크레마클럽

베타리더 후기 x시작하며 xiii이 책에 대하여 xvPART I 개발 전 필요한 배경지식CHAPTER 1 LLM과 RAG 기초 31.1 LLM의 개념과 작동 원리 41.2 LLM의 주요 특징 161.3 LLM의 실제 활용 사례 171.4 RAG란? 181.5 RAG 파이프라인 구성 시 LangChain 활용의 장점 21CHAPTER 2 벡터 저장소와 임베딩, 검색 전략 242.1 RAG 파이프라인의 핵심 구성 요소 242.2 벡터 저장소 검색 방식 비교 30CHAPTER 3 프롬프트 엔지니어링 기초 35PART II LangChain을 활용한 RAG 파이프라인 구성하기CHAPTER 4 LangChain 입문 454.1 LangChain이란? 454.2 환경 설정과 LangChain ChatOpenAI 활용법 47CHAPTER 5 로컬 및 오픈소스 LLM 활용: Ollama와 허깅 페이스 545.1 Ollama를 활용한 로컬 LLM 활용 555.2 허깅 페이스의 오픈소스 LLM 활용 60CHAPTER 6 Chroma를 활용한 벡터 저장소 구성 69CHAPTER 7 retrieval 효율 개선을 위한 데이터 전처리 79CHAPTER 8 LLM을 효율적으로 사용하는 방법 848.1 분할 정복 858.2 LCEL의 특징 878.3 소규모 LLM을 활용한 비용 최적화 101CHAPTER 9 LangChain을 활용하지 않는다면? 108CHAPTER 10 LangChain의 유연한 AI 스택 구성 114PART III LangGraph를 활용한 AI 에이전트 구현하기CHAPTER 11 LangGraph 입문 12711.1 LangGraph란? 12711.2 LangGraph와 LangChain의 차이점 129CHAPTER 12 워크플로 vs. 에이전트 13412.1 LangGraph로 구현하는 워크플로 13512.2 LangGraph로 구현하는 에이전트 144CHAPTER 13 에이전트 오케스트레이션 15713.1 슈퍼바이저 상태 및 라우터 정의 17213.2 슈퍼바이저 구성 요소 설정 17313.3 Command 클래스와 구조화된 출력 기능을 활용한 슈퍼바이저 노드 구현 17413.4 에이전트 노드 구현 17613.5 에이전트 노드의 역할과 구현 방식 17813.6 그래프 구성 및 컴파일 182CHAPTER 14 MCP를 활용한 에이전트 구현 18614.1 MCP 서버 구현 18914.2 LangChain 도구를 MCP 도구로 변환 196CHAPTER 15 LangSmith를 활용한 에이전트 모니터링 20515.1 Input(입력) 20915.2 Output(출력) 21015.3 TOTAL TOKENS(토큰 사용량) 21115.4 LATENCY(지연 시간) 21215.5 LangSmith를 활용한 에이전트 평가 213CHAPTER 16 실전 AI 에이전트 구현 사례 21516.1 우버의 대규모 코드 마이그레이션 에이전트 21616.2 AppFolio의 부동산 관리 코파일럿 21716.3 링크드인의 AI 리크루터 21816.4 일래스틱서치의 AI 어시스턴트 21916.5 Klarna의 고객 지원 AI 어시스턴트 220PART IV LLM 성능 평가CHAPTER 17 LLM 평가의 중요성 22517.1 LLM의 예측 불가능성 22517.2 안정적인 AI 에이전트 서비스를 위한 평가의 중요성 22617.3 LLM 평가의 고유한 어려움 22817.4 체계적인 LLM 평가 접근법 233CHAPTER 18 LLM 평가 지표 24018.1 검색 정확도 관련 지표 24118.2 응답 품질 관련 지표 24418.3 사용자 경험 관련 지표 24718.4 종합 평가 지표 25118.5 RAG 시스템의 핵심 평가 영역 25318.6 평가 지표 간의 균형과 최적화 255CHAPTER 19 LLM 평가를 위한 골든 데이터셋 25719.1 골든 데이터셋의 개념 25719.2 골든 데이터셋 구축 방법 25919.3 골든 데이터셋의 구조화와 협업 도구 활용 26219.4 골든 데이터셋 활용 방법 26719.5 효과적인 골든 데이터셋 구축과 활용 전략 270CHAPTER 20 오프라인 평가 vs. 온라인 평가 27120.1 오프라인 평가 27220.2 온라인 평가 27420.3 하이브리드 접근법 28420.4 RAG 시스템을 위한 평가 전략 28820.5 효과적인 LLM 평가를 위한 전략적 접근 293CHAPTER 21 LangSmith를 활용한 에이전트 평가 294CHAPTER 22 앞으로 나아갈 방향 30822.1 에이전트의 지능 향상 30822.2 멀티 에이전트 시스템으로의 확장 30922.3 실제 비즈니스 적용을 위한 다음 단계 310찾아보기 314

펼쳐보기접어보기

상세 이미지

저자 소개 (1명)

저 : 강병진

관심작가 알림신청

SK에너지에서 공정 엔지니어로 커리어를 시작했으나 공정보다는 사람들을 위한 서비스를 만들고 싶다는 열망으로 소프트웨어 개발에 뛰어들었다. 창업을 준비하던 중 합류한 AI 스타트업에서 의료용 음성인식 서비스를 담당했고, 매주 성능이 개선되는 딥러닝 모델을 보며 ‘AI는 더 이상 미래가 아니라 현실’이라는 사실을 깨달았다. 그때부터 줄곧 AI 관련 서비스와 연구에 집중하고 있다. 스탠퍼드 대학교에서 진행하는 글로벌 소프트웨어 교육 프로그램인 ‘Code in Place’의 파이썬 강사로 활동하며 전 세계 수강생과 교류했고, 국내에서는 인프런, 네이버 부스트캠프, 항해 플러스 등에서 강... SK에너지에서 공정 엔지니어로 커리어를 시작했으나 공정보다는 사람들을 위한 서비스를 만들고 싶다는 열망으로 소프트웨어 개발에 뛰어들었다. 창업을 준비하던 중 합류한 AI 스타트업에서 의료용 음성인식 서비스를 담당했고, 매주 성능이 개선되는 딥러닝 모델을 보며 ‘AI는 더 이상 미래가 아니라 현실’이라는 사실을 깨달았다. 그때부터 줄곧 AI 관련 서비스와 연구에 집중하고 있다. 스탠퍼드 대학교에서 진행하는 글로벌 소프트웨어 교육 프로그램인 ‘Code in Place’의 파이썬 강사로 활동하며 전 세계 수강생과 교류했고, 국내에서는 인프런, 네이버 부스트캠프, 항해 플러스 등에서 강의와 멘토링을 통해 AI의 개념과 가능성을 널리 알렸다. 또한 기업 강연과 협업을 통해 사내에 AI를 도입하고자 하는 조직들과 함께 새로운 해법을 모색해왔다. AI 스타트업을 거쳐 GS그룹의 오픈 이노베이션 조직인 52g 팀에서 AI 에이전트 플랫폼을 개발 및 운영하며 엔터프라이즈 환경에서의 AI 도입을 촉진했다. 현재는 메타에서 AI 에이전트 기술을 비즈니스 환경에 접목해 업무 생산성을 혁신하는 데 앞장서고 있다.

펼쳐보기접어보기

출판사 리뷰

복잡한 법령 데이터도 척척 읽어내는 실전형 에이전트 시스템 구축 방법ChatGPT는 누구나 쓴다. 프롬프트만 몇 줄 넣으면 나름의 요령도 생긴다. 하지만 막상 '우리 서비스에 GPT 같은 기능을 넣어보자'는 요청이 오면 손이 멈춘다. API는 연결했는데 응답은 들쭉날쭉하고, 프롬프트는 점점 복잡해지고, 시스템 전체 구조는 머릿속에서만 맴돈다. 무언가 더 만들고 싶고, 제대로 해보고 싶지만 어디서부터 어떻게 시작해야 할지 모르겠다.이 책은 바로 그 '막막함' 다음을 위한 실전 안내서다. LangChain으로 문서를 다루는 RAG 구조를 구성하고, LangGraph로 도구 호출과 흐름 제어가 가능한 멀티스텝 에이전트를 설계하며, LangSmith를 활용해 결과를 분석하고 성능을 개선하는 방법까지 실습한다. 코드를 따라 입력하는 걸 넘어 어떻게 구조를 설계하고 흐름을 짜야 하는지를 중심으로 다룬다. 단순한 설명에서 그치는 것이 아니라 실전에서 통하는 설계 감각을 익힐 수 있다.예제도 한국 독자에게 익숙한 종합부동산세법과 소득세법 문서를 직접 다룬다. LangChain을 이용해 법령을 불러오고, 청크로 나누고, 임베딩하고, 벡터 검색을 통해 적절한 조항을 찾아 응답하는 RAG 시스템을 직접 구성한다. 그다음엔 멀티스텝 에이전트를 설계한다. LangGraph로 조건 분기, 도구 호출, 반복 흐름까지 담긴 일하는 AI의 전체 구조를 직접 설계하고 만들어볼 수 있다. 또한, 한 번 만들어보고 끝이 아니다. LangSmith를 활용해 평가 지표를 설정하고, 환각을 검출하고, 더 나은 응답을 위한 개선 루프를 설계하면서 '만드는 법'뿐 아니라 '잘 작동하게 만드는 법'까지 경험할 수 있다.GPT는 써봤지만 이제는 구조를 만들고 흐름을 설계하고 싶다면, 프롬프트만 만지던 것에서 벗어나 진짜 일하는 에이전트를 만들고 싶다면, 서비스에 도움이 되는 AI를 구현하고 싶다면 바로 이 책이 그 출발점이 되어줄 것이다.주요 내용LLM, 임베딩, 프롬프트 등 필수 배경지식 정리LangChain으로 RAG 기반 질의응답 시스템 구축종합부동산세법 기반 RAG 시스템 예제 실습Ollama, 허깅 페이스 등 로컬 LLM 실습LangGraph를 활용한 멀티스텝 에이전트 설계워크플로와 에이전트 오케스트레이션 구조 이해신뢰도 높은 에이전트 개발을 위한 평가 전략LangSmith를 통한 평가 및 모니터링 체계 구축

펼쳐보기접어보기