|
최근 AI 에이전트 관련 기술을 살펴보면서 가장 많이 고민하게 되는 부분은 모델의 성능보다 실제 업무에서 얼마나 안정적으로 동작하느냐는 것입니다. Claude Code나 여러 AI 개발 도구를 사용하다 보면 개발 속도가 빨라졌다는 것을 확실히 체감합니다. 하지만 작업이 복잡해지거나 여러 도구를 연속해서 호출해야 하는 상황에서는 이야기가 달라집니다. 엉뚱한 방향으로 작업을 진행하기도 하고, 앞서 정한 조건을 잊어버리거나 같은 오류를 반복하는 경우도 적지 않죠. 이런 문제를 어떻게 해결해야 할지 고민하던 중 접하게 된 책이 바로 고돈호 저자의 『하네스 엔지니어링으로 완성하는 에이전틱 AI』입니다. 이 책은 단순히 AI 에이전트를 만드는 방법에만 그치지 않습니다. 에이전트가 정해진 범위 안에서 작업하고, 문제가 발생했을 때 적절하게 대응하도록 만드는 구조를 다룹니다. 프롬프트보다 중요한 것은 실행 구조 책에서 가장 눈길이 갔던 부분은 단연 하네스 엔지니어링이었습니다. 처음에는 '하네스'라는 용어가 다소 낯설었지만, 내용을 살펴보니 기존 소프트웨어 개발에서 중요하게 다루던 실행 제어, 예외 처리, 검증, 보안과 크게 다르지 않았습니다.
메모리와 컨텍스트 관리도 결국 설계의 문제 장시간 에이전트를 활용하다 보면 대화가 길어질수록 이전에 결정했던 내용이 누락되거나 작업 방향이 조금씩 어긋나는 문제가 생깁니다. 책에서는 이를 해결하기 위해 최근 대화, 요약 메모리, 벡터 DB 기반 장기 메모리를 구분해 설명합니다. 여기서 핵심은 정보를 무작정 많이 쌓아두는 것이 아니라 현재 작업에 필요한 정보를 적절한 시점에 꺼내어 주는 것입니다. 실제 개발 프로젝트에서도 모든 문서를 한꺼번에 넘기기보다 현재 작업과 관련된 요구사항, 설계 결정, 제약 조건을 선별해 전달하는 편이 훨씬 효율적입니다. 컨텍스트 관리는 단순히 토큰을 아끼는 차원을 넘어, 에이전트가 올바른 판단을 내리도록 맥락을 설계하는 과정이라는 생각이 들었습니다. 실전 프로젝트로 보는 에이전트의 동작과 한계 이 책의 또 다른 장점은 개념 설명에만 머물지 않고 세 가지 프로젝트를 통해 실제 동작을 보여준다는 점입니다.
이 중 자기수정 데이터 분석 에이전트가 특히 인상 깊었습니다. 코드를 생성·실행하고 오류를 분석해 고치는 과정은 AI 코딩 도구를 쓰면서 자주 마주치는 흐름이기도 합니다. 하지만 핵심은 '스스로 고칠 수 있느냐'보다 어디까지 수정을 허용하고, 언제 사람의 개입이 필요한가에 있습니다. 책에서 다루는 Human-in-the-Loop, 실행 제한, 종료 조건은 실제 서비스에서 반드시 챙겨야 할 기준입니다. 실제 서비스 적용을 위한 운영의 관점 단순 예제를 돌려보는 것과 실제 사용자에게 서비스를 제공하는 것은 완전히 다른 문제입니다. 그런 점에서 이 책이 프롬프트 인젝션 방어, 샌드박스 격리, 로컬 LLM 서빙, API 배포, 모니터링까지 폭넓게 짚어준 점도 반가웠습니다. 외부 API나 데이터베이스에 접근하는 에이전트라면 보안과 권한 제어는 선택이 아니라 필수입니다. 여기에 실행 이력, 비용, 실패 원인까지 추적할 수 있어야 안정적인 운영이 가능합니다. 물론 책 한 권으로 모든 운영 이슈를 해결할 수는 없으므로, 실제 적용 시에는 각 영역을 추가로 파고들고 환경에 맞게 설계하는 과정이 필요합니다. 읽고 나서 AI 에이전트 기술은 빠르게 변하고 새로운 모델과 프레임워크도 계속 등장할 것입니다. 그럼에도 모델 성능과 무관하게 흐름을 관리하고, 실패를 감지하며, 결과를 검증하는 구조의 중요성은 변하지 않을 것 같습니다. 이 책을 통해 'AI 에이전트를 잘 만드는 것'과 '안정적으로 운영하는 것'은 별개의 문제라는 점을 다시 한번 확인했습니다. 프롬프트 작성이나 프레임워크 활용을 넘어, 예기치 못한 행동이 발생해도 시스템 전체가 흔들리지 않도록 설계해야 합니다.
|
|
한빛미디어 서평단 <나는리뷰어다> 활동을 위해 책을 협찬받아 작성한 서평입니다. 평소 AI 관련 책을 읽으며 툴 호출, 메모리, RAG 같은 개념을 접해왔기 때문에 앞부분은 비교적 수월하게 읽혔다. 이전의 독서 경험도 도움이 됐지만, 무엇보다 설명이 꼼꼼하고 앞에서 배운 내용이 다음 구현으로 자연스럽게 이어지는 구성이 좋았다. 책은 툴 사용과 ReAct, 메모리 같은 핵심 원리에서 출발해 RAG와 워크플로, 멀티 에이전트로 범위를 넓힌다. 이후 세 가지 실전 프로젝트에 적용하고 보안과 비용, 배포와 운영까지 살핀다. 다루는 내용이 많은데도 지금 배우는 것이 어디에 쓰이는지 알 수 있어 따라가기 편했다. 특히 책에서 ReAct를 직접 구현한 뒤 랭그래프로 옮기는 부분이 좋았다. 프레임워크가 대신해주는 일을 앞의 구현과 비교할 수 있어서 코드의 역할이 더 구체적으로 읽혔다.
출처: 『하네스 엔지니어링으로 완성하는 에이전틱 AI』 31쪽, 그림 1-4. 각 장 끝의 연습문제도 좋았다. 예제에 조건을 더하려면 어느 부분을 바꿔야 할지 생각하며, 읽은 내용을 한 번 더 되짚어볼 수 있었다. 내 방식으로 적용해볼 포인트가 있다는 점이 마음에 들었다.
출처: 『하네스 엔지니어링으로 완성하는 에이전틱 AI』 96쪽, 3장 연습문제 2번. 하네스도 출력 형식, 도구 호출 횟수, 비용 상한처럼 실제 상황을 나눠 설명해줘서, 모델에 맡길 판단과 코드로 검사할 조건을 생각해볼 수 있었다.
출처: 『하네스 엔지니어링으로 완성하는 에이전틱 AI』 140쪽, 표 5-2. 시장 브리핑은 정해진 순서로 처리하는 선형 워크플로로, 데이터 분석가는 오류를 고치는 순환으로, 가상 집사 로봇은 행동 뒤 다시 관찰하는 순환으로 구성한다. 같은 원리를 서로 다른 문제에 적용하면서 왜 그 구조를 선택했는지까지 설명해주는 점이 좋았다.
출처: 『하네스 엔지니어링으로 완성하는 에이전틱 AI』 319쪽, 그림 11-1. 각 프로젝트가 시나리오와 성공·실패 기준을 정하는 데서 시작해 구현과 평가로 이어지는 것도 알찼다. 코드를 읽으면서 어떤 결과를 완료로 볼지, 어디까지 다시 시도할지도 함께 생각하게 됐다. 이미 AI 관련 개념은 익숙하지만 실제 구현에서 무엇부터 연결해야 할지 정리하고 싶은 개발자에게 권하고 싶다. 내게는 알고 있던 개념을 구현 관점에서 다시 정리하기 좋은 책이었다. |
|
"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다." 부제 : 브리핑 에이전트·자기수정 분석가·움직이는 로봇까지, 프로젝트로 배우는 에이전트 엔지니어링
AI를 이제 사용해야 하는데, 단순히 경험하는 것 말고 잘 사용하는 분들과 잘 사용하지 못하시는 분들의 GAP차이가 점차 나고 있습니다. 이제 기술의 성숙도의 차이도 올해들어 다양한 지식과 경험이 나오기 때문에 기존 방식을 고수하시는 분들은 그 격차를 줄이는 것은 선택이 아니고 필수가 되었습니다. 에이전트를 하네스 엔지니어링을 통해서 구성하는 것도 이제는 필수로 생각되어 입니다.
저자분의 입장에서도 AI가 코드적인 도움을 많이 주는데, 그럼 우리는 어떠한 역할을 하고 고려하고 준비하고 알아야 하는지에 대한 고민을 통해서 나온 경험적인 것들이 많이 구성되어 있습니다.
■ 책 구성 살펴보기 · 크게 4가지 구성으로 되어 있습니다.
각각의 구성마다 소개되는 사항은 아래와 같습니다. AI시대 전에도 있었던, 에이전트의 개념이 AI시대에 어떻게 활용되는지 살펴보고 많이 사용하는 툴 및 패턴을 알아봅니다. 그 이후에는 에이전트를 좀더 실제 서비서에 사용하기 위한 기술을 파악하고, 실전프로젝트, 운영 관점으로 기술을 체크합니다. 목차에서도 나오듯이, 실제 이론이 아닌 서비스 개념으로 최종결과물 및 고려사항을 살펴볼수 있는 구성입니다.
책에 나온 실습 내용은 아래 github를 통해서 확인 가능합니다. https://github.com/javafa/agentic_ai_engineering GitHub - javafa/agentic_ai_engineering: [책] 하네스 엔지니어링으로 완성하는 에이전틱 AI [책] 하네스 엔지니어링으로 완성하는 에이전틱 AI. Contribute to javafa/agentic_ai_engineering development by creating an account on GitHub. github.com
해당 github에 접속해보시면, chapter마다 주요 핵심 아젠다가 정리되어 있어서 무엇이 중요한 개념인지 빠르게 확인할수 있습니다.
■ 에이전트 살펴보기 용어는 많이 들어보게 됩니다. 챗봇, RAG, 에이전트 입니다. 여기서 LLM을 사용하는 패턴은 3가지 개념으로 구분되며, 우리는 이 개념을 혼돈없이 잘 정리해야 앞으로 기준을 잡을수 있다고 생각합니다. 저는 이 개념이 혼돈되어서 사용되어지고 있는것 같고, 아래와 같이 3개를 비교한 동작 구성도를 보시면, 각각의 사용기술이 다르고 살펴볼 사항이 많습니다.
· 에이전트의 핵심 구성요소인 LLM, 메모리, 툴을 사용해서 하네스엔지니어링을 포함해서 설명하고 있습니다. · 교재에서 사용하는 라이브러리을 정리해놓은 것입니다.
· ReAct패턴 (추론, 실행을 반복하는 구조)를 클로드 API를 통해서 구현하고 이후에는 랭그래프 라이브러리를 이용해서 더 간단하게 작성해봅니다.
■ 메모리 시스템 · AI서비스를 구성할때, 가장 중요한 부분이라고 생각합니다. 이전 대화의 내용을 기억하고 관리하는 기술이 필요합니다. - 토큰 비용이 지속적으로 상승합니다. - 컨텍스트 윈도우에 한계가 찾아옵니다. · 메모리에 대한 부분도 단기 메모리, 장기 메모리의 구분을 통해서 차이를 가집니다. - 이러한 부분도 코드 적으로 구현을 진행합니다.
· 벡터DB를 활용해서, 장기 데이터 관리하는 방식도 있습니다. · 컨텍스트와 하네스 엔지니어링을 통해서 예측가능한 범위 안에서 운영하기 위한 기술을 학습힙니다. - Agent = Model + Harness로 정의하고 가드레일 구축하는데 있습니다. 조금 혼돈되는 개념이 순차적으로 잘 정리되어 있습니다.
· 백터DB에 입력을 하기 위해서, 청크 처리 및 임베딩 방식을 지정합니다. RAG품질 개선을 위해서 쿼리 리라이팅, 검색결과 리랭킹의 방식을 테스트 해봅니다. 에이전트 RAG라는 내용도 있습니다. 자제적으로 판단하는 기술입니다.
· 나이브 RAG vs 에이전틱 RAG 처음 접한 내용이기는 한데, RAG기준을 잡을때 도움이 되는것 같습니다.
■ 실전 프로젝트 아래와 같은 시나리오를 학습한 기술을 적용해서 구현해봅니다. 시나리오를 살펴보면, 어느정도의 난이도인지 파악이 쉬울것 같아서 첨부합니다. ![]()
· OWASP가 LLM 기준으로 작성된 사항이 있습니다.
이러한 내용을 기반으로 책에서 설명해주고, 대응 방안까지 설명해주는 부분이 좋았습니다. - 배포에 대한 부분은 FastAPI lifespan, AWS SAM, LangSmith 등 각 기술을 사용하여서 실습구성이 되어 있습니다.
많은 개념과 실전 사례를 통해서 구체화 해가면서, 동작원리 및 서비스 수준을 높이고 무엇을 고려해야 할지 알게 되는 책이라고 생각됩니다. 저자분이 경험하신 노하우 및 방향이 잘 설명된 책이라고 생각됩니다. |
|
에이전틱 AI에 의심의 눈초리가 있었는데 이 책을 읽고, 개선(?) 되었다. 이 책은 에이전틱 AI에 대한 개념, 메모리 관리 방식, 동작(ReAct) 원리, 랭체인과 랭그래프 기반으로 개발한 툴 연결하기, 인간의 중간 검사 단계 끼워 넣기, 가드레일과 서빙까지 전반을 다루는데 그리 어렵지 않게 설명해준다. 중간중간 뛰어 넘을 수 있는 부분도 있으니 부담갖지 않고 시작할 수 있다. |