ research_result.md

티키타카: 반복적 개선

• 에러 발생 시: 로그를 통째로 복사 → "이 에러 고쳐줘"
• UI 수정 시: "모바일 대응 반응형으로 바꿔줘", "차트 추가해줘"
• 기능 추가: "채점 결과 대시보드 기능을 강화해줘"

결과물 검증 및 문서화

• 시나리오 테스트: "PRD의 6가지 요구사항이 실제 데이터로 잘 도는지 테스트해줘."
• 문서화 자동화: "README.md 작성해주고 주요 로직에 주석 달아줘."

강의 요약

우리는 이제 단순한 챗봇 사용자가 아닌,
교육 현장의 문제를 해결하는 에이전트 설계자입니다.

THANK YOU

Q&A 및 실습 안내