AI 에이전트 개발 완벽 입문(위키북스 생성형 AI 프로그래밍 시리즈 29)

★ 이 책에서 다루는 내용 ★

◎ AI 에이전트의 기초 및 에이전트 시스템 구축 패턴
◎ 랭체인을 활용한 검색 증강 생성(RAG) 구현
◎ ReAct와 펑션 콜링 에이전트
◎ 랭그래프를 활용한 에이전트 워크플로우 설계
◎ CrewAI를 통한 에이전트 협업 구조 구축
◎ smolagents를 활용한 에이전트 구축
◎ A2A(Agent-to-Agent) 프로토콜
◎ n8n을 이용한 워크플로우 자동화
◎ MCP(Model Context Protocol)
◎ 클로드 코드를 활용한 바이브 코딩
◎ 오픈클로를 이용한 AI 비서 만들기

▣ 01장: AI 에이전트
1.1 AI 에이전트의 진화
1.2 AI 에이전트는 언제 필요할까?
1.3 AI 에이전트 사례
__1.3.1 AI 브라우저 에이전트
__1.3.2 코딩 에이전트
__1.3.3 문서 및 슬라이드 작성 에이전트
1.4 에이전틱 아키텍처
__1.4.1 AI 에이전트 요소
__1.4.2 에이전틱 아키텍처 유형
__1.4.3 에이전트 설계 패턴
1.5 에이전트 시스템
__1.5.1 멀티 에이전트 시스템
1.6 개발 환경 구축
__1.6.1 윈도우에서 파이썬 설치하기
__1.6.2 프로젝트 폴더 만들기
__1.6.3 비주얼 스튜디오 코드 설치하기
__1.6.4 API 키 발급받기

▣ 02장: RAG
2.1 실습 환경 구축하기
__2.1.1 프로젝트 폴더 생성하기
__2.1.2 가상 환경 생성하기
__2.1.3 VSCode에서 프로젝트 폴더 선택하기
2.2 RAGRetrieval-Augmented Generation 이해하기
__2.2.1 텍스트 임베딩
__2.2.2 코사인 유사도
__2.2.3 OpenAI의 Embedding API
__2.2.4 RAG를 이용한 챗봇의 구조
2.3 문서를 자르는 청킹 전략
__2.3.1 길이로 분할하는 RecursiveCharacterTextSplitter
__2.3.2 의미로 분할하는 SemanticChunker
2.4 다양한 PDF Loader
__2.4.1 PyPDFLoader
__2.4.2 PyMuPDFLoader
__2.4.3 PDFPlumberLoader
2.5 벡터 데이터베이스
__2.5.1 크로마
__2.5.2 파이스
2.6 PDF로 답변하는 RAG 챗봇 구현하기

▣ 03장: ReAct와 펑션 콜링 에이전트
3.1 실습 환경 구축하기
__3.1.1 프로젝트 폴더 생성하기
__3.1.2 가상 환경 생성하기
__3.1.3 VSCode에서 프로젝트 폴더 선택하기
3.2 ReAct를 이용한 RAG 에이전트
__3.2.1 환경 설정 및 필수 라이브러리 설치
__3.2.2 실습 데이터 다운로드
__3.2.3 벡터 데이터베이스 저장소
__3.2.4 ReAct 에이전트용 도구 생성
__3.2.5 ReAct 에이전트를 위한 프롬프트 작성
__3.2.6 프롬프트 렌더링 구현 함수
__3.2.7 LLM 초기화 및 ReAct 파서 구현
__3.2.8 ReAct 실행 루프 구현
__3.2.9 에이전트 실행
__3.2.10 에이전트 웹 데모
3.3 펑션 콜링 에이전트
__3.3.1 환경 설정 및 필수 라이브러리
__3.3.2 실습 데이터 준비
__3.3.3 에이전트 도구 정의
__3.3.4 에이전트 생성
__3.3.5 에이전트 웹 데모

▣ 04장: 랭그래프
4.1 랭그래프란?
4.2 설치 및 환경 설정
__4.2.1 API 키 로드
4.3 상태, 노드, 엣지
__4.3.1 랭그래프 핵심 모듈 로딩
__4.3.2 상태
__4.3.3 노드(Node)
__4.3.4 엣지
__4.3.5 그래프 컴파일 및 시각화
4.4 도구(Tool)
__4.4.1 Tavily 도구 활용
4.5 메모리 기능
__4.5.1 랭그래프 체크포인터
4.6 사람 개입 기능
__4.6.1 interrupt() 함수란?
4.7 상태 사용자 정의하기
4.8 과거로 돌아가기: 시간 여행 기능
__4.8.1 왜 시간 이동이 필요한가?
4.9 랭그래프 에이전트 아키텍처
__4.9.1 랭그래프 에이전트 구조
__4.9.2 에이전트와 워크플로우 실습
4.10 랭그래프 실전 프로젝트
__4.10.1 멀티 에이전트로 경제 데이터 시각화
__4.10.2 멀티 에이전트로 경제 데이터 보고서 작성

▣ 05장: CrewAI
5.1 CrewAI란?
5.2 설치 및 환경 설정
5.3 CrewAI의 기본 구성 요소와 작동 원리
5.4 에이전트
5.5 작업(Task)
5.6 크루(Crew)
5.7 도구(Tools)
__5.7.1 RAG Tool
__5.7.2 SerperDev Tool
__5.7.3 커스텀 도구 만들기
5.8 지식(Knowledge)
__5.8.1 StringKnowledgeSource
__5.8.2 PDFKnowledgeSource
__5.8.3 KnowledgeConfig
5.9 추론(Reasoning)
5.10 계획(Planning)
5.11 CLI로 CrewAI Flow 프로젝트 생성하기
__5.11.1 CLI(Command Line Interface)
__5.11.2 Flow 생성
5.12 CrewAI 실전 프로젝트: 주식 분석 에이전트 시스템 구축

▣ 06장: smolagents
6.1 smolagents에서의 ReAct 구현
6.2 실습 환경 구축하기
__6.2.1 프로젝트 폴더 생성하기
__6.2.2 가상 환경 생성하기
__6.2.3 VSCode에서 프로젝트 폴더 선택하기
6.3 스스로 웹을 탐색하는 에이전트
__6.3.1 환경 설정 및 필수 라이브러리 설치
__6.3.2 정보 탐색 에이전트
__6.3.3 외부 패키지 연동하기
6.4 데이터 분석 에이전트
__6.4.1 환경 설정 및 필수 라이브러리 설치
__6.4.2 타이타닉 생존자 데이터 분석
__6.4.3 머신러닝 학습하기

▣ 07장: A2A(Agent-to-Agent) 프로토콜
7.1 A2A란 무엇인가?
7.2 A2A의 발전 과정
7.3 A2A의 핵심 구성 요소
__7.3.1 에이전트 카드(Agent Card)
__7.3.2 태스크(Task)
__7.3.3 메시지(Message)
__7.3.4 파트(Part)
__7.3.5 복합 파트 활용 예시
__7.3.6 아티팩트(Artifact)
7.4 A2A 파이썬 SDK로 에이전트 구축하기
__7.4.1 환경 설정 및 SDK 설치
__7.4.2 Agent Executor 이해하기
__7.4.3 Hello World 에이전트 구현
__7.4.4 서버 설정 및 실행
__7.4.5 클라이언트로 서버와 상호작용
__7.4.6 정리
7.5 멀티 에이전트 협업 시스템 구축
__7.5.1 멀티 에이전트 시스템 설계
__7.5.2 분석 에이전트 구현
__7.5.3 응답 에이전트 구현
__7.5.4 코디네이터 구현
__7.5.5 전체 시스템 실행 및 테스트
__7.5.6 정리 및 확장 방향
7.6 A2A와 MCP의 통합
__7.6.1 A2A와 MCP의 역할 비교
__7.6.2 언제 A2A를, 언제 MCP를 사용하는가?
__7.6.3 실습: MCP 도구를 활용하는 A2A 에이전트

▣ 08장: n8n
8.1 개발 환경 구축하기
__8.1.1 프로젝트 폴더 생성하기
__8.1.2 가상 환경 생성하기
__8.1.3 로컬 PC에 n8n 설치하기
8.2 n8n 작동 방식 이해하기
__8.2.1 노드
__8.2.2 워크플로우 설정
__8.2.3 노드의 설정
__8.2.4 [실습] n8n으로 AI 챗봇 만들기
8.3 [실습] 삼성전자 사업 보고서로 RAG 챗봇 만들기
__8.3.1 데이터 다운로드 및 벡터스토어 API 키 발급받기
__8.3.2 데이터 인덱싱 워크플로우 설정
__8.3.3 챗봇 설정
8.4 [실습] 구글 시트 데이터 분석 및 시각화하기
__8.4.1 데이터 수집과 구글 시트 변환
__8.4.2 n8n과 구글 시트 연동하기
__8.4.3 구글 시트 데이터 필터링하기
__8.4.4 데이터 칼럼값 재정렬
__8.4.5 구글 시트 데이터 기반 챗봇 만들기
__8.4.6 퀵차트로 시각화하기

▣ 09장: MCP
9.1 MCP란?
9.2 MCP의 핵심 구성 요소
9.3 MCP의 확장성 혁신
9.4 MCP 아키텍처
9.5 MCP 생태계의 현재와 미래
9.6 MCP 개발 환경 구축하기
__9.6.1 프로젝트 폴더 생성하기
__9.6.2 가상 환경 생성하기
9.7 MCP 서버
__9.7.1 어댑터를 활용한 툴 등록
__9.7.2 MCP 인스펙터
__9.7.3 메시지 형식
__9.7.4 문서 검색 에이전트 MCP 실습
9.8 MCP 클라이언트
9.9 날씨 에이전트 실습
__9.9.1 OpenWeatherMap API 키 발급받기
__9.9.2 도시명 추출하기
__9.9.3 OpenWeatherMap API 연동
__9.9.4 MCP 도구 등록 및 서버 실행
__9.9.5 MCP 클라이언트 구현하기: 날씨 질문하기
__9.9.6 정리

▣ 10장: 바이브 코딩
10.1 개발 환경 구축하기
10.2 [실습1] 간단한 게임 만들기
__10.2.1 덧셈뺄셈 게임 만들기
__10.2.2 단계별 접근으로 복잡한 기능 구현하기
__10.2.3 단일 HTML 파일로 빌드하기
__10.2.4 마크다운 파일 만들어 저장하기
10.3 [실습2] 멀티 에이전트 여행 플래너 개발하기
__10.3.1 프로젝트 구조 설정
__10.3.2 3개의 에이전트 협업 시스템 만들기

▣ 11장: 오픈클로
11.1 오픈클로란?
__11.1.1 환경 구성 및 인프라 배포
__11.1.2 설치 및 실행
11.2 기본 사용법 및 운영 전략
11.3 오픈클로와 노션 연결
11.4 크론을 활용한 정보 자동 수집 실습

▣ 부록: AI 브라우저
A.1 퍼플렉시티 코멧
__A.1.1 코멧 설치 및 설정
__A.1.2 영상 요약하기
__A.1.3 멀티탭 컨텍스트 분석하기
__A.1.4 이메일 요약과 답변, 특정 내용 검색하기
__A.1.5 논문 읽고 요약하기
__A.1.6 항공권 등 상품, 서비스 가격 비교
__A.1.7 쇼핑 도우미
__A.1.8 웹페이지의 내용을 추출해 구조화하기
__A.1.9 음성 인식 기능과 유용한 프롬프트 모음

김현지 동아일보와 채널A에서 산업·경제 기자로 활동한 경험을 살려 경제·경영 전문 AI 챗봇 '애스크비즈(AskBiz)'와 AI영상분석 및 글자료 자동변환 시스템을 기획·개발했습니다. IT 기술 발전에 따른 커뮤니케이션 방식의 변화, AI가 우리 삶에 미칠 영향 전반에 관심이 많습니다.