랭체인의 기본기부터 최신 MCP 기술까지,

‘살아 있는 AI’를 설계하는 가장 완벽한 로드맵

단순한 챗봇을 넘어 스스로 판단하고 행동하는 ‘AI 에이전트’가 IT 업계의 새로운 표준으로 자리 잡고 있습니다. 이 책은 랭체인의 기초 문법부터 시작하여 Streamlit을 활용한 웹 서비스 구현까지 다뤄, 실무에 즉시 적용 가능한 탄탄한 기반 지식을 다집니다. 그리고 더 나아가 LLM이 스스로 추론하고 도구를 선택하는 ReAct 패턴의 에이전트를 직접 설계하며, 단순한 코드가 지능형 비서로 진화하는 과정을 생생하게 경험할 수 있습니다. 특히 최신 기술인 MCP를 다뤄, 외부 시스템과 유기적으로 연결된 거대한 AI 생태계를 구축하는 방법까지 제시합니다. 코드 한 줄이라는 씨앗이 에이전트라는 나무로 자라 숲을 이루기까지, 나만의 AI 서비스를 꿈꾸는 개발자들에게 가장 확실한 실전 가이드가 되어줄 것입니다.

 

주요 내용

- AI 에이전트와 LLM 서비스의 구조적 차이와 설계 관점 이해

- 랭체인과 LCEL을 활용해 예측 가능한 에이전트 워크플로 구성

- RAG와 메모리, 도구 연계를 통해 지식 기반 AI 에이전트 구현

- MCP와 실습 프로젝트를 통해 운영 가능한 AI 에이전트 서비스 완성

[목 차]

CHAPTER 0 개발 환경 준비하기

_0.1 필수 API 키 발급

__0.1.1 오픈AI API 키

__0.1.2 크레딧 결제 수단 추가

__0.1.3 랭체인 허브 환경 설정

_0.2 구글 코랩 설정

__0.2.1 구글 드라이브에 코랩 앱 추가하기

__0.2.2 코랩 동작 테스트

_0.3 로컬 개발 환경 구축

__0.3.1 파이썬 설치 (3.11 버전 권장)

__0.3.2 Git Bash 설치

__0.3.3 VS Code 설치

__0.3.4 VS Code 환경 설정과 확장 도구 설치

__0.3.5 VS Code 사용 방법과 터미널 설정

_0.4 실습 파일 내려받기

 

PART 1 랭체인 기초와 LCEL로 시작하는 LLM 서비스 개발

 

CHAPTER 1 AI에서 AI 에이전트로의 진화

 

CHAPTER 2 LLM 서비스 개발을 위한 프레임워크, LangChain

_2.1 What is LangChain?

_2.2 LLM 기반 서비스, 챗GPT를 통해 파헤쳐보자

_2.3 랭체인 적용 사례

_2.4 랭체인 작동 원리: ‘체인’

_2.5 랭체인 학습을 위한 참고 자료

_2.6 핵심 요약

 

CHAPTER 3 체인을 구현하는 기초 문법, LCEL

_3.1 LCEL 기초 문법 이해

__3.1.1 LCEL 체인의 구축 및 실행

_3.2 LCEL 구축 시 주의 사항

__3.2.1 다중 입력 변수 처리 및 KeyError

__3.2.2 체인 구성 순서 및 ValueError

_3.3 결합된 체인 구축

_3.4 프롬프트

__3.4.1 PromptTemplate.from_template()

__3.4.2 PromptTemplate

__3.4.3 ChatPromptTemplate

_3.5 모델

_3.6 출력 파서

__3.6.1 CommaSeparatedOutputParser

__3.6.2 JsonOutputParser

_3.7 랭체인 허브

__3.7.1 랭스미스

__3.7.2 프롬프트 개선

_3.8 핵심 요약

 

CHAPTER 4 체인의 구조를 고도화하기, Runnable

_4.1 RunnableParallel

_4.2 RunnableLambda

_4.3 RunnablePassthrough

_4.4 핵심 요약

 

CHAPTER 5 GPT에게 기억력을 심어주자, Memory

_5.1 대화 기록 관리하기

__5.1.1 ChatMessageHistory

__5.1.2 MessagesPlaceholder

_5.2 Runnable 활용

__5.2.1 RunnableWithMessageHistory 기본

__5.2.2 사용자별 대화 관리

_5.3 핵심 요약

 

CHAPTER 6 랭체인 챗봇을 서비스로 구현하기, Streamlit

_6.1 Streamlit

__6.1.1 개발 환경 설정

__6.1.2 텍스트 요소

__6.1.3 데이터와 차트 요소

__6.1.4 레이아웃과 내비게이션 요소

__6.1.5 위젯 요소

__6.1.6 챗 요소

__6.1.7 세션 상태

_6.2 Streamlit과 랭체인을 활용한 범용 챗봇 개발

__6.2.1 사전 준비

__6.2.2 전체 시스템 아키텍처 및 개발 프로세스

__6.2.3 환경 구성

__6.2.4 기본 페이지 뼈대 구성과 내비게이션 구성

__6.2.5 주요 기능 구현

__6.2.6 테스트

 

PART 2 에이전트와 MCP로 실전 서비스 구축

 

CHAPTER 7 스스로 판단하고 행동하는 AI 요원, Agent

_7.1 도구 이해하기

__7.1.1 가장 단순한 도구 만들기

__7.1.2 도구 메타데이터 다듬기

__7.1.3 Pydantic 스키마로 구조화된 입력받기

_7.2 에이전트 첫걸음

__7.2.1 단일 에이전트 생성하기

__7.2.2 도구를 활용하는 에이전트 생성하기

_7.3 ReAct 패턴 이해하기

__7.3.1 ReAct란?

__7.3.2 ReAct 과정 관찰하기

_7.4 외부 도구 사용하기

__7.4.1 YouTubeSearchTool

_7.5 핵심 요약

 

CHAPTER 8 에이전트에게 지식 선물하기, RAG

_8.1 RAG 개념 이해하기

__8.1.1 RAG란?

__8.1.2 벡터 임베딩이란?

__8.1.3 벡터 저장소

_8.2 파일 로드 및 청킹

__8.2.1 환경 설정

__8.2.2 파일 로더로 문서 불러오기

__8.2.3 문서 청킹하기

_8.3 메타데이터로 데이터 구분하기

__8.3.1 메타데이터 추가

_8.4 임베딩 모델 이해하기

__8.4.1 임베딩 모델이란?

__8.4.2 오픈AI 임베딩 모델 설정하기

_8.5 Chroma 벡터 저장소 만들고 저장하기

__8.5.1 왜 Chroma를 선택했는가?

__8.5.2 Chroma 벡터 DB 생성 및 저장

_8.6 벡터 저장소에서 검색하기

__8.6.1 저장된 벡터 저장소 불러오기와 Retriever 객체 생성

__8.6.2 유사도 검색과 Top-k의 중요성

__8.6.3 메타데이터 필터로 검색하기

__8.6.4 MMR 검색으로 답변의 다양성 확보

_8.7 RAG 에이전트 만들기

__8.7.1 검색 Tool 만들기

_8.8 핵심 요약

 

CHAPTER 9 에이전트와의 대화 상태 유지하기, CheckPointer

_9.1 랭그래프와 메모리

__9.1.1 왜 체인이 아니라 그래프인가?

__9.1.2 랭그래프의 핵심 구성 요소와 메모리 시스템

__9.1.3 RunnableWithMessageHistory vs. 체크포인터

_9.2 체크포인터 설정

__9.2.1 InMemorySaver로 메모리 구현하기

__9.2.2 SqliteSaver로 메모리 영구화하기

_9.3 장기 기억을 위한 메모리 최적화

__9.3.1 SummarizationMiddleware로 대화 요약하기

_9.4 핵심 요약

 

CHAPTER 10 도구의 표준화, MCP

_10.1 MCP란 무엇인가?

__10.1.1 MCP의 기본 개념

__10.1.2 왜 MCP가 필요한가?

_10.2 FastMCP로 간단한 서버 만들기

__10.2.1 파일 관리 서버 만들기

_10.3 MCP 서버 연결 및 에이전트 활용

__10.3.1 MCP 서버의 도구를 에이전트에 불러오기

_10.4 외부 MCP 서버 연결하기

__10.4.1 외부 서버 설치하기

__10.4.2 외부 서버 사용하기

_10.5 핵심 요약

 

CHAPTER 11 똑똑한 와인 소믈리에 챗봇 만들기, Project

_11.1 서비스 기획 및 아키텍처

__11.1.1 시스템 아키텍처

__11.1.2 프로젝트 폴더 구조

__11.1.3 데이터셋 준비

_11.2 프로젝트 환경 및 기본 UI 구성

__11.2.1 프로젝트 생성 및 환경 설정

__11.2.2 Streamlit 기본 구조 만들기

_11.3 랭체인 에이전트 설계

__11.3.1 에이전트 설정 분리

__11.3.2 에이전트 생성기 작성

__11.3.3 에이전트 동작 확인 및 UI 연결

_11.4 하이브리드 지식 저장소 구축

__11.4.1 데이터 전처리 및 벡터 스토어 생성 코드 작성

_11.5 MCP 서버를 통한 도구 확장

__11.5.1 파일 관리 서버

__11.5.2 RAG 서버

__11.5.3 영상 검색 도구 추가

_11.6 핵심 요약

AI가 세상을 빠르게 변화시키면서 능동적으로 업무를 수행하는 AI 에이전트의 중요성은 날로 커지고 있지만, 그 내부 구조나 동작 원리는 여전히 이해하기 어려운 영역이었습니다. 이 책에서 소개하는 AI 챗봇 프로젝트를 직접 구현해 보면서 개념적으로만 접했던 핵심 기술들(랭체인, LLM, AI 에이전트, RAG, MCP 등)을 체계적으로 정리할 수 있었습니다. AI 에이전트 활용 서비스에 관심이 있다면, 실습 프로젝트를 따라 하는 것만으로도 충분한 지식을 습득할 수 있을 것입니다. 더 나아가 AI 에이전트 기반 서비스를 설계할 때 전체 아키텍처와 흐름을 통찰하는 데에도 큰 도움이 되리라 확신합니다.

김가람, AWS Ambassador, Megazone Cloud Application Architect & Solutions Architect

 

최근 CES 2026에서 확인할 수 있듯이 AI 에이전트는 단일 업무를 대체하는 수준을 넘어 다양한 에이전트가 협업하며 문제를 해결하는 ‘에이전틱 AI’로 진화하고 있습니다. 랭체인과 랭그래프, MCP는 이러한 흐름을 구현하기 위한 핵심 기술이며, 『AI 에이전트 마스터 클래스』는 이 모든 요소를 짜임새 있게 담아낸 책입니다. 기초 이론부터 실무 프로젝트, 그리고 Streamlit을 활용한 웹 인터페이스 구현까지 현업 적용에 필요한 전 과정을 다루고 있어 매우 실용적입니다. AI 기술의 깊이보단 실용적인 내용에 초점을 맞춘 도서로, 당장 에이전트를 개발하고 싶은 초급자는 물론, 자신의 실무 지식을 확인하고 싶은 중급자까지 모두 만족할 내용입니다.

이대상, 에스원 클라우드 서비스 및 AI 에이전트 개발

 

AI 제품을 만들면서 어떻게 하면 품질을 한 단계 더 끌어올릴 수 있을지 늘 고민이었습니다. AI 에이전트, 랭체인, 랭그래프, RAG와 같은 기술적 담론은 넘쳐나지만, 정작 우리 서비스에 어떤 도구가 적합할지 판단하는 것은 결코 쉽지 않은 숙제였습니다. 이 책은 랭체인과 랭그래프, RAG의 핵심 개념과 활용법을 명확하게 짚어줄 뿐만 아니라, AI 에이전트를 어떻게 설계하고 구축해야 하는지 실질적인 방향을 제시해 줍니다. 책을 읽는 내내 현재 개발 중인 제품을 어떻게 개선하면 좋을지 구체적인 아이디어가 끊임없이 떠올랐습니다. AI 기술을 실제 제품에 성공적으로 녹여내고 싶은 분들에게 이 책이 훌륭한 길잡이가 되어줄 것입니다.

이장훈, DevOps 엔지니어

 

『AI 에이전트 마스터 클래스』는 최근 쏟아지는 수많은 생성형 AI 관련 서적들과는 확연히 다른 깊이를 보여줍니다. 단순히 LLM을 호출해 답변을 얻는 수준에 머물지 않고, 현업에서 실제로 동작하는 AI 에이전트 서비스를 어떻게 설계하고 구현할 것인가라는 질문에 답을 찾아가는 과정을 차근차근 보여줍니다. 특히 인상적인 점은 ‘PoC(개념 증명)를 넘어 PoV(가치 증명)로 나아가는 과정’을 매우 현실적으로 그려냈다는 것입니다. 많은 프로젝트가 마주하는 한계를 넘어서기 위해 어떤 구조적 고민이 필요한지, 실무적인 코드와 개념을 곁들여 명쾌하게 풀어냈습니다. 이 책은 AI를 단순한 ‘기능’이 아닌 ‘제품과 플랫폼’의 관점에서 고민하는 실무자에게 꼭 필요한 지침서입니다. AI 기반 서비스와 플랫폼 구축을 진지하게 고민하는 분들이라면, 기꺼이 시간을 투자해 읽을 가치가 충분한 책입니다.

전준규, 농협정보시스템 프로젝트 매니저

 

AI 트렌드 초기에는 수동적인 챗봇 형태를 넘어 ‘어떻게 하면 효율적으로 원하는 답을 찾을 것인가’라는 프롬프트 활용에 중점이 맞춰져 있었습니다. 하지만 이제는 더 이상 수동적인 AI가 아닌, 스스로 판단하고 행동하는 ‘능동적 AI 에이전트’를 비서처럼 사용하는 시대가 되었습니다. 이 책은 이러한 흐름에 발맞춰 AI 에이전트 서비스를 어떻게 설계하고 구축할 것인지 그 과정을 A부터 Z까지 상세히 보여줍니다. 단순한 AI 활용법을 넘어, 직접 에이전트 서비스를 구축하여 능동적인 AI 비서와 함께 업무의 차원을 높이고자 하는 모든 분께 이 책을 추천합니다.

추상원, Penetration Tester

 

최근 AI 기술의 화두인 ‘AI 에이전트’를 구현하기 위해서는 랭체인, 랭그래프, RAG, MCP 등 다양한 기술 스택이 요구됩니다. 하지만 방대한 기술을 개별적으로 학습하다 보면 전체적인 흐름을 놓치거나 중도에 포기하기 쉽습니다. 이 책은 에이전트 서비스를 구축하는 데 필요한 각 기술 요소의 핵심 원리를 매우 체계적으로 다루고 있습니다. 특히 RAG를 통한 가격 정보 제공 도구와 MCP를 활용한 유튜브 영상 검색 도구를 통합하여, 실제 작동하는 ‘와인 추천 에이전트’를 완성해가는 과정을 상세히 담아냈습니다. 이론과 실무를 결합해 독자만의 AI 에이전트를 설계하고 구현할 수 있도록 확실한 가이드를 제시하는 책입니다.

한경흠, 솔루션 매니저

 

챗GPT가 출시된 지 3년이 흐른 지금, 이제 수많은 기업이 AI 접목을 넘어 실질적인 고도화를 시작하고 있습니다. 이 책은 이러한 흐름 속에서 AI 에이전트란 무엇인지, 그리고 어떻게 구축해야 하는지 그 과정을 ‘A부터 Z까지’ 친절하고 쉽게 설명해 줍니다. 베타리딩을 하며 복잡한 기술들을 하나하나 알아가는 과정이 즐거웠고, 특히 기본을 배운 뒤 실제 서비스 운영을 위해 제공되는 가이드가 매우 유익했습니다. AI 에이전트 개발에 첫발을 내딛고자 하는 분들에게 이 책을 적극 추천합니다.

한정윤, ADA Korea, Data Engineer