본 도서는 출판사로부터 무상으로 제공받아 주관적인 리뷰를 하였습니다.

2022년 11월 챗GPT가 선을 보였을때  생성형AI의 시대가 열렸다고 했습니다.  그러나 2026년 부터는  AGENT시대가 열린다고 많은 전문가들이 선언을 했습니다. 작년까지는  단순히  웹의 프롬프트창에  원하는 질문을 하면   인공지능이 대답을 하거나  그림을 그려주는  아니면 짧은 영상을 만들어주는 것이 다였습니다. AGENT는 LLM이 대답에서 실행으로 발전시키는 과정을 ＜LangGrahp로 만드는 AI에이전트 서비스＞로  말잘하는 AI에서 목표를 달성하도록 AI로 진화한다는 겁니다. AI가 목표를 달성하게 계획세우고 행하는 방법을 배우가 된다는 겁니다. 

저자는 전상우 개발자십니다.  금융 에이전트를 개발하고 계시고 전에는 백엔드시스템을 개발해오셨다고 합니다. 장영훈 개발자십니다. 금융권 LLM기반 시스템개발을 하고 계신다고 합니다. 서평원 개발자십니다. AI엔지니어를 시작으로 백엔드엔지니어를 하고 계십니다. 이정훈 개발자십니다. AI서비스를 하고 계십니다. 이민혁 개발자십니다. 금융권 서비스 개발을 하고 계십니다. 

RangChain은  터미널 방식으로 구동을 해야 합니다. 랭체인은  애이전트의 파이프라인것은 역할을 합니다. 이 위에 랭그래프를 설치해서 운영하는 방법입니다. 처음에는 챗봇을 만들어서 구축해보고,  여기에  러너블이라는 추상 글래스를 받는데 왜냐하면 따로 따로 작동할 수있는 컴퓨터넌트에게 일관성을 부여하기 위해서라고 합니다. 입력을 하면 러너블의 통제하에 각 메서드들이 처리 됩니다. 랭체인에는 기본옵션으로 RAG가 작동을 합니다. 검색과 생성의 증감이죠. 이는  환각현상을 줄이는데 매우 큰 역할을 하게 됩니다.  이전체 구조를 운영하기위한 메모리관리가 중요합니다. 토큰사용량을 줄이면서 핵심정보를 유지하는데 중요하다는 겁니다. 점점 핵심으로 들어가서 MCP의 사용법을 학습합니다. 

랭체인으로도 에이전트를 만들수 있다고 합니다. 하지만  복잡함이 커지면  랭체인으로는 감당이 안되는 거죠. 그래서 나온것이 랭그래프입니다. 랭그래프는 워크플로우를 그래프로 표시하고 이를 상태중심설계를 하고  사람이 관여하는 휴먼인더루프도 지원한다고 합니다.   좀더  구체적으로 단일 에이전트를 구축하는 방법과  멀티 에이전트를 구축하는 방법을 소개합니다.  멀티가 정말 멋진 이유는  라우터, 전문가, 검증자, 실행자 들로 따로 구축할 수있습니다.  랭체인구축,  RAG를  설치하고  랭그래프를 활용해서   단일 에이전트와 멀티 에이전트까지 구축을 해도  문제는 운영입니다.  이를 제대로 운영하게 하는 것이 프로젝트운영이라고 합니다.  저자도  구축보다 어려운 것이 운영이라고 확실히 정리합니다. 

운영을 위해서는 관측할 수있도록 해야 하고,  다양한 평가지표를 측정해줘야 합니다.  제대로 작동하는 지 확인하는 작업이죠.  측정후에는 최적화작업이 필요합니다. 여기에 신뢰성과 에러처리까지 할수있게 해줍니다.  랭그래프를 이용한  AI에이전트 개발이 만만한 작업은 아닌것같습니다. 그것때문에 오픈AI,크론드, 제미나이 등의 SDK로 옮겨가지만  분명한 랭그래프의 정점이 있기에  어려운 과정속에서  잘 익혀두는 것도 능려기를 올리는 걸겁니다. 왜냐하면  앞으로  재무, 법률, 마케팅, 기획 등으로 다양한 에이전트를 구축해서  운영을 하면 혼자서도  놀라운 업무를 할수있는 유니콘이 나올 것이기 때문입니다. 

AI를 학부생 시절 배웠지만, 시간이 지나  다 까먹었는데, 이 책을 통해 어느정도 감 그리고 에이전트를 어떤식으로 만들 수 있는지 감을 잡을 수 있습니다. 입문자(어느정도 개발 능력은 있지만 AI 관련 지식이 없는 사람)에게 추천합니다.

RAG, 메모리, MCP, 멀티 에이전트까지 LangGraph로 한 번에 정리됩니다. 특히 4부 프로덕션 운영(평가·관측·보안) 파트가 진짜 실무입니다. 금융권 현업 개발자 5명이 써서 그런지 코드가 바로 돌아가고, 깃허브 예제도 전부 공개돼 있어요. 챗봇에서 막혔던 분께 강추합니다.
#LangGraph #AI에이전트 #RAG #성안당 #개발자책추천



"서평단으로 도서를 제공받았습니다."

LangGraph로 만드는 AI 에이전트 서비스

RAG.멀티 에이전트.평가까지 AI 에이전트 실무 완전 정복



오늘 소개시켜드릴 도서는 LangGraph로 만드는 AI 에이전트 서비스입니다. 바이브코딩은 개발자가 아닌분들도 쉽게 개발을 할 수 있다라고 하면 더욱더 전문용어인 RAG, LangGraph를 사용하면 보다 AI에이전트를 더욱더 잘 다룰 수 있습니다. AI의 생태계를 전반적으로 확인할 수 있으며 LLM의 한계를 뛰어넘는 에이전트 구현 기법으로 흐름도도 도서에 잘 녹아들어있어서 이해하기 쉬웠던것 같습니다.

AI가 스스로 판단, 검색, 복잡한 업무를 알아서 하는 시대에 에이전트를 만드는 자신감을 심어주는 실무 지침서였습니다.

LangGraph로 만드는 AI 에이전트 서비스 도서는 핵심이 되는 RAG과 LangGraph를 직관적으로 설명해주는 도서입니다. RAG은 검색 증강 생성으로 학습하지 않는 최신 정보나 회사 내부 문서에 대해서는 거짓말(환각 현상)을 하는데 RAG은 AI에게 최신 정보가 되는 교과서를 주고 시험을 보게 만드는 기술이라고 생각하면 됩니다. 이론과 실무 중심으로 단순하게 코드를 작성하는 도서가 아니여서 좋았습니다.

LangGraph로 만드는 AI 에이전트 서비스는 파이썬 코드와 함께 주석으로 설명이 되어있으면서도 추가적으로 설명이 꼼꼼한편이였습니다. 여러 표 그리고 흐름도 등으로 어려운 AI 에이전트 도서에 대해서 이해하기 쉽게 풀었으며 AI를 처음배우는분들도 AI를 체험해본 분들도 읽어보면 도움이 되는 내용이 많았습니다. 랭체인이나 LLM 기초는 배웠지만 에이전트도 배우고 싶은 분들께 추천드리고 회사에서 AI에이전트 서비스를 도입하고자 하는 회사 분들에게 추천드릴 수 있을것 같습니다.

복잡한 흐름도 그래프도 이해하기 쉽게 되어 있으며 멀티 에이전트, AI 에이전트 운영, 보안 그리고 안전장치까지 AI를 사용하면서 중요한 포인트를 집어면서도 기초 개념부터 Production 운영까지 흐름으로 정리를 해서 점점 더 운영에 반영할 수 있는 자신감이 생깁니다.

최근 AI 도서를 읽다 보면 구현하고 싶은게 정말 많아집니다. 저도 개발자이지만 AI를 만나면서 제가 못했던 부분에 대해서 해결사 역활을 해주기도 하고 개발에 대해서 전혀 모르지는 않기에 시너지가 더욱더 발생하는것 같아서 좋았습니다.

AI를 사용할때는 비용이 발생합니다. 금융.HR, 도메인 예제를 바탕으로 설계감각 강화와 함께 운영 관점까지 포함해서 평사, 비용, 보안과 에러처리 방법등 운영적 측면에서도 LLM과 랭체인을 도입하려는 분들께 추천드리는 도서라고 말씀드릴 수 있을것 같습니다.

도서를 제공받아 서평

AI 미래에 펼쳐질 핵심 서비스는 AI 에이전트라고 말하곤 합니다. 하지만 직접 이 시스템을 구축하기 위해서는 현재 출시된 여러 모델들을 활용해도 되지만 결국 자신에 맞게 최적화 시켜나가는 것이 중요한데요. "LongGraph로 만드는 AI 에이전트 서비스"는 에이전트 개발의 입문 부터 운영 그리고 AI 에이전트를 위한 프롬프트 엔지니어링 등을 배울 수 있는 책입니다. 목차는 크게 4가지로 1부 시작하기 / 2부 핵심 구성 요소 / 3부 에이전트 구축 / 4부 프로덕션 운영이 있습니다. LongGraph는 LongCahin 프로젝트에서 개발한 AI 에이전트를 위한 프레임워크이며 현재 가장 인기 모델입니다. 이를 통해 다양한 AI 에이전트 설계가 가능합니다. 우선 AI 에이전트를 말로만 들었지만 구체적인 개념에 대해서 많은 유저들이 모릅니다. 이점에 대해서 1부 시작하기를 통해 AI 에이전트의 정의, 핵심요소, 어떻게 진행되고 결과값이 나오는지 모델(두뇌), 도구(손) 레이어(신경작용)등을 차례대로 배우게 되며 이해하기 쉽게 정리되어 있습니다.

그리고 실제 사람의 생각처럼 생각-＞행동-＞관찰 패턴대로 출력하는 과정의 원리와 전통적인 소프트웨어와 큰 차이점을 알아보고 왜 AI인지 장점이 명확해 자신이 하고자 하는 작업을 위해 배우고 싶게 끔 만듭니다. 그리고 AI 에이전트 개발에 앞서 아무래도 개념을 확실히 익히고 들어가는것이 좋은데, 책에 소개된 단계별 학습 경로를 통해 먼저 워크플로우를 간략히 파악 하고 들어간다는 점이 좋았습니다. 그리고 개발에 앞서 가장 기본적인 LangGraph 설치 과정과 확인, 처음부터 누구나 쉽게 테스트 해볼 수 있는 채팅 UI 만들기를 통해 초보라도 자신감을 가지게 합니다. 또 LLM 모델 사용 준비와 프로젝트를 구성해보고 책에서 소개하는 간략한 에이전트 만들기를 통해 트레이닝이 가능한데, 지금까지 배운것들은 핵심 정리 파트를 통해 복습할 수 있습니다. 그리고 예제 코드를 기본 제공하고 있기에 다운로드 후 예제들을 비교해가며 공부 할 수 있습니다. 

그리고 LangChain의 핵심 컴포넌트 조합과 이를 통한 애플리케이션 구축에 필요한 기본 문법들을 논리적으로 그림으로 표현해놓아 더욱 이해하기 쉽게 공부할 수 있습니다. 또 다양한 함수와 연결한 예제와 출력 값, 팁 등을 통해 좀 더 이해하기 쉽게 끔 내용이 정리되어 있다는 점도 장점입니다. 각 파트마다 예를 들어 "메모리"라면 어떤 원리로 작동이 되는지 질문과 AI 출력 값을 통해 개념을 먼저 익힌다는 점등이 답답하거나 막히지 않고 좀 더 재미있게 공부할 수 있을 것 같습니다. 이런식으로 메모리가 왜 중요한지 AI 대답이 왜 이렇게 밖에 나올수가 없는지 각 요소에 대한 핵심 개념들이 담겨 있습니다. 그리고 해당 기술의 대한 전략과 과정이 단계별로 각 상황에 맞게 정리 되어있는데, 정말 다양한 변수를 느낄 수 있었습니다. 그만큼 어떻게 보면 방대함도 느껴졌고 지속적으로 습득하고 트레이닝해야 한다는걸 깨닫게 되었습니다.

3장 AI 에이전트 구축파트에서는 앞서 배웠던 다양한 기술들을 통해 LangGraph의 핵심 아이디어, 왜 써야 하는지 기본 구조를 배울 수 있습니다. 비슷하면서도 다른 LCEL과의 비교를 통해 쉬우면서도 보다 논리적으로 처리할 수 있도록 만들 수 있는 구조등 확실한 장점도 파악할 수 있습니다. 이런 장점을 통해 다양한 노드를 실행해보고 검증을 거치고 실행과 점검 과정까지 거치며 실력을 쌓을 수 있습니다. 책 디자인 자체가 이러한 방향으로 정리되어 있다는 점은 다양한 유저들에게도 공부하기 좋다고 생각되었습니다. 그리고 단일 에이전트 설계, 멀티 에이전트 패턴이나 문제점 등도 함께 담았습니다. 마지막 4장 프로덕션 운영에서는 보다 전문적인 분야라는 생각이 들었는데 그만큼 개념에 대한 부분에 많이 할애한 느낌입니다. 여러가지 박스형으로 소개된 알고리즘 설명, 각 단계별 특징들 나열과 정의, 에러 처리와 안전한 에이전트를 개발하기 위한 조건들을 통해 보다 AI 에이전트의 완성도를 끌어 올릴 수 있을 것 같습니다. 이처럼 "LongGraph로 만드는 AI 에이전트 서비스"는 다수의 저자가 함께 참여한 만큼 다양한 직군들에게 도움이 될 만한 책이 아닐까 생각됩니다.

#AI에이전트 

#LangGraph로만드는AI에이전트서비스  #LangChain #LLM개발 #성안당

출판사로부터 무상으로 제공받아 주관적인 리뷰를 하였습니다.

LLM 기초부터 LangGraph 기반 멀티 에이전트, 그리고 프로덕션 운영까지를 예제 중심으로 관통하는 입문~초중급 실무서이다.

초보자 배려가 충실하다. 2부까지 LLM 자체와 LLM 기반 서비스, 그리고 프로그램에서 LLM을 다루는 방법을 폭넓게 설명한다. 특히 도입부의 배려가 인상적이다. Streamlit으로 채팅 UI 만들기, 환경 변수·API 키 관리 같은 기본기부터 챙겨 주고, "LLM은 왜 기억을 못할까", "자유 텍스트 응답의 문제"처럼 개념의 필요성을 먼저 납득시킨 뒤 구현으로 넘어가는 구성이 반복된다. 챗 모델·메시지·프롬프트·러너블·LCEL을 차례로 쌓아 올리는 흐름도 입문자가 따라가기 좋다. 중급자 이상보다는 입문자에게 적합한 책이라는 인상이 분명하다.

예제가 풍부해 전체 그림을 잡기 좋다. 간단하지만 서비스 예제인 교육비 지원 신청 에이전트(10장), HR 상담 멀티 에이전트(11장), HR 요청 분류 에이전트(9장)처럼 일관된 도메인 시나리오를 따라가며 개념을 익히게 되어 있어, 내용을 이해하는 데 예제가 큰 역할을 한다. 클로드 코드 같은 코딩 에이전트로 개발하는 사람이라도 기초 개념을 알고 프롬프트를 작성하는 편이 훨씬 유리하다. "코딩 에이전트를 쓰는데 이런 개념적인 게 무슨 의미가 있나" 싶은 의심은 접어 두는 편이 좋다. 

정리와 패턴 제시가 친절하다. 챕터마다 '핵심 정리'가 있어 요점을 다시 짚어 주고, 여러 패턴이 존재하는 경우에는 패턴을 따로 떼어 설명한다. 단일 에이전트의 선형 워크플로우를 패턴 A(기본 순차형)·B(의도 분기형)·C(병렬 도구 호출)·D(툴 퍼스트)로 나누어 보여 주고, 멀티 에이전트에서는 라우터-전문가, 검증자·가드레일 패턴을 구분해 다룬다. 메모리 전략을 전체 저장·윈도우·요약으로 비교하거나, RAG 검색 방식을 키워드·임베딩·하이브리드로 갈라 설명하는 식으로 선택지를 나란히 놓고 비교해 주는 구성이 반복된다. 단순히 방법을 나열하는 데 그치지 않고 "언제 무엇을 골라야 하는가"를 고민하게 만든다.

운영 관점이 살아 있다. 16개 장 중 12~16장, 다섯 개 장을 통째로 프로덕션 운영에 할애한 점이 이 책의 차별점이다. 실제 운영 환경에서 고려해야 할 점을 정리하면서, 특히 평가 방법과 디버깅을 비중 있게 다룬다. 관측 가능성(12장)에서는 로그·지표·흐름 추적의 세 축을 잡고 Langfuse로 Trace와 Observation을 연동하는 방법까지 보여 준다. 평가·품질 관리(13장)는 RAG를 검색기·생성기·End-to-End로 나누어 평가하고, LLM-as-a-judge와 RAGAS 자동 평가로 이어진다. 특히 "최종 답변만으로는 원인을 알 수 없다"며 content_blocks로 모델의 사고 과정을 들여다보는 디버깅 절은, 에이전트 특유의 실패를 추적하는 실전 감각을 잘 짚는다. 성능·비용 최적화, 신뢰성, 안전한 개발 등 서비스 환경에서 어떤 부분을 신경 써야 하는지 미리 고민해 볼 수 있다는 점이 유익하다.

LLM·에이전트 개발에 처음 입문하는 개발자, 코딩 에이전트를 쓰지만 그 아래 개념을 단단히 다지고 싶은 실무자에게 잘 맞는다. 반대로 LangGraph를 이미 능숙하게 다루는 사람이라면 1·2부는 빠르게 훑고, 운영 노하우가 응축된 4부를 중심으로 보는 편이 효율적일 것이다.