시스템 학습
AI 가독 정보와 API·feed·protocol로 안전하게 실행하는 Agent 사이의 층을 배웁니다.
모델 만들기
단계 08 · 개선
Agent-Ready Web: 기계 주도 여정 준비
읽을 수 있는 콘텐츠를 넘어 승인된 Agent가 기능을 발견하고 안전하게 행동할 수 있도록 설계합니다.
결과
발견성, 기계 가독 기능, 인증, 권한, 상태 변경, 사람의 감독을 평가합니다.
- 사전 조건
- 이전 단계 완료 또는 복습: GEO 운영 시스템
- 작업량
- 학습 60–90분 + 작업 1회
- 결과물
- 발견과 실행 능력을 구분한 Agent 여정 지도와 backlog.
학습 → 실행 → 증명
작업 수행
고객 업무 하나를 발견부터 실행까지 권한과 실패 상태를 포함해 그립니다.
결과물 만들기
결과 증명
제한된 기계 가독 경로를 시연하고 보안·운영 한계를 기록합니다.
증거 확인
Concept boundaries
Machine-readable capability
A clearly described action, input, output, and constraint that software can discover and interpret.
Publishing a description does not make the underlying action safe or executable.
Agentic journey
A task path in which an authorized agent discovers information, makes bounded choices, and may request or perform an action.
Autonomy should not exceed the identity, permission, and approval model.
State-changing action
An operation that creates, updates, purchases, books, sends, deletes, or otherwise changes a system or external commitment.
Machine readability never removes the need for authentication, authorization, validation, idempotency, and recovery.
Core lesson
01
Separate readable information from executable capability
An agent may understand a page yet have no safe path to complete the user's job.
Map the layers: discoverable information, structured facts, capability description, interface contract, authentication, authorization, confirmation, state change, receipt, and recovery. A gap at any layer changes what the journey can responsibly promise.
Static files and metadata can improve discovery. APIs, feeds, tools, or protocols can expose capability. Neither should imply permission to act on behalf of a person without the required controls.
- Name the exact customer job.
- Mark where information ends and state change begins.
- Identify the human confirmation and recovery path.
02
Design the contract around failure
A useful interface declares what happens when data is missing, stale, duplicated, unauthorized, or partially completed.
Define inputs, validation, permissions, side effects, idempotency, rate limits, error states, confirmation language, receipts, and escalation. Treat observability and audit logs as part of the capability, not an afterthought.
Begin with read-only or reversible paths where possible. Expand autonomy only when the evidence shows the team can detect failure, contain impact, and restore a safe state.
- List failure states before the happy path is approved.
- Use least privilege for each action.
- Provide a durable receipt and escalation owner.
Decision framework
Discover → understand → authorize → act → recover
How far can this journey safely progress today?
- 01
Discover
Can an agent find the correct facts and capability description?
Fix canonical information and machine-readable discovery first.
- 02
Understand
Are inputs, outputs, constraints, and freshness explicit?
Define the contract and validation before execution.
- 03
Authorize
Can identity, scope, and user intent be verified?
Keep the path read-only or require human handoff until permissions are sound.
- 04
Act and recover
Can the system prevent duplicates, record the result, and recover from failure?
Permit bounded state change only with confirmation, idempotency, audit, and recovery.
Worked non-client example
A service company wants an AI agent to book consultations directly from a public capability page.
- Service information and availability are readable.
- The booking endpoint has no idempotency key or scoped authorization.
- Cancellation and human escalation are not represented.
Expose a read-only availability check and a human-confirmed booking handoff before allowing autonomous booking.
Discovery is ready, but the state-changing contract and recovery path are not.
A prototype can prove the bounded path works under test conditions; it does not establish production security or universal agent compatibility.
Reusable work template
Agent journey and capability contract
Map one customer job from discovery through recovery.
- 01
User job and authority
State the intended outcome, actor, and who may authorize each step.
- 02
Discoverable facts
List canonical sources, freshness, and machine-readable representations.
- 03
Capability contract
Define action, inputs, outputs, constraints, validation, and side effects.
- 04
Permission and confirmation
Specify identity, scope, least privilege, and human approval points.
- 05
Failure and recovery
List duplicate, timeout, partial, denied, stale, and cancellation paths.
- 06
Audit and evidence
Define logs, receipts, monitoring, owner, and production-readiness boundary.
Failure modes and corrections
Metadata equals capability
A file or schema is presented as proof that agents can complete the task.
Description does not provide an authenticated, reliable execution path.
Separate discovery evidence from executable capability evidence.
Happy-path autonomy
The flow handles success but not duplicates, partial completion, denial, or cancellation.
A state-changing failure can create real commitments or data inconsistency.
Design idempotency, receipts, recovery, and human escalation before autonomy.
Permission inherited from access
Because an endpoint is reachable, the agent is assumed to have authority to use it.
Reachability does not establish identity, scope, or user intent.
Require explicit authentication, authorization, and confirmation boundaries.
Practice exercise
Prototype one bounded agent journey
Choose a real customer job and stop the prototype at the last layer the current controls can support.
- 01Map discovery, understanding, permission, action, receipt, and recovery.
- 02Write the capability contract and failure states.
- 03Prototype a read-only, reversible, or human-confirmed path.
- 04Test denial, duplicate, stale-data, and handoff scenarios.
Proof artifact
An agent journey map, capability contract, bounded prototype evidence, and readiness backlog.
Completion rubric
- Information and execution layers are distinct.
- Authority and human approval are explicit.
- Failure and recovery paths are testable.
- The readiness claim stops at what the prototype actually proves.
ACADEMY KNOWLEDGE LIBRARY
전체 라이브러리
단계를 고른 뒤 주제와 독자 의도로 필요한 깊이를 선택하세요.
considerationhubboth
AI 에이전트 전략이란? 에이전트 기반 검색에 브랜드를 대비하는 입문 프레임워크
AI 에이전트는 이미 B2B 구매자를 대신해 사전 조사를 수행하고 공급업체를 추려냅니다. 에이전트 기반 검색에서 선택받으려면 AI가 브랜드 정보를 정확히 이해할 수 있는 체계가 필요합니다. 이것이 AI 에이전트 전략입니다.
글 읽기considerationhubboth
크로스보더 이커머스 GEO 가이드: AI 쇼핑 어시스턴트의 상품 추천을 이끄는 법
AI 쇼핑의 핵심은 상품을 검색 결과 1위에 올리는 것이 아니라, 답변에서 언급할 만한 상품으로 선택받는 것입니다. 크로스보더 판매자가 먼저 해야 할 일은 AI가 무엇을 판매하는지 정확히 읽을 수 있게 만드는 것입니다.
글 읽기considerationhow-tosearchable
AI가 쉽게 추출하는 깔끔한 HTML: div 중첩을 줄이고 제목 계층과 데이터 속성을 바로잡는 법
AI가 보는 것은 브라우저에 표시된 화려한 레이아웃이 아니라 그 안에서 추출한 깔끔한 콘텐츠입니다. HTML이 AI에 더 정확히 포착되도록 만드는 세 가지 방법을 알아봅니다.
글 읽기implementationhow-tosearchable
AI에 Markdown 콘텐츠 제공하기: /md 엔드포인트와 일반 텍스트 백업 구현
HTML 시맨틱 마크업을 완벽하게 다듬고 모델이 레이아웃을 제대로 추측하기를 기대하기보다, 깔끔하게 정리된 Markdown 사본을 AI에 직접 제공하는 편이 낫습니다.
글 읽기decisionhow-toboth
ChatGPT Shopping과 Perplexity에 상품을 노출하는 법: 실전 최적화 가이드
AI 쇼핑 엔진은 멋진 브랜드 스토리보다 상품 데이터의 일관성과 온라인 리뷰의 공통된 평가를 읽습니다. 자사 상품이 ChatGPT와 Perplexity의 추천 목록에 포함되도록 만드는 네 가지 단계를 소개합니다.
글 읽기implementationhow-tosearchable
isitagentready로 웹사이트 점검하기: AI 에이전트 가독성 8가지 지표와 개선 방법
Google 검색 1위라고 해서 AI가 페이지를 읽을 수 있는 것은 아닙니다. isitagentready로 8가지 가독성 지표를 점검하고, 에이전트가 콘텐츠를 읽거나 인용하지 못하는 진짜 원인을 찾아보세요.
글 읽기증명 과제
증명 과제: Agent-Ready Web
제한된 기계 가독 경로를 시연하고 보안·운영 한계를 기록합니다.
- 01시작 증거 저장 — AI 가독 정보와 API·feed·protocol로 안전하게 실행하는 Agent 사이의 층을 배웁니다.
- 02단계 결과물 완성 — 고객 업무 하나를 발견부터 실행까지 권한과 실패 상태를 포함해 그립니다.
- 03목표와 검토 — 제한된 기계 가독 경로를 시연하고 보안·운영 한계를 기록합니다.
산출물
발견과 실행 능력을 구분한 Agent 여정 지도와 backlog.
관련 자료
주제 계속 학습
핵심 단계는 공개되며 일부 고급 whitepaper는 기존 해제 방식을 유지합니다.
백서6개 장 · 2026.06
읽히는 것에서 실행되는 것으로: MCP와 B2A의 agent-ready 인프라
MCP는 이미 주요 AI 공급사들이 공유하는 커넥터가 되었고, WebMCP는 웹사이트가 구조화된 기능을 외부에 노출해 agent가 직접 작업을 실행하게 합니다. 이 백서는 agentic web이 마케팅을 '읽히는 것'에서 '사용되는 것'으로 어떻게 밀어 올리는지, 그리고 B2A 인프라를 어떻게 시작하는지 설명합니다.
읽히는 것에서 실행되는 것으로: MCP와 B2A의 agent-ready 인프라가이드6개 챕터 · 2026.06
llms.txt 배포 가이드
맨바닥부터 웹사이트에 llms.txt를 세팅하기: 문법, 디렉터리 구조, robots.txt와의 역할 분담, 그리고 고객 사이트에서 검증한 흔한 실수들.
llms.txt 배포 가이드가이드6개 장 · 2026.06
ChatGPT 상품 피드 설정 가이드: AI가 선택하는 데이터 규격
OpenAI는 Instant Checkout을 접은 뒤 상품 탐색으로 방향을 틀어, 상점이 피드를 제출하면 상품이 '완전하게 노출'되도록 했습니다. 이 가이드는 ChatGPT 상품 피드의 형식, 항목, 갱신 규격을 정리해 상품을 AI 탐색 레이어가 읽고 선택할 수 있는 데이터로 만들어 줍니다.
ChatGPT 상품 피드 설정 가이드: AI가 선택하는 데이터 규격해부6개 장 · 2026.06
에이전트 결제 레일: AP2, Visa, Mastercard 프로토콜 해부
2026년 에이전트 결제 인프라가 갖춰졌습니다: Google이 AP2를 개방하고, Mastercard Agent Pay, Visa Trusted Agent에 더해 Visa까지 ChatGPT에 연결됐습니다. 이 해부는 이 프로토콜들의 차이, 그리고 가맹점이 무엇을 지원해야 하고 어떻게 신뢰 신호를 기계가 검증 가능하게 만드는지를 알려줍니다.
에이전트 결제 레일: AP2, Visa, Mastercard 프로토콜 해부도구로 단계 실행
AI Agent Strategy
고객 업무 하나를 발견부터 실행까지 권한과 실패 상태를 포함해 그립니다.
증거 경계
Use the output for the decision it describes; do not treat a technical scan, self-assessment, or planning model as proof of live AI citations.
학습 적용
다음 점검 가능한 결정으로
증거 기반이 결정에 맞을 때만 도구나 서비스를 사용합니다.