RAG 설계부터 AI 에이전트 디자인 패턴과 패턴별 AI 에이전트 실습까지 완벽 마스터!

OpenAI, Google, Anthropic 등 다양한 LLM API 서비스 덕분에 애플리케이션 개발자들은 AI 시스템을 쉽게 구축할 수 있게 되었습니다. 하지만 사람과 상호작용하는 단순한 챗봇을 넘어 자율적으로 업무를 처리하는 진정한 AI 에이전트를 구현하는 것은 새로운 도전입니다. 이 책은 OpenAI의 Chat API와 랭체인 기초에서 시작해 랭그래프를 활용한 고급 AI 에이전트 시스템 구축까지 단계별로 안내합니다.

 

단순 RAG(검색 증강 생성) 시스템을 넘어 복잡한 워크플로를 자율적으로 수행하는 AI 에이전트 디자인 패턴과 구현 코드를 통해 미래 AI 기술의 발전에 대응할 수 있는 기초를 탄탄하게 다질 수 있습니다.

 

★ 이 책에서 다루는 내용 ★

 

◎ OpenAI의 Chat API와 프롬프트 엔지니어링 기초

◎ 랭체인 프레임워크의 핵심 컴포넌트와 활용법

◎ RAG 시스템의 고급 구현 기법과 평가 방법

◎ 랭그래프를 활용한 복잡한 AI 에이전트 워크플로 구축

◎ AI 에이전트의 발전 과정과 최신 트렌드

◎ 에이전트 디자인 패턴과 7가지 주요 패턴별 실전 구현 코드

◎ 복잡한 의사결정 프로세스와 자율적 업무 처리가 가능한 AI 에이전트 개발

[목 차]
  

▣ 01장: LLM 애플리케이션 개발의 기초

1.1 활용되기 시작한 생성형 AI

1.2 Copilot vs AI 에이전트

1.3 모든 것이 AI 에이전트가 된다

1.4 AI 에이전트의 지식 지도

1.5 요약

 

▣ 02장: OpenAI 챗 API의 기초

2.1 OpenAI의 챗 모델

__ChatGPT의 ‘모델’

__OpenAI API에서 사용 가능한 챗 모델

__모델 스냅숏

2.2 OpenAI의 챗 API 기본

__Chat Completions API

__Chat Completions API 요금

__발생한 요금 확인

2.3 입출력 길이 제한과 요금에 영향을 미치는 ‘토큰’

__토큰

__Tokenizer와 tiktoken 소개

__한국어의 토큰 수에 대해

2.4 Chat Completions API 테스트 환경 준비

__Google Colab이란

__Google Colab 노트북 생성

__OpenAI API 사용을 위한 등록

__OpenAI API 키 준비

2.5 Chat Completions API 실습

__OpenAI 라이브러리

__Chat Completions API 호출

__대화 이력을 고려한 응답 얻기

__스트리밍으로 응답 얻기

__기본 파라미터

__JSON 모드

__Vision(이미지 입력)

2.6 Function calling

__Function calling 개요

__Function calling 샘플 코드

__tool_choice 파라미터

2.7 요약

 

▣ 03장: 프롬프트 엔지니어링

3.1 프롬프트 엔지니어링의 필요성

3.2 프롬프트 엔지니어링이란

3.3 프롬프트의 기본 구성 요소

__주제: 레시피 생성 AI 앱

__프롬프트의 템플릿화

__명령과 입력 데이터 분리

__문맥 제공

__출력 형식 지정

__프롬프트 구성 요소 요약

3.4 프롬프트 엔지니어링의 대표적인 기법

__Zero-shot 프롬프팅

__Few-shot 프롬프팅

__Zero-shot Chain of Thought 프롬프팅

3.5 요약

 

▣ 04장: LangChain 기초

4.1 LangChain 개요

__왜 LangChain을 배워야 하는가

__LangChain 전체 구조

__LangChain의 다양한 컴포넌트를 제공하는 패키지 그룹

__LangChain 설치

__LangSmith 설정

__LangChain의 주요 컴포넌트

4.2 LLM/Chat model

__LLM

__Chat model

__스트리밍

__LLM과 Chat model의 상속 관계

__LLM/Chat model 요약

4.3 Prompt template

__PromptTemplate

__ChatPromptTemplate

__MessagesPlaceholder

__LangSmith의 Prompts

__Prompt template 요약

4.4 Output parser

__Output parser 개요

__PydanticOutputParser를 사용한 Python 객체 변환

__StrOutputParser

__Output parser 요약

4.5 Chain—LangChain Expression Language(LCEL) 개요

__LangChain Expression Language(LCEL)란

__prompt와 model 연결

__StrOutputParser를 연결에 추가

__PydanticOutputParser를 사용한 연결

__Chain 요약

4.6 LangChain의 RAG 관련 컴포넌트

__RAG(Retrieval-Augmented Generation)

__LangChain의 RAG 관련 컴포넌트 개요

__Document loader

__Document transformer

__Embedding model

__Vector store

__LCEL을 사용한 RAG Chain 구현

__LangChain의 RAG 관련 컴포넌트 요약

4.7 요약

 

▣ 05장: LangChain Expression Language(LCEL) 심층 해설

5.1 Runnable과 RunnableSequen

__LCEL의 가장 기본적인 구성 요소

__Runnable의 실행 방법―invoke·stream·batch

__LCEL의 ‘|’로 다양한 Runnable 연결하기

__LangSmith에서 Chain의 내부 작동 확인

5.2 RunnableLambda―임의의 함수를 Runnable로 만들기

__chain 데코레이터를 사용한 RunnableLamda 구현

__RunnableLambda 자동 변환

__Runnable의 입력 타입과 출력 타입에 주의

5.3 RunnableParallel―여러 Runnable을 병렬로 연결하기

__RunnableParallel의 출력을 Runnable의 입력으로 연결하기

__RunnableParallel 자동 변환

__RunnableLambda와의 조합―itemgetter를 사용한 예시

5.4 RunnablePassthrough - 입력을 그대로 출력하기

__assign―RunnableParallel의 출력에 값 추가하기

5.5 요약

 

▣ 06장: Advanced RAG

6.1 Advanced RAG 개요

6.2 실습 준비

6.3 검색 쿼리 기법

__HyDE(Hypothetical Document Embeddings)

__복수 검색 쿼리 생성

__검색 쿼리 기법의 요약

6.4 검색 후 기법

__RAG-Fusion

__리랭크 모델 개요

__Cohere 리랭크 모델 사용 준비

__Cohere 리랭크 모델 도입

__검색 후 기법의 요약

6.5 복수 Retriever를 활용하는 기법

__LLM에 의한 라우팅

__하이브리드 검색 예시

__하이브리드 검색 구현

__복수 Retriever를 활용하는 기법의 요약

6.6 요약

 

▣ 07장: LangSmith를 활용한 RAG 애플리케이션 평가

7.1 7장에서 다룰 평가 개요

__오프라인 평가와 온라인 평가

7.2 LangSmith 개요

__LangSmith 요금 플랜

__LangSmith 기능 전체 구조

7.3 LangSmith와 Ragas를 활용한 오프라인 평가 구성 예시

__Ragas란

__이 장에서 구축할 오프라인 평가 구성

7.4 Ragas를 활용한 합성 테스트 데이터 생성

__Ragas의 합성 테스트 데이터 생성 기능 개요

__패키지 설치

__검색 대상 문서 로드

__Ragas를 활용한 합성 테스트 데이터 생성 구현

__LangSmith의 Dataset 생성

__합성 테스트 데이터 저장

7.5 LangSmith와 Ragas를 활용한 오프라인 평가 구현

__LangSmith의 오프라인 평가 개요

__사용 가능한 Evaluator(평가기)

__Ragas의 평가 메트릭

__커스텀 Evaluator 구현

__추론 함수 구현

__오프라인 평가 구현·실행

__오프라인 평가 주의사항

7.6 LangSmith를 활용한 피드백 수집

__이 절에서 구현할 피드백 기능 개요

__피드백 버튼을 표시하는 함수 구현

__피드백 버튼 표시

7.7 피드백 활용을 위한 자동 처리

__Automation rule을 활용한 처리

__좋은 평가의 트레이스를 자동으로 Dataset에 추가하기

7.8 요약

 

▣ 08장: AI 에이전트란

8.1 AI 에이전트를 위한 LLM 활용의 기대

8.2 AI 에이전트의 기원과 LLM을 활용한 AI 에이전트의 변천

__LLM 기반 AI 에이전트

__WebGPT

__Chain-of-Thought 프롬프팅

__LLM과 외부 전문 모듈을 조합한 MRKL Systems

__Reasoning and Acting(ReAct)

__Plan-and-Solve 프롬프팅

8.3 범용 LLM 에이전트 프레임워크

__AutoGPT

__BabyAGI

__AutoGen

__crewAI

__crewAI의 유스케이스

8.4 멀티 에이전트 접근법

__멀티 에이전트의 정의

__멀티 에이전트로 Text-to-SQL의 정확도 향상하기

__멀티 에이전트로 소프트웨어 개발 자동화하기

__Self-Organized Agents: 초대규모 코드 생성 및 최적화를

__LLM 기반 다중 에이전트 프레임워크

8.5 AI 에이전트가 안전하게 보급되기 위해

8.6 요약

 

▣ 09장: LangGraph로 만드는 AI 에이전트 실전 입문

9.1 LangGraph 개요

__LangGraph란 무엇인가

__LangGraph 그래프 구조 접근법

9.2 LangGraph의 주요 컴포넌트

__스테이트: 그래프의 상태 표현

__노드: 그래프를 구성하는 처리 단위

__에지: 노드 간의 연결

__컴파일된 그래프

9.3 실습: Q&A 애플리케이션

__LangChain과 LangGraph 설치

__OpenAI API 키 설정

__역할 정의

__스테이트 정의

__Chat model 초기화

__노드 정의

__그래프 생성

__노드 추가

__에지 정의

__조건부 에지 정의

__그래프 컴파일

__그래프 실행

__결과 표시

9.4 체크포인트 기능: 스테이트의 영속화와 재개

__체크포인트의 데이터 구조

__실습: 체크포인트 작동 확인하기

9.5 요약

 

▣ 10장: 요구사항 정의서 생성 AI 에이전트 개발

10.1 요구사항 정의서 생성 AI 에이전트 개요

__요구사항 정의란 무엇인가

__선행 연구의 접근법 참고하기

__LangGraph의 워크플로로 설계하기

10.2 환경 설정

10.3 데이터 구조 정의

10.4 주요 컴포넌트 구현

__PersonaGenerator

__InterviewConductor

__InformationEvaluator

__RequirementsDocumentGenerator

10.5 워크플로 구축

10.6 에이전트 실행과 결과 확인

10.7 전체 소스 코드

10.8 요약

 

▣ 11장: 에이전트 디자인 패턴

11.1 에이전트 디자인 패턴의 개요

__디자인 패턴이란

__에이전트 디자인 패턴이 해결하는 과제 영역

__에이전트 디자인 패턴의 위치 정의

__에이전트 디자인 패턴의 전체도

11.2 18가지 에이전트 디자인 패턴

__1. 패시브 골 크리에이터(Passive Goal Creator)

__2. 프로액티브 골 크리에이터(Proactive Goal Creator)

__3. 프롬프트/응답 옵티마이저(Prompt/Response Optimizer)

__4. 검색 증강 생성(Retrieval-Augmented Generation: RAG)

__5. 싱글 패스 플랜 제너레이터(Single-Path Plan Generator)

__6. 멀티 패스 플랜 제너레이터(Multi-Path Plan Generator)

__7. 셀프 리플렉션(Self-Reflection)

__8. 크로스 리플렉션(Cross-Reflection)

__9. 휴먼 리플렉션(Human-Reflection)

__10. 원샷 모델 쿼리(One-Shot Model Querying)

__11. 인크리멘탈 모델 쿼리(Incremental Model Querying)

__12. 투표 기반 협력(Voting-Based Cooperation)

__13. 역할 기반 협력(Role-Based Cooperation)

__14. 토론 기반 협력(Debate-Based Cooperation)

__15. 멀티모달 가드레일(Multimodal Guardrails)

__16. 툴/에이전트 레지스트리(Tool/Agent Registry)

__17. 에이전트 어댑터(Agent Adapter)

__18. 에이전트 평가기(Agent Evaluator)

11.3 요약

 

▣ 12장: LangChain/LangGraph로 구현하는 에이전트 디자인 패턴

12.1 이 장에서 다룰 에이전트 디자인 패턴

12.2 환경 설정

__각 패턴의 구현 코드에 관해

12.3 패시브 골 크리에이터(Passive Goal Creator)

__구현 내용 해설

__실행 결과

12.4 프롬프트/응답 최적화(Prompt/Response Optimizer)

__구현 내용 해설

__프롬프트 최적화

__응답 최적화

12.5 싱글 패스 플랜 제너레이터

__구현 내용 해설

__실행 결과

12.6 멀티 패스 플랜 제너레이터

__구현 내용 해설

__실행 결과

12.7 셀프 리플렉션(Self-Reflection)

__구현 내용 해설

__실행 결과

12.8 크로스 리플렉션(Cross-Reflection)

__구현 내용 해설

__실행 결과

12.9 역할 기반 협력(Role-Based Cooperation)

__구현 내용 해설

__실행 결과

12.10 요약

 

▣ 부록A: 각종 서비스 가입과 각 패턴의 구현 코드

A.1 각종 서비스 가입

__LangSmith 가입

__Cohere 가입

__Anthropic 가입

A.2 각 패턴의 구현 코드

__1. 패시브 골 크리에이터(Passive Goal Creator)

__2. 프롬프트/응답 최적화(Prompt/Response Optimizer)

__3. 싱글 패스 플랜 제너레이터(Single-Path Plan Generator)

__4. 멀티 패스 플랜 제너레이터(Multi-Path Plan Generator)

__5. 셀프 리플렉션(Self-Reflection)

__6. 크로스 리플렉션(Cross-Reflection)

__7. 역할 기반 협력(Role-Based Cooperation)