AI Agent 및 데이터 분석 실습 자료

이 저장소는 AI Agent 개발, 데이터 수집 및 분석, 그리고 챗봇 제작 및 배포에 이르는 일련의 과정을 실습할 수 있도록 구성되어 있습니다.

최종 결과물은 아래 레포지토리에서 확인하실 수 있습니다.

MCP Server

MCP Client

환경 설정 및 필수 파일

파일/폴더	설명	설정 방법
.env.example*	환경 변수 설정 파일의 예시입니다.	이 파일을 복사하여 .env* 파일을 생성하고, YouTube 및 Gemini API Key를 발급받아 붙여넣으세요.
requirements.txt*	프로젝트에 필요한 라이브러리 목록입니다.	다음 코드를 사용하여 가상 환경을 설정하고 패키지들을 다운로드하세요: python -m venv venv source venv/bin/activate (Linux/macOS) 또는 .\venv\Scripts\activate (Windows) pip install -r requirements.txt

📚 실습 자료 구성 (4단계 워크플로우)

1. streamlit 폴더: AI Agent 개념 및 개발 환경 세팅

AI Agent의 기초 지식 습득과 개발 환경 설정을 목표로 합니다.

• 1-1 AI Agent 기초: AI Agent의 기본 개념 학습

• 1-2 개발 환경 준비: 필요한 도구 및 환경 설정

• 1-3 Streamlit 기초: 웹 애플리케이션 프레임워크 Streamlit 기본 사용법

• 1-4 Gemini API 연동하기: Gemini API를 활용한 연동 방법 (GPT API 소개 포함)

• 1-5 실습: 기본 챗봇 개발 (Gemini API 연동하여 Streamlit으로 띄워보기)

2. mcp 폴더: 데이터 수집

YouTube 데이터 수집에 필요한 기초 지식 및 MCP(Multi-Channel Processing) 활용법을 다룹니다.

• 2-1 데이터 수집 기초: 데이터 수집의 기본 개념

• 2-2 MCP를 활용한 유튜브 데이터 수집: MCP 도구를 사용한 유튜브 데이터 수집 방법

• 2-3 실습: API와 MCP를 활용한 유튜브 데이터 수집

• 2-4 데이터 스트리밍 & 스케줄링: 실시간 데이터 처리 및 작업 자동화 개념

• 2-5 실습: 데이터 스케줄링을 활용한 유튜브 데이터 수집

3. data 폴더: 데이터 분석

수집된 데이터를 탐색하고 분석하는 과정을 프롬프트 엔지니어링과 함께 실습합니다.

• 3-1 데이터 분석 기초: 데이터 분석의 기본 원리 및 방법

• 3-2 실습: **탐색적 데이터 분석(EDA)**와 텍스트 전처리

• 3-3 데이터 분석기: 데이터 분석을 위한 도구 및 라이브러리 소개

• 3-4 실습: 프롬프트 엔지니어링 기초 및 적용

• 3-5 실습: 뉴스 데이터 자동 분석 & 요약 스크립트 제작

4. deploy 폴더: 챗봇 제작 및 배포

개발한 챗봇을 완성하고 실제 환경에 배포하는 과정을 실습합니다.

• 4-1 챗봇 화면 설계: 사용자 친화적인 챗봇 인터페이스 설계

• 4-2 배포의 개념: 개발된 애플리케이션을 서비스할 수 있게 만드는 과정 학습

• 4-3 실습: 뉴스 트렌드 챗봇 완성 및 배포

---

AI Agent and Data Analysis Workshop Materials

This repository is designed for hands-on practice covering the entire workflow of AI Agent Development, Data Collection & Analysis, and Chatbot Creation & Deployment.

You can find the final deliverables in the repositories below:

MCP Server

MCP Client

Environment Setup & Essential Files

File/Folder	Description	Setup Method
.env.example	An example file for environment variable configuration.	Copy this file to create a .env file, then issue and paste your YouTube and Gemini API Keys.
requirements.txt	A list of libraries required for the project.	Use the following code to set up a virtual environment and download the packages: python -m venv venv source venv/bin/activate (Linux/macOS) or .\venv\Scripts\activate (Windows) pip install -r requirements.txt

Workshop Structure (4-Stage Workflow)

1. streamlit folder: AI Agent Concepts & Development Environment Setup

Aims to acquire basic knowledge of AI Agents and set up the development environment.

• 1-1 AI Agent Basics: Learning the fundamental concepts of AI Agents
• 1-2 Environment Preparation: Setting up necessary tools and environments
• 1-3 Streamlit Basics: Basic usage of the web application framework, Streamlit
• 1-4 Gemini API Integration: How to integrate using the Gemini API (includes GPT API introduction)
• 1-5 Lab: Developing a Basic Chatbot (Integrating Gemini API and launching it with Streamlit)

2. mcp folder: Data Collection

Covers the basic knowledge required for YouTube data collection and how to utilize MCP (Multi-Channel Processing).

• 2-1 Data Collection Basics: Fundamental concepts of data collection
• 2-2 YouTube Data Collection with MCP: How to collect YouTube data using MCP tools
• 2-3 Lab: YouTube data collection using API and MCP
• 2-4 Data Streaming & Scheduling: Concepts of real-time data processing and task automation
• 2-5 Lab: YouTube data collection using Data Scheduling

3. data folder: Data Analysis

Practice exploring and analyzing collected data alongside Prompt Engineering.

• 3-1 Data Analysis Basics: Basic principles and methods of data analysis
• 3-2 Lab: Exploratory Data Analysis (EDA) and Text Preprocessing
• 3-3 Data Analyzer: Introduction to tools and libraries for data analysis
• 3-4 Lab: Prompt Engineering Basics & Application
• 3-5 Lab: Creating an Automated News Data Analysis & Summary Script

4. deploy folder: Chatbot Creation & Deployment

Practice finalizing the developed chatbot and deploying it to a live environment.

• 4-1 Chatbot UI Design: Designing a user-friendly chatbot interface
• 4-2 Deployment Concepts: Learning the process of making a developed application serviceable
• 4-3 Lab: News Trend Chatbot Completion & Deployment