크레마클럽

시작하며 ix 감사의 글 xi 이 책에 대하여 xii CHAPTER 1 왜 지금 에이전트인가? 1 [STORY] 운명적인 만남 2 1.1 현재 AI 지형도: 폭발적 성장과 활용의 간극 3 1.2 구독형 AI의 근본적 한계: 구조적 문제 분석 5 1.3 에이전트 패러다임: 근본적 전환 10 1.4 왜 지금인가: 2025~2026년의 기술적 변곡점 13 1.5 요약 17 [STORY] 에이전트 시대의 시작 18 CHAPTER 2 기초 다지기: LLM의 원리와 실습 환경 구축 19 [STORY] LLM과의 첫 만남 20 2.1 LLM이란 무엇인가? 21 2.2 토큰화와 임베딩 23 2.3 LLM과 효과적으로 대화하는 기술: 프롬프트 엔지니어링 27 2.4 학습 기법: RLHF와 DPO로 LLM을 똑똑하게 만들기 29 2.5 실습 환경 구축: 로컬 LLM과 LLM API 34 2.6 요약 46 [STORY] LLM의 비밀을 풀다 48 CHAPTER 3 에이전트 기본 구조: 4개의 핵심 퍼즐 49 [STORY] 에이전트의 탄생 50 3.1 에이전트란 무엇인가? 51 3.2 AI 에이전트 핵심 구성 요소 52 3.3 통합 에이전트 시스템: 구성 요소의 조화로운 협업 81 3.4 요약 112 [STORY] 4개의 퍼즐이 완성되다 113 CHAPTER 4 단일 에이전트 구현: LangChain으로 만드는 실전 FAQ 봇 115 [STORY] 프로토타입에서 프로덕션으로 116 4.1 LangChain 0.2에서 1.0으로의 진화 117 4.2 1단계: LLM 브리지 만들기 122 4.3 2단계: FAQ 도구 만들기 134 4.4 3단계: ReAct 에이전트 만들기 142 4.5 4단계: 메모리 시스템 추가하기 148 4.6 5단계: 프로덕션을 위한 핵심 기능 추가하기 153 4.7 요약 167 [STORY] FAQ 시스템의 완성 168 CHAPTER 5 협업형 멀티 에이전트: 여러 전문가들의 시너지 169 [STORY] 단일 에이전트의 한계를 넘어서 170 5.1 멀티 에이전트 시스템의 이해 171 5.2 기본 협업 시스템 구현 174 5.3 프레임워크 활용 190 5.4 요약 212 [STORY] 멀티 에이전트의 미래 213 CHAPTER 6 MCP 완전 정복: 같은 말로 일하기 215 [STORY] MCP 이해하기 216 6.1 MCP 개념: 표준 통신 규약의 필요성 217 6.2 구조 설명: Host, Client, Server 관계도 226 6.3 JSON-RPC 2.0 메시지 흐름 이해 230 6.4 주요 LLM 애플리케이션의 MCP 지원 현황 246 6.5 Claude Desktop에서의 MCP 서버 설정 및 활용 268 6.6 MCP의 가능성과 한계, 그리고 앞으로의 길 273 6.7 요약 278 [STORY] MCP로 시작하는 AI 통합 280 CHAPTER 7 MCP 시스템 직접 구현: LangGraph 연동하기 281 [STORY] 실전 프로젝트의 시작 282 7.1 시스템 아키텍처란? 283 7.2 프로토콜 정의 계층 290 7.3 API 계층 구현 295 7.4 비즈니스 로직 계층 303 7.5 지원 계층 320 7.6 클라이언트 계층 327 7.7 워크플로 실행 338 7.8 요약 342 [STORY] 계층별 아키텍처로 완성한 MCP 시스템 343 찾아보기 345

펼쳐보기접어보기

상세 이미지

저자 소개 (2명)

저 : 김재엽

관심작가 알림신청

18년간 통신 인프라, IT, 마케팅, 사업 전략, AI R&D까지 기술의 최전선을 넘나들었다. 그 과정에서 데이터 분석에 흥미를 느끼며 자연스럽게 머신러닝의 세계에 빠져들었고, 어느새 LLM과 AI 에이전트에까지 이르렀다. 새벽에 커피 한 잔과 함께 새로 나온 AI 신기술을 뜯어보는 일은 일상이자 반쯤 강제된 취미가 되었으며, 현재는 AI 에이전트를 다양한 산업 현장에 적용하는 방안을 연구하고 있다. 이 책을 통해 AI 에이전트의 개념부터 실무 적용까지를 독자와 나누고자 한다. 18년간 통신 인프라, IT, 마케팅, 사업 전략, AI R&D까지 기술의 최전선을 넘나들었다. 그 과정에서 데이터 분석에 흥미를 느끼며 자연스럽게 머신러닝의 세계에 빠져들었고, 어느새 LLM과 AI 에이전트에까지 이르렀다. 새벽에 커피 한 잔과 함께 새로 나온 AI 신기술을 뜯어보는 일은 일상이자 반쯤 강제된 취미가 되었으며, 현재는 AI 에이전트를 다양한 산업 현장에 적용하는 방안을 연구하고 있다. 이 책을 통해 AI 에이전트의 개념부터 실무 적용까지를 독자와 나누고자 한다.

저 : 이민준

관심작가 알림신청

백엔드 개발자로 쌓은 탄탄한 기술력을 바탕으로 현재는 컨설팅 업계에서 일하고 있다. 이론에 그치는 연구보다는 현장에서 즉시 활용 가능한 기술에 매료되어 다수의 실전 프로젝트를 통해 고도화된 AI 챗봇을 개발해왔다. 안정적인 시스템 위에 인공지능을 접목하여 실질적인 비즈니스 가치를 창출하는 데 주력하고 있으며, 지금도 끊임없이 변화하는 AI 기술을 서비스에 녹여내기 위한 연구와 개발에 매진하고 있다. 백엔드 개발자로 쌓은 탄탄한 기술력을 바탕으로 현재는 컨설팅 업계에서 일하고 있다. 이론에 그치는 연구보다는 현장에서 즉시 활용 가능한 기술에 매료되어 다수의 실전 프로젝트를 통해 고도화된 AI 챗봇을 개발해왔다. 안정적인 시스템 위에 인공지능을 접목하여 실질적인 비즈니스 가치를 창출하는 데 주력하고 있으며, 지금도 끊임없이 변화하는 AI 기술을 서비스에 녹여내기 위한 연구와 개발에 매진하고 있다.

출판사 리뷰

아직도 AI에게 질문만 하나요? AI는 이미 충분히 강력해졌습니다. 문서를 읽고, 코드를 만들고, 복잡한 질문에도 답할 수 있습니다. 그런데도 우리의 일은 크게 달라지지 않았습니다. 여전히 복사/붙여넣기와 수동 리포트 작성이 반복되고 있습니다. 2025년 가트너 발표에 따르면 에이전틱 AI를 실무에 적용한 조직은 1%에도 미치지 못합니다. 이 책은 그 간극을 줄이는 방법을 다룹니다. 단순히 AI를 사용하는 방법이 아니라 실제로 일을 맡길 수 있는 구조를 만드는 데 집중합니다. 신입 개발자 준호와 시니어 개발자 민지의 이야기를 통해 각 단계에서 무엇을 만들고 왜 필요한지를 자연스럽게 이해할 수 있도록 구성했습니다. LLM의 기본 원리와 AI 에이전트의 개념부터 시작합니다. '대답'하는 AI와 실제로 일을 '처리'하는 AI의 차이를 이해하고, Planner, Executor, Tools, Memory로 이루어진 핵심 구조를 직접 구현하며 내부 동작 방식을 익힙니다. 이어 LangChain으로 FAQ 봇을 만들고, 문서를 기반으로 답하고 맥락을 이어가는 흐름을 구성합니다. 이후 CrewAI와 LangGraph를 활용해 여러 에이전트가 역할을 나누어 협업하는 멀티 에이전트 시스템으로 확장합니다. 마지막 단계에서는 MCP를 중심으로 AI와 외부 시스템을 연결합니다. 분산된 API를 하나의 방식으로 통합하고, FastAPI로 MCP 서버를 직접 구축한 뒤 LangGraph와 연동해 하나의 완성된 AI 시스템까지 확장합니다. 이 책을 끝까지 따라가면, 챗봇 수준에서 멈추지 않습니다. 실제로 일을 처리하는 AI 시스템을 직접 만듭니다. 이제는 AI에게 무엇을 물어볼지 고민하는 데서 벗어나 어떤 일을 맡기고 어떻게 흐름을 설계할지 스스로 결정할 수 있게 될 것입니다. 주요 내용 LLM의 작동 원리와 프롬프트 설계 핵심 이해 Planner, Executor, Tools, Memory로 완성하는 에이전트 구조 랭체인으로 만드는 FAQ 기반 질의응답 시스템 CrewAI와 랭그래프로 설계하는 멀티 에이전트 협업 MCP를 통한 에이전트와 외부 시스템 연결 FastAPI 기반 MCP 서버 구현과 연동

펼쳐보기접어보기