TechFeedTechFeed
🔍
Big Tech Updates

Microsoft Copilot Stack 해부 — AI 플랫폼 전략과 개발자 영향

Semantic Kernel, Azure AI Studio, Copilot Studio, GitHub Copilot Workspace, Teams AI Library까지. Microsoft AI 생태계의 계층 구조와 개발자 진입점 완전 정리.

한 줄 요약: Microsoft Copilot Stack은 Azure OpenAI를 기반으로 Semantic Kernel이 오케스트레이션하고, Copilot Studio·Azure AI Studio가 개발 플랫폼을 담당하는 계층형 AI 아키텍처다. 개발자는 어느 계층에서 진입하느냐에 따라 완전히 다른 경험을 하게 된다.

이 글이 필요한 사람
  • GitHub Copilot·Copilot for Microsoft 365를 쓰면서 내부 구조가 궁금한 개발자
  • Azure AI Studio와 Copilot Studio의 차이를 명확히 구분하고 싶은 경우
  • Semantic Kernel로 직접 AI 에이전트를 만들려는 .NET·Python 개발자
  • Microsoft AI 생태계에서 어떤 도구를 선택해야 하는지 판단하고 싶은 경우

Copilot Stack 전체 계층 구조

Microsoft가 공식적으로 "Copilot Stack"이라고 부르는 구조는 하단에서 상단으로 4개 계층으로 구성된다.

Layer 1 — AI Models: Azure OpenAI Service에서 제공하는 기반 모델군. GPT-4o, GPT-4 Turbo, o1, o3-mini, 그리고 Meta Llama·Mistral 같은 오픈소스 모델까지 포함된다. 개발자는 Azure 포털에서 모델을 배포하고 REST API로 호출한다.

Layer 2 — AI Orchestration: 여러 모델과 도구를 연결하는 미들웨어 계층. Semantic Kernel(오픈소스, .NET/Python/Java)과 LangChain(서드파티)이 이 역할을 한다. 프롬프트 관리, 메모리, 플러그인 연결, 에이전트 루프가 여기서 처리된다.

Layer 3 — Copilot Development Platform: 코드를 최소화하고 Copilot을 만드는 플랫폼. Copilot Studio(로우코드), Azure AI Studio(프로코드)가 주인공이다. RAG 파이프라인, 지식 그래프, 커스텀 액션 연결이 GUI 기반으로 가능하다.

Layer 4 — Copilot Experiences: 최종 사용자가 만나는 AI 인터페이스. GitHub Copilot, Microsoft 365 Copilot, Teams Copilot, Windows Copilot이 여기에 속한다. 개발자는 이 계층에 플러그인·확장을 추가할 수 있다.

진입점 선택 기준: 빠른 프로토타이핑이 목표면 Copilot Studio, 완전한 커스터마이즈가 필요하면 Semantic Kernel + Azure AI Studio, 기존 Microsoft 365 환경에 AI를 추가하는 것이면 Copilot Studio + Teams AI Library 조합을 권장한다.

Semantic Kernel — AI 오케스트레이션의 핵심

Semantic Kernel(SK)은 Microsoft가 오픈소스로 공개한 AI 오케스트레이션 라이브러리다. LangChain과 비교했을 때 .NET 생태계 지원이 강점이며, Microsoft의 공식 지원을 받는다. Python·Java 버전도 있다.

SK의 핵심 개념 세 가지:

  • Kernel: AI 모델과 서비스를 등록하는 DI(의존성 주입) 컨테이너. OpenAI, Azure OpenAI, Hugging Face 등을 플러그 앤 플레이로 교체할 수 있다.
  • Plugin: LLM이 호출할 수 있는 함수 모음. C# 메서드에 [KernelFunction] 어노테이션만 달면 자동으로 함수 스펙(Function Calling 포맷)으로 변환된다.
  • Planner: 사용자의 자연어 목표를 분석해 어떤 플러그인을 어떤 순서로 호출할지 계획을 세우는 에이전트 컴포넌트.
Semantic Kernel — C# 기본 에이전트 구성 예시
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.AzureOpenAI;

// Kernel 구성
var builder = Kernel.CreateBuilder();
builder.AddAzureOpenAIChatCompletion(
    deploymentName: "gpt-4o",
    endpoint: Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT")!,
    apiKey: Environment.GetEnvironmentVariable("AZURE_OPENAI_KEY")!
);

// 플러그인 등록 (일반 C# 클래스)
builder.Plugins.AddFromType<CodeReviewPlugin>();
builder.Plugins.AddFromType<GitHubPlugin>();

var kernel = builder.Build();

// 자동 함수 호출 활성화
var executionSettings = new AzureOpenAIPromptExecutionSettings
{
    ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions
};

var chat = kernel.GetRequiredService<IChatCompletionService>();
var history = new ChatHistory("당신은 코드 리뷰 전문가입니다.");
history.AddUserMessage("이 PR의 주요 변경 사항을 분석하고 잠재적 버그를 찾아줘.");

var result = await chat.GetChatMessageContentAsync(history, executionSettings, kernel);
Console.WriteLine(result.Content);
Semantic Kernel — Python 버전 플러그인 정의
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.functions import kernel_function
from semantic_kernel.connectors.ai.function_choice_behavior import FunctionChoiceBehavior

# 플러그인 클래스 정의
class DatabasePlugin:
    @kernel_function(description="SQL 쿼리를 실행하고 결과를 반환합니다.")
    async def execute_query(self, query: str) -> str:
        # 실제 DB 연결 로직
        return await db.execute(query)

    @kernel_function(description="테이블 스키마 정보를 조회합니다.")
    async def get_schema(self, table_name: str) -> str:
        return await db.get_table_schema(table_name)

# Kernel 설정
kernel = Kernel()
kernel.add_service(AzureChatCompletion(
    service_id="gpt-4o",
    deployment_name="gpt-4o",
    endpoint="https://your-resource.openai.azure.com/",
    api_key="your-api-key",
))
kernel.add_plugin(DatabasePlugin(), plugin_name="database")

# 자동 함수 호출로 실행
result = await kernel.invoke_prompt(
    "users 테이블에서 지난 7일간 가입한 사용자 수를 알려줘",
    function_choice_behavior=FunctionChoiceBehavior.Auto()
)

Azure AI Studio vs Copilot Studio — 언제 무엇을 쓰나

이 두 도구의 이름이 비슷해서 혼동하기 쉽지만 대상 사용자와 목적이 완전히 다르다.

실무에서 두 도구가 혼합되는 경우도 있다. Azure AI Studio로 RAG 파이프라인을 만들고, 그 엔드포인트를 Copilot Studio에서 커스텀 액션으로 호출하는 패턴이 대표적이다. 이 경우 AI 로직은 Azure에서 관리하고, 비즈니스 사용자는 Copilot Studio GUI에서 봇 흐름을 수정할 수 있다.

GitHub Copilot Workspace와 VS Code Copilot Chat

GitHub Copilot Workspace는 2024년 말 베타로 공개된 기능으로, Claude Code의 경쟁 제품에 해당한다. GitHub 이슈나 PR에서 시작해 Copilot이 구현 계획을 세우고, 코드를 작성하고, 테스트를 실행하는 전체 사이클을 자동화한다.

Copilot Workspace 주요 특징:

  • GitHub 이슈 → 구현 계획 자동 생성 (Plan 탭)
  • 파일 단위 코드 변경 제안 (개발자가 파일별로 수락/거절)
  • Codespaces 통합으로 클라우드 환경에서 즉시 실행
  • PR 설명 자동 작성

VS Code Copilot Chat은 에디터 내에서 대화형으로 코딩 지원을 받는 기능이다. @workspace를 prefix로 사용하면 열려 있는 프로젝트 전체를 컨텍스트로 질문할 수 있고, #file로 특정 파일을 참조하거나 #selection으로 선택한 코드만 참조할 수 있다.

VS Code Copilot Chat — 유용한 슬래시 커맨드 목록
# 자주 쓰는 Copilot Chat 커맨드

/explain    # 선택한 코드 설명
/fix        # 선택한 코드의 버그/오류 수정
/tests      # 선택한 코드에 대한 테스트 생성
/doc        # 문서 주석(JSDoc, docstring 등) 생성
/optimize   # 성능 개선 제안

# @workspace 컨텍스트 활용
@workspace 이 프로젝트에서 인증 관련 파일이 어디 있나요?
@workspace #file:auth.ts 이 파일에서 토큰 만료 처리가 빠진 것 같은데 확인해줘

# GitHub PR 리뷰
@github PR #123의 변경 사항을 요약해줘
@github 지난 주에 main에 병합된 커밋 목록 보여줘

Teams AI Library — Microsoft 365 앱 AI 통합

Teams AI Library는 Microsoft Teams 앱에서 AI 기능을 구현하기 위한 SDK다. Bot Framework의 후속으로, AI 에이전트 패턴을 Teams 앱에 직접 통합할 수 있게 설계됐다.

핵심 기능:

  • ActionPlanner: 사용자 메시지를 분석해 어떤 액션을 실행할지 계획하는 컴포넌트. Semantic Kernel의 Planner와 유사하다.
  • Prompt Management: 프롬프트 템플릿을 파일로 관리하고, 동적으로 컨텍스트를 주입한다.
  • Memory & State: 대화 기록, 사용자 상태를 Azure Storage에 자동으로 저장/복원한다.

Teams AI Library는 Node.js와 .NET을 지원한다. Microsoft의 teams-ai GitHub 저장소에서 오픈소스로 관리되며, 샘플 앱이 풍부하게 제공된다.

주의 — 이름 혼동: "Copilot"이라는 이름이 붙은 제품이 너무 많다. Microsoft 365 Copilot(업무용 AI 어시스턴트), GitHub Copilot(코딩 AI), Copilot Studio(봇 빌더), Windows Copilot(OS AI), Copilot+ PC(하드웨어 브랜드)는 각각 다른 제품이다. 공식 문서를 참조할 때 정확한 제품명을 확인하지 않으면 엉뚱한 API를 찾게 된다.

개발자 생태계에 미치는 영향과 전략적 판단

Microsoft Copilot Stack이 개발자 생태계에 가져오는 변화는 크게 두 가지 방향이다.

긍정적 영향:

  • Azure + GitHub + VS Code + Teams가 수직 통합되면서 Microsoft 스택 내에서 AI 기능 구현 비용이 크게 낮아졌다.
  • Semantic Kernel이 오픈소스이므로 Azure에 종속되지 않고 온프레미스나 다른 클라우드에서도 사용할 수 있다.
  • GitHub Models를 통해 Azure 구독 없이 무료로 GPT-4o, Llama, Mistral 등을 테스트할 수 있다.

주의해야 할 사항:

  • Microsoft 365 Copilot과 Copilot Studio 기능이 자주 바뀐다. 2024년만 해도 Power Virtual Agents가 Copilot Studio로 브랜드를 변경하는 등 제품 전략 변화가 잦다.
  • Copilot Studio의 메시지 용량 기반 과금은 사용량이 늘면 비용이 예측 불가능하게 증가할 수 있다.
  • 기업 환경에서 Copilot for M365를 사용하려면 E3/E5 라이센스가 필요하고, 추가 Copilot 라이센스도 요구된다.

독립 개발자라면 Azure AI Studio + Semantic Kernel 조합으로 직접 에이전트를 만드는 것이 유연성 면에서 유리하다. 기업 환경에서 빠르게 도입해야 한다면 Copilot Studio가 학습 곡선이 낮다.

Microsoft CopilotSemantic KernelAzure AI StudioCopilot StudioGitHub CopilotAI플랫폼

관련 포스트

Google I/O 2026 개발자 요약2026-03-01WWDC 2026 개발자 하이라이트2026-03-01Microsoft Build 2026 개발자 요약2026-03-02Meta LLaMA 4 개발자 요약2026-03-12