Jupyter 데이터 분석
AI Agent용 안내: 이 페이지의 Markdown 버전은 https://ankole.agentbull.com/ko-KR/docs/jupyter-data-analysis/index.md, 전체 문서 색인은 https://ankole.agentbull.com/ko-KR/llms.txt에 있습니다.
데이터 분석은 DataFrame을 확인하고 쿼리를 다듬은 뒤 차트를 그려 보며 결과를 다시 검증하는 반복 작업입니다. 일회성 Python 프로세스는 호출이 끝날 때마다 종료되므로 이러한 중간 상태를 유지할 수 없습니다. 반면 jupyter-live-kernel skill은 라이브 Jupyter kernel을 띄워 상태를 보존하므로, Agent가 여러 셀에 걸쳐 이어서 분석을 진행할 수 있습니다. 이 가이드에서는 데이터 분석용 Agent를 실무에 맞게 구성하는 방법을 살펴봅니다.
핵심은 Jupyter kernel이 **여러 셀에 걸쳐 상태를 유지한다(stateful across cells)**는 점입니다. 변수, DataFrame, import한 라이브러리, 플롯 상태가 호출 사이에도 그대로 남아 있으므로, Agent가 단계마다 데이터를 다시 불러오거나 라이브러리를 새로 import할 필요가 없습니다.
필요한 것
- 활성화된
jupyter-live-kernelskill. 기본값이default_enabled: true이므로 별도로 끄지 않았다면 바로 사용할 수 있습니다. 자세한 내용은 Skills를 참조하세요. - Worker 이미지. Agent Computer Worker 이미지에는 Python, Jupyter,
hamelnbkernel이 기본 포함되어 있습니다. - 바인딩된
primary모델 프로필. Agent가 Python 코드를 작성하면 kernel이 이를 실행합니다.
kernel vs 일회성 스크립트
다음과 같은 경우에는 Jupyter kernel을 사용하세요.
- 데이터를 확인하고 조건을 조정한 뒤 다시 확인하는 반복 분석 작업일 때
- 로드한 DataFrame, 학습된 모델, import한 라이브러리 등 메모리 상태를 유지해야 할 때
- 최종 쿼리를 작성하기 전에 데이터 구조와 분포를 먼저 탐색해야 할 때
반면 다음과 같은 경우에는 command 도구를 통한 일회성 Python 프로세스가 더 적합합니다.
- 한 번 실행해 출력을 내면 끝나는 무상태(stateless) 스크립트일 때
- 중간 확인 없이 파일 형식만 바꾸는 배치 변환 작업일 때
해당 skill의 SKILL.md에서도 무상태 스크립트에는 일회성 Python 프로세스를 우선 사용하도록 안내합니다(“Prefer a one-shot Python process for stateless scripts.”).
kernel 작동 방식
jupyter-live-kernel skill은 ankole-runtime: main을 선언하므로 Agent가 대화 중에 직접 사용할 수 있습니다. Session 또는 Job workspace에서 Jupyter 서버를 시작하고 로컬 Unix 소켓으로 셀을 전송합니다. 각 셀은 같은 실행 중인 kernel을 공유하므로 첫 번째 셀의 변수를 다섯 번째 셀에서도 참조할 수 있습니다.
반복 작업에서는 Agent가 추적 가능한 셸 세션으로 서버를 유지하고 작업이 끝나면 중지합니다. 배치 작업은 한 번의 호출에서 서버 시작, 분석, 산출물 확인, 정리를 마칩니다. kernel 메모리는 임시 프로세스 상태이므로 보존할 결과는 파일에 저장하세요.
작업 예시
팀원이 채널에 올린 CSV 파일을 분석하는 Agent를 설정하는 절차는 다음과 같습니다.
jupyter-live-kernelskill이 활성화되어 있는지 확인합니다(기본 활성화).- Agent를 생성하고
AGENTS.md에"When a CSV appears in the channel, load it into a DataFrame, inspect the schema and summary statistics, identify anomalies, and report findings with a plot."을 작성합니다. - 채널에 CSV 파일을 첨부하거나, Console에서 Agent 드라이브에 파일을 업로드한 뒤 해당 경로를 알려 줍니다.
- 요청을 받은 Agent는 워크스페이스에서 kernel을 시작하고, CSV를 불러와 반복적으로 데이터를 점검한 뒤 플롯과 함께 분석 결과를 보고합니다.
이 가이드가 아닌 것
이 문서는 Python이나 pandas 문법을 다루는 튜토리얼이 아니며, 코드는 Agent가 직접 작성하고 skill은 실행 환경을 제공합니다. 또한 재사용할 노트북 문서를 꾸미는 가이드도 아닙니다(물론 요청에 명시하면 Agent가 .ipynb 파일을 저장할 수는 있습니다). 정확한 도구 호출 규칙은 해당 skill의 SKILL.md가 기준이므로, 세부 동작을 확인할 때는 SKILL.md를 직접 참고하세요.
다음 단계
- Skill 시스템 전반은 Skills와 Writing a skill을 참조하세요.
- 셸 도구 사용법은 Code execution을 참조하세요.
- 백그라운드 Job 구조는 Background jobs를 참조하세요.
- Agent용 파일 업로드는 File management를 참조하세요.