Timbal AI

1) 계정을 만들고 Timbal을 엽니다.: https://timbal.ai/로 이동하여 “지금 무료로 시작하기”를 클릭하거나(또는 https://app.timbal.ai/에서 로그인) Timbal Studio에 접속하여 에이전트, 워크플로, 인터페이스 및 지식 기반을 구축할 수 있습니다.

2) 구축할 항목 선택 (에이전트 vs 워크플로): Studio에서 다음 중 하나를 결정합니다. (a) 도구 및 메모리를 사용한 자율 추론을 위한 에이전트, 또는 (b) 분기 로직 및 보장된 결과를 가진 확정적이고 단계별 파이프라인을 위한 워크플로.

3) 통합(또는 MCP)을 통해 데이터 및 도구 연결: Studio에서 “통합”을 열고 AI에 필요한 시스템(예: Slack, Drive, Jira, SAP, Salesforce)을 연결합니다. 이미 MCP를 통해 노출된 도구가 있는 경우 Timbal의 MCP 엔드포인트(api.timbal.ai/mcp)를 가리킵니다.

4) (선택 사항) RAG를 위한 지식 기반 구축: Studio에서 지식 기반을 생성하고 문서/데이터 소스를 동기화합니다. Timbal은 엔터프라이즈급 검색(하이브리드 검색: 벡터 + 전체 텍스트 + SQL 스타일 쿼리)을 제공하여 에이전트/워크플로가 내부 콘텐츠를 사용하여 답변할 수 있도록 합니다.

5) 모델 라우팅 구성 (모델 불가지론적): 사용 사례에 맞는 LLM/공급업체(OpenAI, Anthropic, Google, Mistral, Meta 또는 모든 OpenAI 호환 엔드포인트)를 선택합니다. Timbal은 모델 불가지론적이며 에이전트별, 단계별 또는 테넌트별로 공급업체를 전환할 수 있도록 지원합니다.

6) 오픈 소스 Python 프레임워크로 코드 구축 (로컬 개발): 프레임워크 리포지토리를 복제하고 로컬에서 테스트를 실행합니다: git clone https://github.com/timbal-ai/timbal.git && cd timbal && uv sync --dev && uv run pytest. 그런 다음 async/await 및 도구를 사용하여 에이전트를 생성합니다 (소스 예시): import asyncio; from timbal import Agent; from timbal.tools import WebSearch; agent = Agent(name="assistant", model="anthropic/claude-sonnet-4-6", tools=[WebSearch()], max_tokens=1024); async def main(): result = await agent(prompt="What's new in AI this week?").collect(); print(result.output); asyncio.run(main()).

7) Studio에서 구축 (시각적) 및 필요할 때 코드 내보내기: Studio를 사용하여 에이전트/워크플로 및 통합을 시각적으로 조립합니다. Timbal은 내보내기 가능한 코드(블랙박스 없음)를 강조합니다. 에이전트, 워크플로 및 통합은 로컬에서 실행하거나 자체 호스팅할 수 있는 읽기 쉬운 코드로 컴파일될 수 있습니다.

8) 거버넌스 추가: 환경 + 검토 워크플로 (Git 통합): 별도의 환경(개발/스테이지/프로덕션)을 설정하여 실험이 프로덕션에 영향을 미치지 않도록 합니다. Timbal 변경 사항을 브랜치 및 풀 리퀘스트에 연결하여 모든 에이전트/워크플로/구성 업데이트가 프로덕션으로 승격되기 전에 검토되도록 합니다.

9) 배포 (관리형 또는 자체 호스팅): 배포 모드를 선택합니다: (a) Timbal 관리형 인프라에 완전 관리형 배포(지역/머신 크기 선택, 확장, 롤백), 또는 (b) 구성 요소를 직접 자체 호스팅. 플랫폼은 클라우드, VPC 또는 온프레미스 배포를 지원합니다.

10) CLI에서 배포 (빠른 경로): Timbal CLI를 사용하여 스캐폴드 및 배포합니다 (소스 예시): $ timbal init my-agent; $ timbal deploy --env prod → deployed … → url: api.timbal.ai/agents/…. CLI는 인증, UI를 사용한 로컬 실행 및 클라우드 푸시를 지원합니다.

11) TypeScript/JavaScript SDK를 통해 배포된 AI 호출: 공식 SDK를 설치하고 사용하여 Node/React/Bun에서 워크포스/에이전트/워크플로를 호출합니다 (소스 예시): import Timbal from "@timbal-ai/timbal-sdk"; const timbal = new Timbal({ token: "your-api-key", orgId: "your-org-id", projectId: "your-project-id" }); const res = await timbal.callWorkforce("support", { message: "Refund #8812" }); 환경 변수를 통해 구성하고 as()를 사용하여 사용자 범위 클라이언트를 생성할 수도 있습니다.

12) 인터페이스 출시 (채팅/대시보드/옴니채널) 또는 제품에 임베드: Timbal 인터페이스를 사용하여 사용자 지정 UI(채팅에서 대시보드, 음성까지)를 생성하고 채널(예: WhatsApp, Instagram, 이메일, 음성)을 통해 제공하거나 기존 제품 내에 경험을 임베드합니다.

13) 전체 추적 가능성으로 프로덕션 실행 관찰 및 디버그: Timbal의 관찰 가능성을 사용하여 프롬프트, 도구 호출, 모델 사용량, 타이밍 및 실패를 포함한 엔드 투 엔드 추적을 검사합니다. 이는 디버깅 및 의사 결정을 확신을 가지고 설명하는 데 도움이 됩니다.

14) 안전하게 반복: 평가, 승격 및 롤백: 내장된 평가/거버넌스를 사용하여 프로덕션으로 승격하기 전에 동작을 검증합니다. 환경 전반에 걸쳐 버전을 승격하고 필요할 때 배포를 롤백하여 프로덕션의 안정성과 감사 가능성을 유지합니다.