[목 차]

1장. 생성형 AI의 부상: 언어 모델에서 에이전트로

최신 LLM 기술 동향

____모델 비교

____LLM 공급자 현황

____라이선싱

단순 모델에서 에이전틱 애플리케이션으로의 진화 과정

____기존 LLM의 한계

____LLM 애플리케이션 이해

____AI 에이전트 이해

LangChain 소개

____원시 LLM의 문제점

____LangChain이 에이전트 개발을 지원하는 방법

____LangChain 아키텍처 살펴보기

________생태계

________모듈식 설계 및 종속성 관리

________LangGraph, LangSmith 및 동반 도구들

________서드파티 애플리케이션과 시각적 도구

요약

복습문제

2장. LangChain 첫걸음

이 책에 대한 종속성 설정

____API 키 설정

LangChain의 빌딩 블록 살펴보기

____모델 인터페이스

________LLM 상호작용 패턴

________개발 테스트

________채팅 모델과 작업

________추론 모델

________모델 동작 제어

________애플리케이션을 위한 매개변수 선택

____프롬프트와 템플릿

________채팅 프롬프트 템플릿

____LangChain 표현 언어(LCEL)

________LCEL을 이용한 간단한 워크플로

________복잡한 체인의 예

로컬 모델 실행

____Ollama 시작하기

____로컬에서 Hugging Face 모델 작업

____로컬 모델을 위한 팁

멀티모달 AI 애플리케이션

____텍스트-이미지 변환

________OpenAI를 통한 DALL-E 사용

________Stable Diffusion 사용

____이미지 이해

________Gemini 2.5 Pro 사용

________GPT-4 Vision 사용

요약

복습문제

3장. LangGraph로 워크플로 구축

LangGraph의 기본 원리

____상태 관리

____리듀서

____그래프 구성하기

____제어된 출력 생성

________출력 파싱

________오류 처리

프롬프트 엔지니어링

____프롬프트 템플릿

____제로샷과 퓨샷 프롬프팅

________프롬프트 연결

________동적 퓨샷 프롬프팅

____사고의 체인

____자기 일관성

제한된 컨텍스트 창으로 작업하기

____긴 동영상 요약

메모리 메커니즘의 이해

____채팅 기록 트리밍

____데이터베이스에 기록 저장하기

____LangGraph 체크포인트

요약

복습문제

4장. 지능형 RAG 시스템 구축

색인에서 지능형 검색까지

RAG 시스템의 컴포넌트

____RAG 도입 시기

임베딩에서 검색까지

____임베딩

____벡터 저장소

________벡터 저장소 비교

________벡터 저장소에 대한 하드웨어 고려사항

________LangChain의 벡터 저장소 인터페이스

____벡터 인덱싱 전략

RAG 파이프라인 분석

____문서 처리

________청킹 전략

________검색 시스템

____고급 RAG 기술

________하이브리드 검색: 시맨틱 검색과 키워드 검색의 조합

________리랭킹

________쿼리 변환: 더 나은 쿼리를 통한 검색 개선

________검색 결과 처리: 검색된 정보 가치 극대화

________응답 향상: 생성 출력 개선 기법

________수정 RAG

________에이전틱 RAG

________적절한 기술 선택하기

기업 문서 채팅봇 개발

____문서 로딩

____언어 모델 설정

____문서 검색 시스템

____상태 그래프 설계

____사용자 인터페이스를 위해 Streamlit과 통합

____평가 및 성능 고려사항

RAG 시스템 문제 해결

요약

복습문제

5장. 지능형 에이전트 구축

도구의 기본 개념

____LangChain의 도구

____REACT

도구의 정의

____내장된 LangChain 도구

____사용자 정의 도구

________파이썬 함수를 도구로 래핑하기

________실행 가능한 컴포넌트로부터 도구 생성하기

________Structured Tool 또는 BaseTool 서브클래스 생성

____오류 처리

고급 도구 호출 기능

워크플로에 도구 통합

____제어된 생성

________공급업체에서 제공하는 제어된 생성

____ToolNode

____도구 호출 패러다임

에이전트의 정의와 작동 원리

____계획 및 해결 에이전트

요약

복습문제

6장. 고급 애플리케이션 및 다중 에이전트 시스템

에이전틱 아키텍처

____에이전틱 RAG

다중 에이전트 아키텍처

____에이전트의 역할과 전문화

____합의 메커니즘

____통신 프로토콜

________시맨틱 라우터

________상호작용 구조화

____LangGraph 스트리밍

____핸드오프

________공유 메시지 목록을 통한 통신

____LangGraph 플랫폼

적응형 시스템 구축

____동적 행동 조정

____인간 참여

추론 경로 탐색

____ToT

____MCTS로 ToT 트리밍하기

에이전트 메모리

____캐시

____저장소

요약

복습문제

7장. 소프트웨어 개발 및 데이터 분석 에이전트

소프트웨어 개발에서의 LLM 활용

____개발의 미래

____구현 시 고려사항

____코드 LLM의 진화

____코드 LLM 벤치마크

____LLM 기반 소프트웨어 공학 접근

____보안 및 위험 관리 전략

____LLM 생성 코드 검증 프레임워크

____LangChain 통합

LLM을 사용한 코드 작성

____구글의 생성형 AI

____Hugging Face

____Anthropic

____에이전틱 접근법

____문서 RAG

____저장소 RAG

데이터 과학을 위한 LLM 에이전트 적용

____ML 모델 학습

________파이썬 실행이 가능한 에이전트 설정

________에이전트에게 신경망 구축 요청

________에이전트 실행 및 결과

____데이터셋 분석

________판다스 데이터프레임 에이전트 생성

________데이터셋에 대한 질문하기

요약

복습문제

8장. 평가와 테스트

평가의 중요성

____안전성과 정렬

____성능과 효율성

____사용자 및 이해관계자 가치

____LLM 평가를 위한 합의 구축

평가 대상: 핵심 에이전트 능력

____작업 수행 능력 평가

____도구 사용 능력 평가

____RAG 평가

____계획 및 추론 능력 평가

평가 방법: 방법론과 접근법

____자동화된 평가 접근법

____인간 참여 평가

____시스템 수준 평가

프로덕션 환경에서의 LLM 에이전트 평가

____결과의 정확성 평가

____톤과 간결성 평가

____출력 형식 평가

____에이전트 궤적 평가

____사고의 체인 추론 평가

오프라인 평가

____RAG 시스템 평가

____LangSmith에서 벤치마크 평가

____Hugging Face의 데이터셋과 Evaluate 라이브러리를 이용한 벤치마크 평가

____이메일 추출 평가

요약

복습문제

9장. 프로덕션 적용 가능한 LLM 배포 및 관찰 가능성

LLM 애플리케이션의 보안 고려사항

LLM 애플리케이션 배포

____FastAPI를 활용한 웹 프레임워크 배포

____Ray Serve로 확장 가능한 배포

________인덱스 구축

________인덱스 서빙

________애플리케이션 실행

____LangChain 애플리케이션 배포 시 고려사항

____LangGraph 플랫폼

________LangGraph CLI를 활용한 로컬 개발

____서버리스 배포 옵션

____UI 프레임워크

____MCP

____인프라 고려사항

________배포 모델 선택 가이드

________모델 서빙 인프라스트럭처

LLM 애플리케이션 관찰 방법

____LLM 애플리케이션 운영 지표

____응답 추적

____환각 감지

____편향 감지 및 모니터링

________LangSmith

____관찰 가능성 전략

____LLM 애플리케이션의 지속적 개선

LangChain 애플리케이션 비용 관리

____LangChain에서의 모델 선택 전략

________계층화된 모델

________캐스케이딩 모델

____출력 토큰 최적화

____그 밖의 전략

____비용 모니터링 및 분석

요약

복습문제

10장. 생성형 모델의 미래: 규모 확장을 넘어서

생성형 AI의 현주소

확장의 한계와 새로운 대안

____확장 가설에 대한 도전

____빅테크 대 소기업

____확장의 한계와 대안적 접근법의 부상

________규모 확장(기존 접근법)

________소형화(효율성 혁신)

________분산 처리(확장형 접근법)

____훈련 데이터 품질의 진화

____기술 발전을 통한 민주화

____사후 훈련 단계를 위한 새로운 확장 법칙

경제 및 산업의 변화

____산업별 변화와 경쟁 구도

____직업의 진화와 변화가 가져올 영향

________단기적 영향(2025~2035)

________중기적 영향(2035~2045)

________장기적 변화(2045년 이후)

____경제적 분배와 형평성 고려사항 508

사회적 영향

________허위 정보와 사이버 보안

________저작권 및 출처 표기 문제

________규제 및 실행 과제

요약