홈앤서비스 SK BROADBAND

이 책은 오늘날 AI를 다루는 기업이 직면한 가장 큰 과제, 즉 프로토타입에서 프로덕션으로의 전환을 다룬다. LangChain 생태계의 최신 변화를 반영해 전면 개정되었으며, 엔터프라이즈 환경에서 AI 시스템을 개발·배포·확장하는 방법을 담았다. 특히 다중 에이전트 아키텍처, 견고한 LangGraph 워크플로, 고급 RAG 파이프라인에 중점을 두었다.

에이전틱 시스템 구축을 위한 디자인 패턴을 다루고, 복잡한 작업을 처리하는 다중 에이전트 구성을 실제로 구현한다. 테스트·평가·배포에 관한 내용도 대폭 확장하여 최신 LLM 애플리케이션의 요구에 대응하며, 안전장치와 책임 있는 개발 원칙을 갖춘 AI 시스템의 설계 방법까지 제시한다. 또한 RAG 관련 내용을 보강하여 하이브리드 검색·리랭킹·팩트체크 파이프라인을 통해 출력 정확도를 높이는 방법을 안내한다.

기존 워크플로를 확장하든 다중 에이전트 시스템을 처음부터 설계하든, 이 책은 프로덕션 수준의 LLM 애플리케이션 개발에 필요한 기술적 깊이와 실용적인 지침을 제공한다.

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