홈앤서비스 SK BROADBAND

이 책은 프롬프트 엔지니어링만으로는 해결할 수 없는 AI의 기억 상실과 환각 문제를 컨텍스트 엔지니어링 기법으로 해결하는 실전 가이드입니다. 프롬프트 엔지니어링이 AI에게 질문하는 기술이라면, 컨텍스트 엔지니어링은 AI의 작업 기억에 필요한 배경지식을 주입하는 설계 기술입니다. 즉, AI가 똑똑하게 대답하도록 유도하는 수준을 넘어, 조직의 고유 데이터와 상황 정보라는 ‘생각의 재료’를 체계적으로 제공해 AI가 스스로 올바른 판단을 내리는 유능한 동료로 기능하게 만듭니다.
이러한 공학적 설계 원칙을 바탕으로, 특정 LLM 버전에 종속되지 않는 일관된 패턴을 따라 ‘주니어 개발자’, ‘CS 에이전트’, ‘의료 연구원’ 등 실제 업무를 수행하는 3가지 에이전트를 직접 구현해봅니다. 또한 RAG, CoT, 메모리 관리는 물론, 기존 도서에서 다루지 않았던 AI 보안 기술까지 실무 수준으로 심도 있게 담아냈습니다. 이를 통해 독자는 AI를 단순한 도구가 아닌, 신뢰할 수 있는 비즈니스 파트너로 진화시키는 핵심 기술을 체득하게 될 것입니다.

[PART 1 AI 활용의 패러다임을 바꾸는 컨텍스트 엔지니어링]
CHAPTER 01 프롬프트 이후의 시대: 컨텍스트 엔지니어링
_1.1 AI의 단기 기억 상실과 환각 현상
_1.2 AI의 작업 기억에 핵심 정보를 각인시키는 기술
_1.3 동일한 질문, 다른 컨텍스트: 결과물이 어떻게 달라지는가
_1.4 마치며

CHAPTER 02 컨텍스트 엔지니어링의 핵심 도구 상자
_2.1 모든 것의 시작: AI의 기억력 한계
_2.2 코드 없이 당장 시작하는 컨텍스트 엔지니어링
_2.3 외부 지식의 자동 공급: 검색 증강 생성(RAG)
_2.4 AI의 추론 능력 극대화: CoT 활용법
_2.5 대화의 연속성 부여: 단기 및 장기 메모리 구축 전략
_2.6 현실적인 고려 사항: 컨텍스트의 비용과 토큰 최적화
_2.7 마치며

[PART 2 AI 에이전트를 위한 4가지 기초 컨텍스트 패턴]
CHAPTER 03 소프트웨어 개발: 코드를 완벽히 이해하는 AI 페어 프로그래머
_3.1 [상황] 사용자 스타일을 무시하고 엉뚱한 코드를 제안하는 AI
_3.2 [해결] 컨텍스트로 AI에게 우리 팀의 규칙 알려주기

CHAPTER 04 고객 지원: 모든 고객을 VIP처럼 응대하는 AI 챗봇
_4.1 [상황] 과거 상담 내용을 기억 못 하고 같은 질문만 반복하는 챗봇
_4.2 [해결] 챗봇에 기억, 지식, 공감 능력을 부여하기
_4.3 최종: 기억, 지식, 공감을 모두 갖춘 챗봇

CHAPTER 05 법률 및 의료: 신뢰할 수 있는 AI 전문 어시스턴트
_5.1 [상황] 최신 판례나 논문을 반영하지 못하고 일반적인 정보만 제공하는 AI
_5.2 [해결] 검증되고 신뢰할 수 있는 자료만으로 답안을 작성하는 제한적 오픈북 시험

CHAPTER 06 창작 및 교육: 맞춤형 AI 튜터와 세계관을 지키는 AI 스토리텔러
_6.1 [상황] 스토리가 진행될수록 설정이 붕괴되거나 모든 학생에게 똑같은 문제를 내는 AI
_6.2 [해결] 지속적으로 유지되어야 할 핵심 컨텍스트를 부여하는 법

[PART 3 나만의 AI 에이전트 구축]
CHAPTER 07 AI 에이전트의 탄생
_7.1 대화형 AI에서 행동하는 AI로: 패러다임의 진화
_7.2 에이전트의 4대 구성 요소와 컨텍스트의 역할
_7.3 컨텍스트 중심 에이전트 아키텍처 설계도
_7.4 [실습] 나의 첫 컨텍스트 에이전트 만들기
_7.5 마치며

CHAPTER 08 AI 주니어 개발자 에이전트: 리팩터링과 강화형 컨텍스트 학습
_8.1 개발 보조형 AI 에이전트의 역할
_8.2 코드 이해형 LLM의 한계와 컨텍스트의 필요성
_8.3 코덱스를 활용한 코드 컨텍스트 모델링
_8.4 컨텍스트 주입형 코드 수정 파이프라인 설계
_8.5 [실습] 코덱스 기반 코드 리팩터링 에이전트 만들기
_8.6 학습형 에이전트로 진화하기: 강화형 컨텍스트 학습
_8.7 해결책의 수준을 결정하는 컨텍스트
_8.8 마치며

CHAPTER 09 AI 고객센터 에이전트: 다중 컨텍스트 융합
_9.1 고객센터 에이전트의 역할과 한계
_9.2 다중 컨텍스트 융합 엔지니어링
_9.3 고객 상담원을 위한 도구 만들기
_9.4 [실습] 다중 컨텍스트 융합 에이전트 만들기
_9.5 실행 결과 분석: 에이전트의 판단
_9.6 AI 고객센터 에이전트의 다음 단계
_9.7 마치며

CHAPTER 10 AI 의료 연구원 에이전트: 컨텍스트 수명 주기 관리
_10.1 AI 연구원의 미션: 지식 노화 문제 해결
_10.2 [핵심] 컨텍스트 수명 주기 엔지니어링
_10.3 지식 큐레이터를 위한 도구 만들기
_10.4 [실습] 스스로 학습하는 지식 베이스 구축하기
_10.5 실행 결과 분석: 지식 베이스가 스스로 성장하는 과정 확인하기
_10.6 지식 큐레이터 에이전트의 다음 단계
_10.7 마치며

[PART 4 컨텍스트의 확장: 평가, 윤리, 미래]
CHAPTER 11 AI 품질 관리: 디버깅과 평가
_11.1 디버깅: 무엇이 잘못되었는가?
_11.2 평가: 얼마나 잘 작동하는가?
_11.3 마치며

CHAPTER 12 책임 있는 AI: 윤리와 공정성
_12.1 책임 소재: 누구의 잘못인가?
_12.2 편향과 공정성: 컨텍스트가 만드는 판단의 왜곡
_12.3 투명성과 설명 가능성: 왜 그렇게 판단했는가?
_12.4 일자리 문제와 인간-AI 협업

CHAPTER 13 AI 에이전트 보안: 해킹과 방어
_13.1 프롬프트 인젝션
_13.2 데이터 유출
_13.3 데이터 중독
_13.4 안전하지 않은 도구 사용
_13.5 컨텍스트 내 개인정보 보호
_13.6 마치며

CHAPTER 14 컨텍스트 엔지니어링의 미래
_14.1 AI에게 눈과 귀를 달아주기
_14.2 컨텍스트 엔지니어의 새로운 역할
_14.3 컨텍스트 엔지니어의 다음 단계
_14.4 마치며

[APPENDIX 실무 적용 노트]
APPENDIX A 10분 만에 끝내는 환경 설정
_A.1 가상 환경 설정
_A.2 필수 라이브러리 일괄 설치
_A.3 API 키 설정(오픈AI, 앤트로픽, 구글)

APPENDIX B 챗GPT vs 클로드 vs 제미나이
_B.1 기본 설정: 클라이언트 및 모델 초기화
_B.2 챗 대화 생성
_B.3 임베딩
_B.4 JSON 출력 강제
_B.5 에이전트의 핵심: 도구 사용

APPENDIX C 실전 디버깅
_C.1 API 및 환경 설정 오류
_C.2 라이브러리 설치 오류
_C.3 RAG 파이프라인 오류
_C.4 AI 에이전트 행동 오류