랭체인 & 랭그래프로 AI 에이전트 개발하기

누구나 쉽고 빠르게 AI 에이전트를 배우고, 다양한 프레임워크를 활용할 수 있다!
직접 구현하며 배우는 AI 에이전트 입문! 개념, 활용, 실습을 한 권으로 빠르게!

이 책에서 다루는 내용: AI 에이전트의 개념 & 관련 프레임워크
누구나 AI 에이전트를 배우고, 다양한 프레임워크를 사용해 AI 에이전트를 만들 수 있습니다. 이 한 권으로 AI 에이전트의 핵심 개념을 이해하고, 개념을 활용하기 위한 프레임워크들을 익히고, 이를 사용해 AI 에이전트를 다양하게 구현해 보면서 보다 효율적으로 학습할 수 있습니다.
[개념]
? LLM 트렌드를 살펴보고, AI 에이전트의 개념과 디자인 패턴에 대해 알아봅니다.
? LLM과 AI 생태계의 변화를 좀더 깊이 이해하고, 확장성에 대해 고민해봅니다.
? LLM과 AI 에이전트를 어떻게 구현하고, 어떤 서비스를 개발할 수 있는지 살펴봅니다.
[프레임워크]
? 랭체인, 랭그래프, 라마인덱스, 랭스미스 등 다양한 프레임워크를 소개합니다.
? 각 프레임워크에서 실제 사용 가능한 AI 에이전트를 실제로 구현해봅니다.
? AI 에이전트와 마이크로소프트 365(M365) 코파일럿 에이전트를 비교해봅니다.

이 책의 다양한 실습 시나리오: 8가지 프레임워크로 AI 에이전트 만들기
AI 에이전트를 구현할 수 있는 프레임워크, 랭체인, 랭그래프, 랭스미스, 오토젠, AutoGPT, 크루AI, 라마인덱스, M365 코파일럿에서 다음과 같이 다양한 AI 에이전트를 구현하는 방법을 배웁니다. 누구나 쉽게 따라할 수 있도록 코렙에서 동작하는 기본적인 예제들로 구성했습니다.
? [랭체인] Zero-shot ReAct, Conversational ReAct, Self-ask with search, ReAct docstore
? [랭그래프] Tavily를 이용한 정보 검색, ReAct 에이전트, RAG & 검색 에이전트, 멀티에이전트
? [크루AI] 데이터 검색 및 내용 작성, 특정 유튜브 채널에서 데이터 검색하기
? [오토젠] Q&A 에이전트, 둘 이상의 AssistantAgent 생성하기
? [AutoGPT] AutoGPT 에이전트를 '코드 멘토'로 활용하기
? [라마인덱스] PDF 문서 검색, 수학 계산 에이전트 생성하기
? [랭스미스] 디버깅, 성능 평가, 모니터링하기
? [M365 코파일럿] M365 코파일럿과 AI 에이전트 비교 분석

1부 | LLM 트렌드 이해하기

1장 LLM의 등장과 AI 생태계의 변화
__1.1 LLM의 탄생
__1.2 LLM의 발전: 멀티모달 LLM
__1.3 LLM의 발전: 모델 규모의 확장
__1.4 LLM의 발전: 오픈소스와 커뮤니티 역할의 확대

2장 LLM의 진화와 AI 에이전트 등장
__2.1 o1의 등장
____2.1.1 GPT-4o와 o1 비교
____2.1.2 시나리오로 알아보는 o1
__2.2 AI 에이전트의 등장

2부 | AI 에이전트 이해하기

3장 AI 에이전트의 개념
__3.1 AI 에이전트란?
__3.2 LLM, RAG, AI 에이전트 비교

4장 AI 에이전트 구성 및 동작 방식
__4.1 AI 에이전트 구성 요소
__4.2 AI 에이전트 동작 방식
__4.3 에이전트 유형

5장 AI 에이전트 디자인 패턴
__5.1 반응 패턴
__5.2 계획 패턴
__5.3 도구 사용 패턴
__5.4 멀티에이전트 패턴
__5.5 CoT 프롬프팅 패턴

6장 AI 에이전트 프레임워크
__6.1 오토젠
__6.2 랭체인
__6.3 랭그래프
__6.4 크루AI
__6.5 라마인덱스
__6.6 AutoGPT

3부 | AI 에이전트 활용하기

7장 AI 에이전트를 사용하기 위한 준비
__7.1 코랩 환경 구성
____7.1.1 코랩 접속하기
____7.1.2 코랩 사용하기
____7.1.3 구글 드라이브 접속하기
__7.2 API 키 발급
____7.2.1 OpenAI API 키 생성
____7.2.2 Tavily API 키 생성
____7.2.3 랭스미스 API 키 생성
____7.2.4 Serper API 키 생성

8장 AI 에이전트 구현하기
__8.1 랭체인 에이전트
____8.1.1 랭체인 AI 에이전트 동작 방식
____8.1.2 랭체인으로 에이전트 구현하기
__8.2 AutoGPT
__8.3 오토젠
____8.3.1 오토젠 개념 이해하기
____8.3.2 오토젠으로 에이전트 구현하기
__8.4 라마인덱스
____8.4.1 라마인덱스 개념 이해하기
____8.4.2 라마인덱스로 에이전트 구현하기
__8.5 크루AI
____8.5.1 크루AI 개념 이해하기
____8.5.2 크루AI로 에이전트 생성하기
__8.6 랭그래프 활용하기
____8.6.1 랭그래프 개념 이해하기
____8.6.2 랭그래프로 에이전트 생성하기

9장 랭스미스를 이용한 에이전트 디버깅 및 평가
__9.1 랭스미스란?
__9.2 랭스미스 활용하기
____9.2.1 디버깅하기
____9.2.2 랭그래프와 디버깅 연동하기
____9.2.3 성능 평가하기
____9.2.4 모니터링하기

4부 | M365 코파일럿 에이전트

10장 M365 코파일럿과 M365 코파일럿 에이전트
__10.1 M365 코파일럿
____10.1.1 M365 코파일럿의 기능
____10.1.2 코파일럿의 동작 방식
__10.2 M365 코파일럿 에이전트

11장 M365 코파일럿 에이전트와 AI 에이전트 비교
__11.1 M365 코파일럿 에이전트의 한계
__11.2 M365 코파일럿 에이전트 vs. AI 에이전트

찾아보기

서지영 마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』(길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』(길벗, 2022), 『챗GPT, 거부할 수 없는 미래』(길벗, 2023), 『랭체인으로 LLM 기반의 AI 서비스 개발하기』(길벗, 2024) 등을 저술했다.