Nosana Builders Challenge: Agent-101 요약

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능, 머신러닝

대상자

• 대상: AI 에이전트 개발에 관심 있는 TypeScript 개발자
• 난이도: 중급 이상 (Docker, Ollama, Nosana 배포 경험 필요)

핵심 요약

• Mastra 프레임워크를 사용해 AI 에이전트를 구축하고 tool calling 기능을 추가해야 함 (예: pnpm install, pnpm run dev)
• Ollama 서버를 통해 qwen2.5:1.5b 모델을 로컬에서 실행 (소형 모델, CPU 호환성 높음)
• Docker 컨테이너를 생성하고 Nosana에 배포해야 함 (.env, Dockerfile, nosana_mastra.json 필요)

섹션별 세부 요약

1. 개발 환경 설정

• Mastra 프레임워크 사용: pnpm install 명령어로 의존성 설치
• Ollama 설치: ollama serve, ollama pull qwen2.5:1.5b, ollama run qwen2.5:1.5b 명령어로 모델 실행
• 환경 변수 설정: .env 파일에서 qwen2.5:1.5b 또는 qwen2.5:32b 모델 선택

2. 에이전트 구축

• 예제 참고: src/mastra/agents/weather-agent/ 폴더의 weather-workflow.ts 파일을 기반으로 작업
• 커스텀 도구 추가: src/mastra/agents/your-agents/ 폴더에서 tool calling 기능 구현
• LLM 종속성: Ollama 서버에서 제공하는 qwen2.5:1.5b 모델을 사용 (소형, 빠른 추론)

3. 로컬 테스트

• 개발 서버 실행: pnpm run dev 명령어로 http://localhost:3000에 접속
• 대화 흐름 테스트: 채팅 인터페이스를 통해 에이전트 기능 검증
• 도구 기능 검증: 커스텀 도구를 호출하는 시나리오 테스트

4. Docker 테스트

• 컨테이너 빌드: docker build -t yourusername/agent-challenge:latest . 명령어로 이미지 생성
• 로컬 실행: docker run -p 8080:8080 yourusername/agent-challenge:latest 명령어로 테스트

5. Nosana 배포

• CLI 사용: nosana job post 명령어로 nosana_mastra.json 파일을 기반으로 배포
• 대시보드 사용: Phantom 브라우저 설치 후 Nosana 대시보드에서 GPU 선택 후 배포
• 영상 제출: 에이전트 실행, 기능, 실제 사용 사례를 1~3분 동영상으로 제출 (YouTube, Loom 등)

6. 평가 기준

• 혁신성 (25%): 에이전트 개념의 독창성, AI 기능 활용
• 기술 구현 (25%): 코드 품질, Mastra 프레임워크 사용, 도구 효율성
• Nosana 통합 (25%): 성공적인 배포, 자원 효율성, 안정성
• 실용성 (25%): 실제 사용 사례, 채택 가능성, 가치 제안

결론

• 로컬 테스트를 완료한 후 Docker 컨테이너를 생성하고 Nosana에 배포해야 함
• .env.example, Dockerfile, nosana_mastra.json 파일을 반드시 포함하고 커밋
• X (트위터)에 제출 링크와 #NosanaAgentChallenge 해시태그를 포함한 게시물 생성
• 상위 10개 제출물에 상금 지급 (1위: 1,000 USDC, 2위: 750 USDC 등)