상세정보
이론부터 실전까지 AI 에이전트 완벽 마스터
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지| 지은이 | 살바토레 라이엘리, 가브리엘레 이우쿨라노 | |||||
| 옮긴이 | 에디 유, 김대규, 김현지 | |||||
| 발행일 | 2025-11-28 | |||||
| 페이지 | 560 | 가격 | 42,000원 | ||||
| ISBN | 978-89-6540-424-8 | 분야 | AI 에이전트,LLM,RAG | ||||
 |  |  |  |  |  |
이론부터 실전까지 AI 에이전트 완벽 마스터
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지| 지은이 | 살바토레 라이엘리, 가브리엘레 이우쿨라노 | |||||
| 옮긴이 | 에디 유, 김대규, 김현지 | |||||
| 발행일 | 2025-11-28 | |||||
| 페이지 | 560 | |||||
| 가격 | 42,000원 | |||||
| ISBN | 978-89-6540-424-8 | |||||
| 분야 | AI 에이전트,LLM,RAG | |||||
| | | |||
| | | |||
AI 에이전트 개발의 A to Z
단 한 권으로 끝내는 LLM 기반 에이전트 이론과 실전의 모든 것!
이 책은 AI 에이전트의 기반이 되는 텍스트 인코딩과 트랜스포머의 원리부터 시작해 LLM, RAG, 지식 그래프, 강화학습, 그리고 복잡한 멀티 에이전트 시스템 구축에 이르기까지 AI 에이전트 개발의 전 과정을 체계적인 로드맵으로 제시합니다. 수많은 논문과 참고 문헌을 바탕으로 핵심 이론을 깊이 있게 정리했으며 웹 스크래핑, 영화 추천, 여행 플래너 에이전트 등 실전 프로젝트 예제를 통해 독자가 직접 구현하며 배울 수 있도록 구성했습니다. 이론 없이는 불안하고 실전 없이는 아쉬웠던 모든 개발자에게, 이 책은 가장 믿음직한 가이드가 될 것입니다.
이런 분께 추천합니다!
● AI 에이전트의 근본 원리(텍스트 인코딩, 트랜스포머, LLM)부터 탄탄히 다지고 싶은 개발자
● 단순 LLM API 호출을 넘어, 스스로 판단하고 행동하는 자율 에이전트를 만들고 싶은 실무자
● RAG, 지식 그래프(GraphRAG), 강화학습 등 AI 에이전트의 핵심 기술을 체계적으로 마스터하고 싶은 엔지니어
● AI 에이전트 시스템의 전체 아키텍처를 설계하고 배포까지 경험하고 싶은 시니어 개발자 및 리더
● 최신 AI 기술의 원리를 논문과 함께 깊이 있게 공부하고 싶은 연구자 및 대학원생
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지
AI 에이전트 구축의 전체 지도, 이 책 한 권에 담았습니다!
★ AI 에이전트의 모든 레이어를 관통하는 체계적인 흐름
· 1부에서는 AI의 기반이 되는 텍스트 인코딩, RNN/LSTM부터 현대 AI 혁명의 심장인 트랜스포머와 LLM의 내부 동작 원리까지 기초를 탄탄하게 다집니다.
· 2부에서는 LLM을 확장하고 똑똑하게 만드는 핵심 엔진인 RAG(기본 및 고급 기법), 정보 검색과 추론 능력을 극대화하는 지식 그래프, 그리고 자율적인 행동 학습을 위한 강화학습을 깊이 있는 수준으로 상세히 다룹니다.
· 3부에서는 이 모든 기술을 통합해 자율적으로 작동하는 단일 및 다중 에이전트 시스템을 구축하고, 스트림릿(Streamlit)과 도커(Docker)를 활용해 실제 애플리케이션으로 배포하는 실전 과정까지 안내합니다.
★ 단순한 도구 사용을 넘어, 문제 해결 능력을 갖춘 아키텍트로
특히 이 책은 각 기술이 왜 등장했는지, 그리고 다른 기술들과 어떻게 유기적으로 연결되는지를 강조합니다. 트랜스포머가 RNN의 한계를 어떻게 극복했는지, RAG가 LLM의 고질적인 문제를 어떻게 해결하는지, 그리고 지식 그래프가 왜 복잡한 추론에 필수적인지를 종합적인 시각에서 설명합니다.
이러한 본질적인 이해를 바탕으로 한 접근 방식은 독자가 단순한 라이브러리 사용자를 넘어, 실무에서 발생하는 복잡한 문제를 스스로 진단하고 최적의 솔루션을 설계하는 진정한 AI 아키텍트로 성장하게 할 것입니다.
방대한 참고 문헌과 풍부한 도식을 바탕으로 핵심 원리를 설명하면서도, 웹 스크래핑 에이전트, 영화 추천 RAG 에이전트, 여행 플래너 등 실제 동작하는 프로젝트 예제를 통해 이론을 실습으로 즉시 연결합니다.
AI 에이전트의 동작 원리를 꿰뚫어 보고, 미래의 AI 시스템을 주도적으로 설계하고 싶은 모든 개발자, 연구자, 실무자에게 이 책은 가장 든든하고 명쾌한 길잡이가 되어줄 것입니다.
추천사
"AI 에이전트 기술의 복잡한 원리와 구조를 체계적으로 이해하기란 결코 쉽지 않습니다. 이 책은 그 어려운 여정을 명확하고 논리적인 흐름으로 안내하는 훌륭한 지도입니다. 언어 모델의 기초부터 RAG, 지식 그래프, 강화학습, 다중 에이전트 시스템까지 핵심 기술들이 유기적으로 연결되어 있습니다. 또한 이론에 머무르지 않고 실습 중심의 구성으로 이해를 확장합니다.
AI 에이전트가 만들어갈 미래를 준비하는 모든 분께 이 책을 자신 있게 추천합니다. 복잡한 기술의 숲 속에서 길을 찾고자 하는 이들에게, 이 책은 가장 든든한 나침반이 되어줄 것입니다."
- 박조은 (오늘코드 대표, Microsoft MVP)
"벌써 가을입니다. 며칠 한눈을 판 사이 금세 산허리가 울긋불긋 물들었습니다. 지금 인공지능 분야는 가을 단풍처럼 무섭게 번져가고 있습니다. 가을의 정취를 제대로 만끽하려면 단풍나무 사이로 걸어 들어가야 하듯이, 인공지능과 대규모 언어 모델의 진면목을 알려면 기꺼이 문서와 코드 더미로 몸을 던져야 합니다.
이 책은 단어 가방, 임베딩 같은 기초 개념부터 트랜스포머, 에이전트, RAG까지 온 세상에 LLM 열풍을 퍼뜨리는 핵심 기술을 빠짐없이 담았습니다. 이론과 함께 기술을 업그레이드하기 좋고, 코드를 활용해 실무를 배우기에도 좋습니다. 가을 단풍과 잘 어울리는 카페에서 책과 노트북을 열고 지금 시작해 보세요!"
- 박해선 (『혼자 공부하는 머신러닝+딥러닝』의 저자, Google AI/Cloud GDE, Microsoft AI MVP)
"LLM이 나날이 발전하고 에이전트 수요가 늘면서 산업 전반을 재편하는 핵심 동력이 되었습니다. 하지만 딥러닝 기초부터 트랜스포머, RAG, 지식 그래프, 강화학습, 에이전트 아키텍처까지 이어지는 흐름을 한꺼번에 이해하기는 쉽지 않습니다. 이 책은 이러한 방대한 기술 지형을 단편적으로 나열하는 것이 아니라, 현대 AI가 어떻게 작동하고 확장되며 실제 시스템으로 구현되는지까지 하나의 흐름 속에 담아 전달합니다. 기본 이론에서 실습, 그리고 미래 전망에 이르는 균형 잡힌 구성은 AI 개발자, 연구자, 실무자 모두에게 실질적인 통찰을 제공하며, 빠르게 변화하는 AI 시대를 주도적으로 이해하는 데 든든한 길잡이가 될 것입니다."
- 최지호 (코드팩토리, 『요즘 바이브 코딩 클로드 코드 완벽 가이드』의 저자)
단 한 권으로 끝내는 LLM 기반 에이전트 이론과 실전의 모든 것!
이 책은 AI 에이전트의 기반이 되는 텍스트 인코딩과 트랜스포머의 원리부터 시작해 LLM, RAG, 지식 그래프, 강화학습, 그리고 복잡한 멀티 에이전트 시스템 구축에 이르기까지 AI 에이전트 개발의 전 과정을 체계적인 로드맵으로 제시합니다. 수많은 논문과 참고 문헌을 바탕으로 핵심 이론을 깊이 있게 정리했으며 웹 스크래핑, 영화 추천, 여행 플래너 에이전트 등 실전 프로젝트 예제를 통해 독자가 직접 구현하며 배울 수 있도록 구성했습니다. 이론 없이는 불안하고 실전 없이는 아쉬웠던 모든 개발자에게, 이 책은 가장 믿음직한 가이드가 될 것입니다.
이런 분께 추천합니다!
● AI 에이전트의 근본 원리(텍스트 인코딩, 트랜스포머, LLM)부터 탄탄히 다지고 싶은 개발자
● 단순 LLM API 호출을 넘어, 스스로 판단하고 행동하는 자율 에이전트를 만들고 싶은 실무자
● RAG, 지식 그래프(GraphRAG), 강화학습 등 AI 에이전트의 핵심 기술을 체계적으로 마스터하고 싶은 엔지니어
● AI 에이전트 시스템의 전체 아키텍처를 설계하고 배포까지 경험하고 싶은 시니어 개발자 및 리더
● 최신 AI 기술의 원리를 논문과 함께 깊이 있게 공부하고 싶은 연구자 및 대학원생
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지
AI 에이전트 구축의 전체 지도, 이 책 한 권에 담았습니다!
★ AI 에이전트의 모든 레이어를 관통하는 체계적인 흐름
· 1부에서는 AI의 기반이 되는 텍스트 인코딩, RNN/LSTM부터 현대 AI 혁명의 심장인 트랜스포머와 LLM의 내부 동작 원리까지 기초를 탄탄하게 다집니다.
· 2부에서는 LLM을 확장하고 똑똑하게 만드는 핵심 엔진인 RAG(기본 및 고급 기법), 정보 검색과 추론 능력을 극대화하는 지식 그래프, 그리고 자율적인 행동 학습을 위한 강화학습을 깊이 있는 수준으로 상세히 다룹니다.
· 3부에서는 이 모든 기술을 통합해 자율적으로 작동하는 단일 및 다중 에이전트 시스템을 구축하고, 스트림릿(Streamlit)과 도커(Docker)를 활용해 실제 애플리케이션으로 배포하는 실전 과정까지 안내합니다.
★ 단순한 도구 사용을 넘어, 문제 해결 능력을 갖춘 아키텍트로
특히 이 책은 각 기술이 왜 등장했는지, 그리고 다른 기술들과 어떻게 유기적으로 연결되는지를 강조합니다. 트랜스포머가 RNN의 한계를 어떻게 극복했는지, RAG가 LLM의 고질적인 문제를 어떻게 해결하는지, 그리고 지식 그래프가 왜 복잡한 추론에 필수적인지를 종합적인 시각에서 설명합니다.
이러한 본질적인 이해를 바탕으로 한 접근 방식은 독자가 단순한 라이브러리 사용자를 넘어, 실무에서 발생하는 복잡한 문제를 스스로 진단하고 최적의 솔루션을 설계하는 진정한 AI 아키텍트로 성장하게 할 것입니다.
방대한 참고 문헌과 풍부한 도식을 바탕으로 핵심 원리를 설명하면서도, 웹 스크래핑 에이전트, 영화 추천 RAG 에이전트, 여행 플래너 등 실제 동작하는 프로젝트 예제를 통해 이론을 실습으로 즉시 연결합니다.
AI 에이전트의 동작 원리를 꿰뚫어 보고, 미래의 AI 시스템을 주도적으로 설계하고 싶은 모든 개발자, 연구자, 실무자에게 이 책은 가장 든든하고 명쾌한 길잡이가 되어줄 것입니다.
추천사
"AI 에이전트 기술의 복잡한 원리와 구조를 체계적으로 이해하기란 결코 쉽지 않습니다. 이 책은 그 어려운 여정을 명확하고 논리적인 흐름으로 안내하는 훌륭한 지도입니다. 언어 모델의 기초부터 RAG, 지식 그래프, 강화학습, 다중 에이전트 시스템까지 핵심 기술들이 유기적으로 연결되어 있습니다. 또한 이론에 머무르지 않고 실습 중심의 구성으로 이해를 확장합니다.
AI 에이전트가 만들어갈 미래를 준비하는 모든 분께 이 책을 자신 있게 추천합니다. 복잡한 기술의 숲 속에서 길을 찾고자 하는 이들에게, 이 책은 가장 든든한 나침반이 되어줄 것입니다."
- 박조은 (오늘코드 대표, Microsoft MVP)
"벌써 가을입니다. 며칠 한눈을 판 사이 금세 산허리가 울긋불긋 물들었습니다. 지금 인공지능 분야는 가을 단풍처럼 무섭게 번져가고 있습니다. 가을의 정취를 제대로 만끽하려면 단풍나무 사이로 걸어 들어가야 하듯이, 인공지능과 대규모 언어 모델의 진면목을 알려면 기꺼이 문서와 코드 더미로 몸을 던져야 합니다.
이 책은 단어 가방, 임베딩 같은 기초 개념부터 트랜스포머, 에이전트, RAG까지 온 세상에 LLM 열풍을 퍼뜨리는 핵심 기술을 빠짐없이 담았습니다. 이론과 함께 기술을 업그레이드하기 좋고, 코드를 활용해 실무를 배우기에도 좋습니다. 가을 단풍과 잘 어울리는 카페에서 책과 노트북을 열고 지금 시작해 보세요!"
- 박해선 (『혼자 공부하는 머신러닝+딥러닝』의 저자, Google AI/Cloud GDE, Microsoft AI MVP)
"LLM이 나날이 발전하고 에이전트 수요가 늘면서 산업 전반을 재편하는 핵심 동력이 되었습니다. 하지만 딥러닝 기초부터 트랜스포머, RAG, 지식 그래프, 강화학습, 에이전트 아키텍처까지 이어지는 흐름을 한꺼번에 이해하기는 쉽지 않습니다. 이 책은 이러한 방대한 기술 지형을 단편적으로 나열하는 것이 아니라, 현대 AI가 어떻게 작동하고 확장되며 실제 시스템으로 구현되는지까지 하나의 흐름 속에 담아 전달합니다. 기본 이론에서 실습, 그리고 미래 전망에 이르는 균형 잡힌 구성은 AI 개발자, 연구자, 실무자 모두에게 실질적인 통찰을 제공하며, 빠르게 변화하는 AI 시대를 주도적으로 이해하는 데 든든한 길잡이가 될 것입니다."
- 최지호 (코드팩토리, 『요즘 바이브 코딩 클로드 코드 완벽 가이드』의 저자)
추천사
옮긴이의 말
들어가며
1부: AI 에이전트 엔진: 텍스트에서 대규모 언어 모델까지
1장 딥러닝으로 텍스트 데이터 분석하기
1. AI를 위한 텍스트 표현
__원-핫 인코딩
__단어 가방
__TF-IDF
2. 임베딩, 응용 그리고 표현
__word2vec
__텍스트의 유사도 개념
__임베딩의 속성
3. 텍스트 처리를 위한 RNN, LSTM, GRU, CNN
__순환 신경망
__장단기 메모리
__게이트 순환 유닛
__텍스트용 CNN
4. 임베딩과 딥러닝을 활용한 감정 분석
2장 트랜스포머: 현대 AI 혁명 이면의 모델
1. 어텐션과 셀프 어텐션 탐구하기
2. 트랜스포머 모델 소개
3. 트랜스포머 학습하기
4. 마스크드 언어 모델링 탐구하기
5. 내부 메커니즘 시각화하기
6. 트랜스포머 활용하기
3장 강력한 AI 엔진, LLM 탐구하기
1. LLM의 진화 과정 살펴보기
__스케일링 법칙
__창발적 특성
__컨텍스트 길이
__전문가 혼합
2. 지시 튜닝, 파인튜닝, 정렬
3. 작고 효율적인 LLM 탐색하기
4. 멀티모달 모델 탐색하기
5. 할루시네이션과 윤리적·법적 쟁점 이해하기
6. 프롬프트 엔지니어링
2부: AI 에이전트와 지식 검색
4장 LLM으로 웹 스크래핑 에이전트 구축하기
1. 두뇌, 지각, 행동 패러다임 이해하기
__두뇌
__지각
__행동
2. AI 에이전트 분류하기
3. 단일 에이전트와 다중 에이전트 시스템 이해하기
4. 주요 라이브러리 탐구
__LangChain
__Haystack
__LlamaIndex
__Semantic Kernel
__AutoGen
__LLM 에이전트 프레임워크 선택하기
5. 검색하여 정보를 스스로 찾는 ReAct 에이전트 만들기
5장 할루시네이션을 방지하는 RAG 기반 에이전트
1. 나이브 RAG 탐구하기
2. 검색, 최적화, 증강
__청크 분할 전략
__임베딩 전략
__임베딩 데이터베이스
3. 출력에 대해 평가하기
4. RAG와 파인튜닝 비교하기
5. RAG를 활용한 영화 추천 에이전트 구축하기
6장 정보 검색과 증강을 위한 고급 RAG 기법
1. 나이브 RAG의 문제점
2. 고급 RAG 파이프라인 살펴보기
__계층적 인덱싱
__가상 질문과 HyDE
__컨텍스트 강화
__쿼리 변환
__키워드 기반 검색과 하이브리드 검색
__쿼리 라우팅
__재순위화
__응답 최적화
3. 모듈형 RAG와 다른 시스템 통합하기
__훈련 기반 접근법과 비훈련 접근법
4. 고급 RAG 파이프라인 구현하기
5. RAG의 확장성과 성능 이해하기
__데이터 확장성, 저장, 전처리
__병렬 처리
__보안과 개인정보 보호
6. 미해결 과제와 미래 전망
7장 지식 그래프 생성하고 AI 에이전트와 연결하기
1. 지식 그래프 소개
__그래프와 지식 그래프의 형식적 정의
__분류 체계와 온톨로지
2. LLM을 활용한 지식 그래프 구축하기
__지식 생성
__LLM으로 지식 그래프 생성
__지식 평가
__지식 정제
__지식 확장
__지식 호스팅과 배포
3. 지식 그래프와 LLM을 활용하여 정보 검색하기
__그래프 기반 인덱싱
__그래프 기반 검색
__그래프 RAG 활용
4. 그래프 추론 이해하기
__지식 그래프 임베딩
__그래프 신경망
__LLM의 지식 그래프 추론
5. 지식 그래프와 그래프 RAG의 도전 과제
8장 강화학습과 AI 에이전트
1. 강화학습 소개
__멀티 암드 밴딧 문제
__마르코프 결정 과정
2. 심층 강화학습
__모델 프리 접근법과 모델 기반 접근법
__온-폴리시와 오프-폴리시 방법
__심층 강화학습 자세히 살펴보기
__심층 강화학습의 과제와 미래 전망
__강화학습으로 비디오 게임 학습하기
3. LLM과 강화학습 모델의 상호작용
__강화학습으로 강화된 LLM
__LLM으로 강화된 강화학습
4. 핵심 정리
3부: 복잡한 시나리오를 해결하는 고도화된 AI 에이전트
9장 단일·다중 에이전트 시스템 만들기
1. 자율 에이전트 소개
__툴포머
__허깅GPT
__켐크로우
__스위프트도시에
__켐에이전트
__법률 분야의 다중 에이전트
__의료 분야의 다중 에이전트
2. 허깅GPT 사용하기
__로컬에서 허깅GPT 사용하기
__웹에서 허깅GPT 사용하기
3. 다중 에이전트 시스템
4. SaaS, MaaS, DaaS, RaaS
__서비스형 소프트웨어, SaaS
__서비스형 모델, MaaS
__서비스형 데이터, DaaS
__서비스형 결과, RaaS
__다양한 패러다임 비교
10장 AI 에이전트 애플리케이션 구축하기
1. 스트림릿 소개
__스트림릿 시작하기
__결과 캐싱하기
2. 스트림릿으로 프론트엔드 개발하기
__텍스트 요소 추가하기
__스트림릿 앱에 이미지 삽입하기
__동적인 앱 만들기
3. 스트림릿과 AI 에이전트를 활용한 애플리케이션 만들기
4. 머신러닝 운영과 LLM 운영
__모델 개발
__모델 학습
__모델 테스트
__추론 최적화
__프로덕션에서 오류 처리하기
__프로덕션 보안을 위한 고려 사항
5. 비동기 프로그래밍
__asyncio
__비동기 프로그래밍과 머신러닝
6. 도커
__쿠버네티스
__머신러닝에 도커 사용하기
11장 다가올 미래
1. 의료 분야 AI 에이전트
__생물의학 분야 AI 에이전트
2. 다른 산업 분야 AI 에이전트
__피지컬 에이전트
__게임용 LLM 에이전트
__웹 에이전트
3. 해결할 과제와 미해결 질문
__인간-에이전트 간 의사소통 문제
__다중 에이전트의 뚜렷한 우월성 부재
__추론의 한계
__LLM의 창의성
__기계론적 해석 가능성
__범용 인공지능으로 가는 길
__윤리 문제
찾아보기
옮긴이의 말
들어가며
1부: AI 에이전트 엔진: 텍스트에서 대규모 언어 모델까지
1장 딥러닝으로 텍스트 데이터 분석하기
1. AI를 위한 텍스트 표현
__원-핫 인코딩
__단어 가방
__TF-IDF
2. 임베딩, 응용 그리고 표현
__word2vec
__텍스트의 유사도 개념
__임베딩의 속성
3. 텍스트 처리를 위한 RNN, LSTM, GRU, CNN
__순환 신경망
__장단기 메모리
__게이트 순환 유닛
__텍스트용 CNN
4. 임베딩과 딥러닝을 활용한 감정 분석
2장 트랜스포머: 현대 AI 혁명 이면의 모델
1. 어텐션과 셀프 어텐션 탐구하기
2. 트랜스포머 모델 소개
3. 트랜스포머 학습하기
4. 마스크드 언어 모델링 탐구하기
5. 내부 메커니즘 시각화하기
6. 트랜스포머 활용하기
3장 강력한 AI 엔진, LLM 탐구하기
1. LLM의 진화 과정 살펴보기
__스케일링 법칙
__창발적 특성
__컨텍스트 길이
__전문가 혼합
2. 지시 튜닝, 파인튜닝, 정렬
3. 작고 효율적인 LLM 탐색하기
4. 멀티모달 모델 탐색하기
5. 할루시네이션과 윤리적·법적 쟁점 이해하기
6. 프롬프트 엔지니어링
2부: AI 에이전트와 지식 검색
4장 LLM으로 웹 스크래핑 에이전트 구축하기
1. 두뇌, 지각, 행동 패러다임 이해하기
__두뇌
__지각
__행동
2. AI 에이전트 분류하기
3. 단일 에이전트와 다중 에이전트 시스템 이해하기
4. 주요 라이브러리 탐구
__LangChain
__Haystack
__LlamaIndex
__Semantic Kernel
__AutoGen
__LLM 에이전트 프레임워크 선택하기
5. 검색하여 정보를 스스로 찾는 ReAct 에이전트 만들기
5장 할루시네이션을 방지하는 RAG 기반 에이전트
1. 나이브 RAG 탐구하기
2. 검색, 최적화, 증강
__청크 분할 전략
__임베딩 전략
__임베딩 데이터베이스
3. 출력에 대해 평가하기
4. RAG와 파인튜닝 비교하기
5. RAG를 활용한 영화 추천 에이전트 구축하기
6장 정보 검색과 증강을 위한 고급 RAG 기법
1. 나이브 RAG의 문제점
2. 고급 RAG 파이프라인 살펴보기
__계층적 인덱싱
__가상 질문과 HyDE
__컨텍스트 강화
__쿼리 변환
__키워드 기반 검색과 하이브리드 검색
__쿼리 라우팅
__재순위화
__응답 최적화
3. 모듈형 RAG와 다른 시스템 통합하기
__훈련 기반 접근법과 비훈련 접근법
4. 고급 RAG 파이프라인 구현하기
5. RAG의 확장성과 성능 이해하기
__데이터 확장성, 저장, 전처리
__병렬 처리
__보안과 개인정보 보호
6. 미해결 과제와 미래 전망
7장 지식 그래프 생성하고 AI 에이전트와 연결하기
1. 지식 그래프 소개
__그래프와 지식 그래프의 형식적 정의
__분류 체계와 온톨로지
2. LLM을 활용한 지식 그래프 구축하기
__지식 생성
__LLM으로 지식 그래프 생성
__지식 평가
__지식 정제
__지식 확장
__지식 호스팅과 배포
3. 지식 그래프와 LLM을 활용하여 정보 검색하기
__그래프 기반 인덱싱
__그래프 기반 검색
__그래프 RAG 활용
4. 그래프 추론 이해하기
__지식 그래프 임베딩
__그래프 신경망
__LLM의 지식 그래프 추론
5. 지식 그래프와 그래프 RAG의 도전 과제
8장 강화학습과 AI 에이전트
1. 강화학습 소개
__멀티 암드 밴딧 문제
__마르코프 결정 과정
2. 심층 강화학습
__모델 프리 접근법과 모델 기반 접근법
__온-폴리시와 오프-폴리시 방법
__심층 강화학습 자세히 살펴보기
__심층 강화학습의 과제와 미래 전망
__강화학습으로 비디오 게임 학습하기
3. LLM과 강화학습 모델의 상호작용
__강화학습으로 강화된 LLM
__LLM으로 강화된 강화학습
4. 핵심 정리
3부: 복잡한 시나리오를 해결하는 고도화된 AI 에이전트
9장 단일·다중 에이전트 시스템 만들기
1. 자율 에이전트 소개
__툴포머
__허깅GPT
__켐크로우
__스위프트도시에
__켐에이전트
__법률 분야의 다중 에이전트
__의료 분야의 다중 에이전트
2. 허깅GPT 사용하기
__로컬에서 허깅GPT 사용하기
__웹에서 허깅GPT 사용하기
3. 다중 에이전트 시스템
4. SaaS, MaaS, DaaS, RaaS
__서비스형 소프트웨어, SaaS
__서비스형 모델, MaaS
__서비스형 데이터, DaaS
__서비스형 결과, RaaS
__다양한 패러다임 비교
10장 AI 에이전트 애플리케이션 구축하기
1. 스트림릿 소개
__스트림릿 시작하기
__결과 캐싱하기
2. 스트림릿으로 프론트엔드 개발하기
__텍스트 요소 추가하기
__스트림릿 앱에 이미지 삽입하기
__동적인 앱 만들기
3. 스트림릿과 AI 에이전트를 활용한 애플리케이션 만들기
4. 머신러닝 운영과 LLM 운영
__모델 개발
__모델 학습
__모델 테스트
__추론 최적화
__프로덕션에서 오류 처리하기
__프로덕션 보안을 위한 고려 사항
5. 비동기 프로그래밍
__asyncio
__비동기 프로그래밍과 머신러닝
6. 도커
__쿠버네티스
__머신러닝에 도커 사용하기
11장 다가올 미래
1. 의료 분야 AI 에이전트
__생물의학 분야 AI 에이전트
2. 다른 산업 분야 AI 에이전트
__피지컬 에이전트
__게임용 LLM 에이전트
__웹 에이전트
3. 해결할 과제와 미해결 질문
__인간-에이전트 간 의사소통 문제
__다중 에이전트의 뚜렷한 우월성 부재
__추론의 한계
__LLM의 창의성
__기계론적 해석 가능성
__범용 인공지능으로 가는 길
__윤리 문제
찾아보기
-저자 소개-
살바토레 라이엘리(Salvatore Raieli)
제약 회사의 수석 데이터 과학자로, 암 치료 신약 개발에 AI를적용하는 전문가다. LLM, 에이전트, 자연어 처리 등 다양한 AI 기법을 활용한 프로젝트를 이끌었으며, AI 석사와 면역학 박사 학위를 바탕으로 한 신경망 구축 경험이 풍부하다. 사회적 가치에 기여하는 AI 개발에 열정을 갖고 있으며, 여가 시간에는 미디엄(Medium)에서 AI 대중화 블로그를 운영하고 있다.
가브리엘레 이우쿨라노(Gabriele Iuculano)
임베디드 시스템과 AI에 전문성을 갖춘 테스트 플랫폼 아키텍트다. 첨단 테스트 자동화 플랫폼의 기반이 되는 정교한 시뮬레이션 시스템을 설계하고 있으며, 예측 정비 시스템을 도입하여 문제 예측과 다운타임 최소화를 실현하는 등 AI 기반 솔루션 통합에 주력해 왔다. 리즈대학교(University of Leeds)에서 AI 석사 학위를 취득했으며, 혁신 기술인 AI를 통해 기존 비즈니스를 근본적으로 혁신하는 것을 목표로 한다.
-역자 소개-
에디 유
현업에서 검색 증강 생성(RAG)과 에이전트 시스템 개발을 담당하고 있다. LLM 기반 서비스 구축에 깊은 관심을 가지고 있으며, 특히 최근에는 에이전트의 추론 능력을 향상시키기 위한 파인튜닝 연구에 집중하고 있다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
김대규
자연어 처리 분야의 AI 리서치 엔지니어로, LLM 기반 생성형 모델과 에이전트 시스템을 연구한다. 검색 증강 생성(RAG), 함수 호출(Function Calling), 플래너 설계 등 실무 응용 기술의 연구와 구현에 주력하고 있다. 이론적 깊이와 실무 적용 가능성을 동시에 추구하는 균형 잡힌 접근을 지향한다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
김현지
동아일보와 채널A에서 산업 및 경제 분야 기자로 활동한 경험을 바탕으로, 경제경영 전문 AI 챗봇 '애스크비즈(AskBiz)'를 기획·개발하는 등 언론사에 다양한 AI 서비스를 도입하고 있다. IT 기술을 활용한 뉴스 제작·유통·소비 방식의 혁신과 AI가 가져올 사회 전반의 변화에 깊은 관심을 가지고 있다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
살바토레 라이엘리(Salvatore Raieli)
제약 회사의 수석 데이터 과학자로, 암 치료 신약 개발에 AI를적용하는 전문가다. LLM, 에이전트, 자연어 처리 등 다양한 AI 기법을 활용한 프로젝트를 이끌었으며, AI 석사와 면역학 박사 학위를 바탕으로 한 신경망 구축 경험이 풍부하다. 사회적 가치에 기여하는 AI 개발에 열정을 갖고 있으며, 여가 시간에는 미디엄(Medium)에서 AI 대중화 블로그를 운영하고 있다.
가브리엘레 이우쿨라노(Gabriele Iuculano)
임베디드 시스템과 AI에 전문성을 갖춘 테스트 플랫폼 아키텍트다. 첨단 테스트 자동화 플랫폼의 기반이 되는 정교한 시뮬레이션 시스템을 설계하고 있으며, 예측 정비 시스템을 도입하여 문제 예측과 다운타임 최소화를 실현하는 등 AI 기반 솔루션 통합에 주력해 왔다. 리즈대학교(University of Leeds)에서 AI 석사 학위를 취득했으며, 혁신 기술인 AI를 통해 기존 비즈니스를 근본적으로 혁신하는 것을 목표로 한다.
-역자 소개-
에디 유
현업에서 검색 증강 생성(RAG)과 에이전트 시스템 개발을 담당하고 있다. LLM 기반 서비스 구축에 깊은 관심을 가지고 있으며, 특히 최근에는 에이전트의 추론 능력을 향상시키기 위한 파인튜닝 연구에 집중하고 있다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
김대규
자연어 처리 분야의 AI 리서치 엔지니어로, LLM 기반 생성형 모델과 에이전트 시스템을 연구한다. 검색 증강 생성(RAG), 함수 호출(Function Calling), 플래너 설계 등 실무 응용 기술의 연구와 구현에 주력하고 있다. 이론적 깊이와 실무 적용 가능성을 동시에 추구하는 균형 잡힌 접근을 지향한다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
김현지
동아일보와 채널A에서 산업 및 경제 분야 기자로 활동한 경험을 바탕으로, 경제경영 전문 AI 챗봇 '애스크비즈(AskBiz)'를 기획·개발하는 등 언론사에 다양한 AI 서비스를 도입하고 있다. IT 기술을 활용한 뉴스 제작·유통·소비 방식의 혁신과 AI가 가져올 사회 전반의 변화에 깊은 관심을 가지고 있다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』(위키북스)이 있다.
AI 에이전트 개발의 A to Z
단 한 권으로 끝내는 LLM 기반 에이전트 이론과 실전의 모든 것!
이 책은 AI 에이전트의 기반이 되는 텍스트 인코딩과 트랜스포머의 원리부터 시작해 LLM, RAG, 지식 그래프, 강화학습, 그리고 복잡한 멀티 에이전트 시스템 구축에 이르기까지 AI 에이전트 개발의 전 과정을 체계적인 로드맵으로 제시합니다. 수많은 논문과 참고 문헌을 바탕으로 핵심 이론을 깊이 있게 정리했으며 웹 스크래핑, 영화 추천, 여행 플래너 에이전트 등 실전 프로젝트 예제를 통해 독자가 직접 구현하며 배울 수 있도록 구성했습니다. 이론 없이는 불안하고 실전 없이는 아쉬웠던 모든 개발자에게, 이 책은 가장 믿음직한 가이드가 될 것입니다.
이런 분께 추천합니다!
● AI 에이전트의 근본 원리(텍스트 인코딩, 트랜스포머, LLM)부터 탄탄히 다지고 싶은 개발자
● 단순 LLM API 호출을 넘어, 스스로 판단하고 행동하는 자율 에이전트를 만들고 싶은 실무자
● RAG, 지식 그래프(GraphRAG), 강화학습 등 AI 에이전트의 핵심 기술을 체계적으로 마스터하고 싶은 엔지니어
● AI 에이전트 시스템의 전체 아키텍처를 설계하고 배포까지 경험하고 싶은 시니어 개발자 및 리더
● 최신 AI 기술의 원리를 논문과 함께 깊이 있게 공부하고 싶은 연구자 및 대학원생
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지
AI 에이전트 구축의 전체 지도, 이 책 한 권에 담았습니다!
★ AI 에이전트의 모든 레이어를 관통하는 체계적인 흐름
· 1부에서는 AI의 기반이 되는 텍스트 인코딩, RNN/LSTM부터 현대 AI 혁명의 심장인 트랜스포머와 LLM의 내부 동작 원리까지 기초를 탄탄하게 다집니다.
· 2부에서는 LLM을 확장하고 똑똑하게 만드는 핵심 엔진인 RAG(기본 및 고급 기법), 정보 검색과 추론 능력을 극대화하는 지식 그래프, 그리고 자율적인 행동 학습을 위한 강화학습을 깊이 있는 수준으로 상세히 다룹니다.
· 3부에서는 이 모든 기술을 통합해 자율적으로 작동하는 단일 및 다중 에이전트 시스템을 구축하고, 스트림릿(Streamlit)과 도커(Docker)를 활용해 실제 애플리케이션으로 배포하는 실전 과정까지 안내합니다.
★ 단순한 도구 사용을 넘어, 문제 해결 능력을 갖춘 아키텍트로
특히 이 책은 각 기술이 왜 등장했는지, 그리고 다른 기술들과 어떻게 유기적으로 연결되는지를 강조합니다. 트랜스포머가 RNN의 한계를 어떻게 극복했는지, RAG가 LLM의 고질적인 문제를 어떻게 해결하는지, 그리고 지식 그래프가 왜 복잡한 추론에 필수적인지를 종합적인 시각에서 설명합니다.
이러한 본질적인 이해를 바탕으로 한 접근 방식은 독자가 단순한 라이브러리 사용자를 넘어, 실무에서 발생하는 복잡한 문제를 스스로 진단하고 최적의 솔루션을 설계하는 진정한 AI 아키텍트로 성장하게 할 것입니다.
방대한 참고 문헌과 풍부한 도식을 바탕으로 핵심 원리를 설명하면서도, 웹 스크래핑 에이전트, 영화 추천 RAG 에이전트, 여행 플래너 등 실제 동작하는 프로젝트 예제를 통해 이론을 실습으로 즉시 연결합니다.
AI 에이전트의 동작 원리를 꿰뚫어 보고, 미래의 AI 시스템을 주도적으로 설계하고 싶은 모든 개발자, 연구자, 실무자에게 이 책은 가장 든든하고 명쾌한 길잡이가 되어줄 것입니다.
추천사
"AI 에이전트 기술의 복잡한 원리와 구조를 체계적으로 이해하기란 결코 쉽지 않습니다. 이 책은 그 어려운 여정을 명확하고 논리적인 흐름으로 안내하는 훌륭한 지도입니다. 언어 모델의 기초부터 RAG, 지식 그래프, 강화학습, 다중 에이전트 시스템까지 핵심 기술들이 유기적으로 연결되어 있습니다. 또한 이론에 머무르지 않고 실습 중심의 구성으로 이해를 확장합니다.
AI 에이전트가 만들어갈 미래를 준비하는 모든 분께 이 책을 자신 있게 추천합니다. 복잡한 기술의 숲 속에서 길을 찾고자 하는 이들에게, 이 책은 가장 든든한 나침반이 되어줄 것입니다."
- 박조은 (오늘코드 대표, Microsoft MVP)
"벌써 가을입니다. 며칠 한눈을 판 사이 금세 산허리가 울긋불긋 물들었습니다. 지금 인공지능 분야는 가을 단풍처럼 무섭게 번져가고 있습니다. 가을의 정취를 제대로 만끽하려면 단풍나무 사이로 걸어 들어가야 하듯이, 인공지능과 대규모 언어 모델의 진면목을 알려면 기꺼이 문서와 코드 더미로 몸을 던져야 합니다.
이 책은 단어 가방, 임베딩 같은 기초 개념부터 트랜스포머, 에이전트, RAG까지 온 세상에 LLM 열풍을 퍼뜨리는 핵심 기술을 빠짐없이 담았습니다. 이론과 함께 기술을 업그레이드하기 좋고, 코드를 활용해 실무를 배우기에도 좋습니다. 가을 단풍과 잘 어울리는 카페에서 책과 노트북을 열고 지금 시작해 보세요!"
- 박해선 (『혼자 공부하는 머신러닝+딥러닝』의 저자, Google AI/Cloud GDE, Microsoft AI MVP)
"LLM이 나날이 발전하고 에이전트 수요가 늘면서 산업 전반을 재편하는 핵심 동력이 되었습니다. 하지만 딥러닝 기초부터 트랜스포머, RAG, 지식 그래프, 강화학습, 에이전트 아키텍처까지 이어지는 흐름을 한꺼번에 이해하기는 쉽지 않습니다. 이 책은 이러한 방대한 기술 지형을 단편적으로 나열하는 것이 아니라, 현대 AI가 어떻게 작동하고 확장되며 실제 시스템으로 구현되는지까지 하나의 흐름 속에 담아 전달합니다. 기본 이론에서 실습, 그리고 미래 전망에 이르는 균형 잡힌 구성은 AI 개발자, 연구자, 실무자 모두에게 실질적인 통찰을 제공하며, 빠르게 변화하는 AI 시대를 주도적으로 이해하는 데 든든한 길잡이가 될 것입니다."
- 최지호 (코드팩토리, 『요즘 바이브 코딩 클로드 코드 완벽 가이드』의 저자)
단 한 권으로 끝내는 LLM 기반 에이전트 이론과 실전의 모든 것!
이 책은 AI 에이전트의 기반이 되는 텍스트 인코딩과 트랜스포머의 원리부터 시작해 LLM, RAG, 지식 그래프, 강화학습, 그리고 복잡한 멀티 에이전트 시스템 구축에 이르기까지 AI 에이전트 개발의 전 과정을 체계적인 로드맵으로 제시합니다. 수많은 논문과 참고 문헌을 바탕으로 핵심 이론을 깊이 있게 정리했으며 웹 스크래핑, 영화 추천, 여행 플래너 에이전트 등 실전 프로젝트 예제를 통해 독자가 직접 구현하며 배울 수 있도록 구성했습니다. 이론 없이는 불안하고 실전 없이는 아쉬웠던 모든 개발자에게, 이 책은 가장 믿음직한 가이드가 될 것입니다.
이런 분께 추천합니다!
● AI 에이전트의 근본 원리(텍스트 인코딩, 트랜스포머, LLM)부터 탄탄히 다지고 싶은 개발자
● 단순 LLM API 호출을 넘어, 스스로 판단하고 행동하는 자율 에이전트를 만들고 싶은 실무자
● RAG, 지식 그래프(GraphRAG), 강화학습 등 AI 에이전트의 핵심 기술을 체계적으로 마스터하고 싶은 엔지니어
● AI 에이전트 시스템의 전체 아키텍처를 설계하고 배포까지 경험하고 싶은 시니어 개발자 및 리더
● 최신 AI 기술의 원리를 논문과 함께 깊이 있게 공부하고 싶은 연구자 및 대학원생
LLM·RAG 기본부터 지식 그래프·강화학습·멀티 에이전트 심화까지
AI 에이전트 구축의 전체 지도, 이 책 한 권에 담았습니다!
★ AI 에이전트의 모든 레이어를 관통하는 체계적인 흐름
· 1부에서는 AI의 기반이 되는 텍스트 인코딩, RNN/LSTM부터 현대 AI 혁명의 심장인 트랜스포머와 LLM의 내부 동작 원리까지 기초를 탄탄하게 다집니다.
· 2부에서는 LLM을 확장하고 똑똑하게 만드는 핵심 엔진인 RAG(기본 및 고급 기법), 정보 검색과 추론 능력을 극대화하는 지식 그래프, 그리고 자율적인 행동 학습을 위한 강화학습을 깊이 있는 수준으로 상세히 다룹니다.
· 3부에서는 이 모든 기술을 통합해 자율적으로 작동하는 단일 및 다중 에이전트 시스템을 구축하고, 스트림릿(Streamlit)과 도커(Docker)를 활용해 실제 애플리케이션으로 배포하는 실전 과정까지 안내합니다.
★ 단순한 도구 사용을 넘어, 문제 해결 능력을 갖춘 아키텍트로
특히 이 책은 각 기술이 왜 등장했는지, 그리고 다른 기술들과 어떻게 유기적으로 연결되는지를 강조합니다. 트랜스포머가 RNN의 한계를 어떻게 극복했는지, RAG가 LLM의 고질적인 문제를 어떻게 해결하는지, 그리고 지식 그래프가 왜 복잡한 추론에 필수적인지를 종합적인 시각에서 설명합니다.
이러한 본질적인 이해를 바탕으로 한 접근 방식은 독자가 단순한 라이브러리 사용자를 넘어, 실무에서 발생하는 복잡한 문제를 스스로 진단하고 최적의 솔루션을 설계하는 진정한 AI 아키텍트로 성장하게 할 것입니다.
방대한 참고 문헌과 풍부한 도식을 바탕으로 핵심 원리를 설명하면서도, 웹 스크래핑 에이전트, 영화 추천 RAG 에이전트, 여행 플래너 등 실제 동작하는 프로젝트 예제를 통해 이론을 실습으로 즉시 연결합니다.
AI 에이전트의 동작 원리를 꿰뚫어 보고, 미래의 AI 시스템을 주도적으로 설계하고 싶은 모든 개발자, 연구자, 실무자에게 이 책은 가장 든든하고 명쾌한 길잡이가 되어줄 것입니다.
추천사
"AI 에이전트 기술의 복잡한 원리와 구조를 체계적으로 이해하기란 결코 쉽지 않습니다. 이 책은 그 어려운 여정을 명확하고 논리적인 흐름으로 안내하는 훌륭한 지도입니다. 언어 모델의 기초부터 RAG, 지식 그래프, 강화학습, 다중 에이전트 시스템까지 핵심 기술들이 유기적으로 연결되어 있습니다. 또한 이론에 머무르지 않고 실습 중심의 구성으로 이해를 확장합니다.
AI 에이전트가 만들어갈 미래를 준비하는 모든 분께 이 책을 자신 있게 추천합니다. 복잡한 기술의 숲 속에서 길을 찾고자 하는 이들에게, 이 책은 가장 든든한 나침반이 되어줄 것입니다."
- 박조은 (오늘코드 대표, Microsoft MVP)
"벌써 가을입니다. 며칠 한눈을 판 사이 금세 산허리가 울긋불긋 물들었습니다. 지금 인공지능 분야는 가을 단풍처럼 무섭게 번져가고 있습니다. 가을의 정취를 제대로 만끽하려면 단풍나무 사이로 걸어 들어가야 하듯이, 인공지능과 대규모 언어 모델의 진면목을 알려면 기꺼이 문서와 코드 더미로 몸을 던져야 합니다.
이 책은 단어 가방, 임베딩 같은 기초 개념부터 트랜스포머, 에이전트, RAG까지 온 세상에 LLM 열풍을 퍼뜨리는 핵심 기술을 빠짐없이 담았습니다. 이론과 함께 기술을 업그레이드하기 좋고, 코드를 활용해 실무를 배우기에도 좋습니다. 가을 단풍과 잘 어울리는 카페에서 책과 노트북을 열고 지금 시작해 보세요!"
- 박해선 (『혼자 공부하는 머신러닝+딥러닝』의 저자, Google AI/Cloud GDE, Microsoft AI MVP)
"LLM이 나날이 발전하고 에이전트 수요가 늘면서 산업 전반을 재편하는 핵심 동력이 되었습니다. 하지만 딥러닝 기초부터 트랜스포머, RAG, 지식 그래프, 강화학습, 에이전트 아키텍처까지 이어지는 흐름을 한꺼번에 이해하기는 쉽지 않습니다. 이 책은 이러한 방대한 기술 지형을 단편적으로 나열하는 것이 아니라, 현대 AI가 어떻게 작동하고 확장되며 실제 시스템으로 구현되는지까지 하나의 흐름 속에 담아 전달합니다. 기본 이론에서 실습, 그리고 미래 전망에 이르는 균형 잡힌 구성은 AI 개발자, 연구자, 실무자 모두에게 실질적인 통찰을 제공하며, 빠르게 변화하는 AI 시대를 주도적으로 이해하는 데 든든한 길잡이가 될 것입니다."
- 최지호 (코드팩토리, 『요즘 바이브 코딩 클로드 코드 완벽 가이드』의 저자)
