단순한 챗봇을 넘어, 스스로 생각하고 행동하는 AI 에이전트의 시대가 열렸습니다. 이제 AI는 주어진 명령을 수행하는 것을 넘어, 복잡한 목표를 달성하기 위해 스스로 계획을 세우고, 필요한 도구를 사용하며, 결과를 평가하고, 수정하는 능력을 갖추게 되었습니다. 이러한 변화의 중심에는 LangChain과 LangGraph라는 강력한 프레임워크가 있습니다. 『AI 에이전트 만들기 — LangChain · LangGraph 실전 가이드』는 최신 AI 기술 스택을 활용하여 아이디어를 실제 동작하는 AI 에이전트로 구현하고자 하는 모든 개발자를 위한 실전 안내서입니다. 이 책은 복잡한 이론의 나열을 넘어, 실제 코드를 한 줄 한 줄 작성하며 AI 에이전트의 핵심 구성 요소를 직접 만들어보는 경험을 제공합니다. 독자는 로컬 환경에 LLM을 구축하는 것부터 시작하여, LangChain의 기본 개념인 LCEL, RAG(검색 증강 생성), 벡터 DB를 학습합니다. 이후 에이전트의 핵심인 Tool, Memory의 개념을 익히고, LangSmith를 활용한 전문적인 디버깅 방법을 배웁니다. 마지막으로, 복잡하고 유연한 워크플로우 설계가 가능한 LangGraph를 통해 여러 에이전트가 협업하는 멀티 에이전트 시스템까지 구축하게 됩니다. 뉴스 분석 리포터, 개인화된 여행 플래너, 코드 디버깅 어시스턴트 등 구체적인 프로젝트 예제를 통해 배운 내용을 실제 문제 해결에 적용하는 방법을 익힙니다. 이 책을 통해 당신은 더 이상 AI를 '사용'하는 개발자가 아닌, AI 에이전트를 '창조'하는 아키텍트가 될 것입니다. 지금 바로 AI 에이전트 개발의 여정을 시작하세요.
[DeliAuthor]저자는 드림 아카데미 대표로 교육 사업을 시작하여 다수의 교육 프로그램을 성공적으로 운영한 경력을 가지고 있다. 이후 (주)더파크 대표로 재직하며 다양한 부동산 개발과 건설 프로젝트를 진행하였으며, 현재는 탐건설 대표와 제주도 오라관광농원 대표를 겸임하고 있다.
[DeliList]Part 1. AI 에이전트 첫걸음 Chapter 1. AI 에이전트, 왜 지금 주목해야 하는가? Chapter 2. LLM과 LangChain의 핵심 원리 이해하기 Chapter 3. 실습 환경 구축: Ollama, Docker, VS Code Chapter 4. 나의 첫 번째 LLM 애플리케이션: LCEL 기초 Part 2. AI 에이전트의 구성 요소 Chapter 5. RAG의 원리와 구현: 외부 지식 활용하기 Chapter 6. 벡터 데이터베이스: ChromaDB 시작하기 Chapter 7. 에이전트의 손과 발: Tool 사용법 Chapter 8. 에이전트의 기억: Memory 관리 기법 Chapter 9. 에이전트의 두뇌: ReAct 프롬프팅과 기본 에이전트 Chapter 10. 개발의 나침반: LangSmith를 활용한 디버깅과 추적 Part 3. LangGraph를 이용한 고급 에이전트 설계 Chapter 11. LangChain을 넘어서: LangGraph의 필요성 Chapter 12. LangGraph 시작하기: 상태, 노드, 엣지 Chapter 13. 조건부 라우팅: 상황에 따라 판단하는 에이전트 Chapter 14. 사이클과 재귀: 스스로 문제를 해결하는 에이전트 Chapter 15. 멀티 에이전트 시스템: 협업을 통한 문제 해결 Chapter 16. 인간의 개입: Human-in-the-Loop 워크플로우 Part 4. 실전! AI 에이전트 구축 프로젝트 Chapter 17. 프로젝트 1: 최신 뉴스 분석 및 요약 리포터 Chapter 18. 프로젝트 2: 개인화된 여행 계획 어드바이저 Chapter 19. 프로젝트 3: 코드 생성 및 디버깅 보조 에이전트 Chapter 20. 프로젝트 4: 기업 내부 문서 기반 Q&A 챗봇 Part 5. 프로덕션과 미래 Chapter 21. AI 에이전트 평가: 성능 측정과 개선 Chapter 22. FastAPI를 이용한 API 배포 Chapter 23. 비용 최적화와 보안 고려사항 Chapter 24. AI 에이전트의 미래: 자율 시스템을 향하여 Chapter 25. 다음 단계를 위한 로드맵