기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 사용자 지정 에이전트 기술 모델링
<a name="model-customize-agent-skills"></a>

모델 사용자 지정 워크플로를 가속화하기 위해 Amazon SageMaker AI는 Kiro 및 Claude Code와 같은 기술을 지원하는 AI 코딩 어시스턴트와 함께 작동하도록 설계된 포괄적인 에이전트 Skills 세트를 제공합니다. 이러한 Skills는 Amazon SageMaker AI 모범 사례에 따라 IDE 또는 명령줄에서 코딩 도우미에게 Amazon SageMaker AI 및 Amazon Bedrock 옵션을 사용하여 사용 사례 사양 및 계획, 데이터 세트 변환, 사용자 지정 기법 선택, 미세 조정, 모델 평가, 모델 배포와 같은 모델 사용자 지정 작업을 오케스트레이션하도록 지시합니다. Amazon SageMaker Amazon SageMaker AI 기술에 따라 Amazon SageMaker AI Amazon SageMaker APIs와 선호하는 워크플로를 설명할 수 있습니다.

Amazon SageMaker AI 스킬은 AWSLabs에서 AWS 유지 관리하는 에이전트 플러그인 GitHub 리포지토리를 통해 오픈 소스 에이전트 플러그인으로 배포됩니다. 에이전트 기술 공개 표준에서 정의한 표준 SKILL.md 형식을 준수하면 이러한 기술은 호환되는 모든 코딩 환경에서 이식이 가능합니다.

**시작하기**: AWSLabs 에이전트 플러그인 리포지토리를 통해 GitHub의 Amazon SageMaker AI 에이전트 스킬에 액세스합니다. [AWSLabs ](https://github.com/awslabs/agent-plugins) Claude Code 또는 Cursor에서 `sagemaker-ai` 플러그인을 설치합니다. 에이전트 플러그인을 직접 지원하지 않는 코딩 어시스턴트(예: 2026년 3월 현재 Kiro CLI 또는 IDE)의 경우 [read me 파일에](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) 설명된 대로 MCP 서버와 기술을 별도로 설치합니다.