수업 안에서 이어지는 AI 대화
AI Chat은 학습관리시스템(LMS) 안에서 여러 AI 모델과 대화하는 서비스입니다. AI Tutor는 여기에 과목별 강의자료를 연결해, 학생이 수업 내용을 질문하고 참고한 자료를 확인하도록 돕습니다.
목표는 질문에 답하는 창에서 한 걸음 더 나아가는 것이었습니다. 수업 자료를 찾아 이해하고, 필요한 학습자료를 만들고, 결과를 다시 확인하는 과정을 같은 대화 안에 연결했습니다. 답변의 근거와 작업의 진행 상태를 함께 보여주는 데 중점을 뒀습니다.
핵심 기능
과목 자료를 바탕으로 답하고, 출처를 함께 보여줍니다
AI Tutor는 강의계획서·문서·영상 자막 등 해당 과목의 자료를 검색해 답변에 활용합니다. 사용자는 답변의 출처를 열어 원문을 확인하고 후속 질문을 이어갈 수 있습니다. 아래는 AI Chat에서 공개 문서를 참고한 답변과 출처 표시 예시입니다.
여러 모델과 도구를 하나의 대화에서 사용합니다
OpenAI·Gemini·Claude 모델을 선택해 대화하고, 웹 검색·파일 검색·코드 실행·이미지 생성을 질문에 연결합니다. 도구가 처리 중인지, 어떤 결과가 나왔는지를 대화에 표시하고 생성한 파일은 다운로드로 이어집니다.
학습자료 제작과 LMS 조회를 에이전트에 연결합니다
에이전트는 요청에 맞는 도구를 골라 작업을 이어가는 기능입니다. 강의·슬라이드·영상 제작, 퀴즈 생성과 LMS 데이터 조회를 대화에 연결했습니다. 제작은 AI Commons에서 진행하고, 대화에서 진행 상황과 결과를 확인할 수 있습니다.
사용자의 요청과 대화 맥락, 진행 상황과 결과를 저장합니다. 대화 연결이 끊겨도 제작 작업은 이어지고, 다시 접속하면 기존 작업의 진행 상황과 결과를 확인하도록 했습니다.
서비스 구조
LMS에서 확인한 사용자와 과목 정보를 AI 서비스의 로그인 상태로 연결합니다. 대화 서버는 이 맥락에 맞는 자료와 도구를 선택하고, 모델의 응답과 작업 상태를 화면에 전달합니다. 대화 내용과 제작 진행 상황은 저장해 이후에도 확인할 수 있도록 했습니다.
대화와 도구의 연결
대화 화면 뒤에서 모델과 제품 기능을 연결합니다
서버가 사용자 권한과 대화 맥락을 확인하고 모델과 도구를 호출합니다. 답변과 작업 진행 상황은 같은 대화 화면으로 전달합니다.
전체 연결 읽기 · 3개
- 대화 화면 → 대화·에이전트 서버 · 질문·대화 맥락
- 대화·에이전트 서버 → 응답 모델 · 모델 호출
- 대화·에이전트 서버 → 자료 검색과 제품 도구 · 권한에 맞는 실행
Chat과 Tutor의 사용량을 구분하려 공급자 프로젝트를 나누면서, Tutor는 기존 프로젝트에 남겨 과목 자료를 유지했습니다. Chat은 새 프로젝트를 사용하고, 기존 첨부 대화는 읽기 전용으로 보존했습니다. 파일 수명과 대화 정책에서도 저장된 대화와 외부 자산을 계속 사용할 수 있는 조건을 구분했습니다.
제품을 위한 설계 선택
모델을 바꿔도 대화의 사용 방식은 이어지게
여러 공급자의 답변·도구 진행 상태·출처·결과를 공통 흐름으로 맞췄습니다. 공급자마다 다른 재개와 이력 처리는 연결 계층에 두어, 모델이 바뀌어도 화면에서 작업을 이어가는 방식은 유지했습니다. 자세한 경계는 공급자별 응답을 공통 흐름으로 연결한 기록에 남겼습니다.
직접 선택과 자동 모델 선택을 함께
사용자가 모델을 직접 고를 수 있고, 질문에 필요한 추론 수준에 따라 응답 모델을 자동 선택할 수도 있습니다. 질문 분류와 실제 답변 생성을 나눠, 모든 질문에 같은 모델을 쓰는 방식에서 선택의 폭을 넓혔습니다.
실행 범위는 사용자 권한과 이용 한도 안에서
과목 자료 검색과 학습 데이터 조회는 사용자가 볼 수 있는 과목과 자료 안에서 이루어집니다. AI가 질문을 해석해 조회를 요청하더라도, 서버가 사용자의 역할과 자료의 공개 범위를 확인한 뒤 허용된 정보만 전달하도록 했습니다.
기관의 크레딧 총량과 개인 월 사용 한도를 나누고, 공급자가 기록한 사용량과 사용자에게 차감할 금액도 구분했습니다. 도구 선택용 보조 호출은 실제 토큰을 남기되 사용자 금액은 0으로 두었습니다. 사용량과 사용자 금액을 나눈 기준에 따라 제공할 기능과 이용 범위를 관리했습니다.
배운 점
대화의 완성도는 답변 바깥에서도 결정됩니다
과목 자료와 출처, 도구의 진행 상태, 내려받을 결과가 함께 연결되어야 사용자가 다음 행동으로 이어갈 수 있었습니다. 답변 문장만큼 그 주변의 흐름을 설계하는 일이 중요했습니다.
모델의 선택과 서비스의 책임을 나눠야 합니다
제작과 데이터 조회로 확장할수록 AI의 판단이 실제 작업과 비용으로 이어졌습니다. 도구 선택을 맡기면서도 권한·이용 한도·작업 기록은 서비스가 확인하도록 경계를 두는 것이 필요했습니다.
초기에 맞춘 공통 구조가 이후 확장을 돕습니다
대화·인증·응답 흐름을 먼저 맞춘 것이 과목 튜터와 여러 공급자로 확장하는 기반이 됐습니다. 기관별 설치 조건과 운영 절차도 남겨, 팀이 같은 구조를 이해하고 다음 변경을 이어갈 수 있게 했습니다.

