1부 | LLM 트렌드 이해하기

1장 LLM의 등장과 AI 생태계의 변화
__1.1 LLM의 탄생
__1.2 LLM의 발전: 멀티모달 LLM
__1.3 LLM의 발전: 모델 규모의 확장
__1.4 LLM의 발전: 오픈소스와 커뮤니티 역할의 확대


2장 LLM의 진화와 AI 에이전트 등장
__2.1 o1의 등장
____2.1.1 GPT-4o와 o1 비교
____2.1.2 시나리오로 알아보는 o1
__2.2 AI 에이전트의 등장


2부 | AI 에이전트 이해하기

3장 AI 에이전트의 개념
__3.1 AI 에이전트란?
__3.2 LLM, RAG, AI 에이전트 비교


4장 AI 에이전트 구성 및 동작 방식
__4.1 AI 에이전트 구성 요소
__4.2 AI 에이전트 동작 방식
__4.3 에이전트 유형


5장 AI 에이전트 디자인 패턴
__5.1 반응 패턴
__5.2 계획 패턴
__5.3 도구 사용 패턴
__5.4 멀티에이전트 패턴
__5.5 CoT 프롬프팅 패턴


6장 AI 에이전트 프레임워크
__6.1 오토젠
__6.2 랭체인
__6.3 랭그래프
__6.4 크루AI
__6.5 라마인덱스
__6.6 AutoGPT


3부 | AI 에이전트 활용하기

7장 AI 에이전트를 사용하기 위한 준비
__7.1 코랩 환경 구성
____7.1.1 코랩 접속하기
____7.1.2 코랩 사용하기
____7.1.3 구글 드라이브 접속하기
__7.2 API 키 발급
____7.2.1 OpenAI API 키 생성
____7.2.2 Tavily API 키 생성
____7.2.3 랭스미스 API 키 생성
____7.2.4 Serper API 키 생성

8장 AI 에이전트 구현하기
__8.1 랭체인 에이전트
____8.1.1 랭체인 AI 에이전트 동작 방식
____8.1.2 랭체인으로 에이전트 구현하기
__8.2 AutoGPT
__8.3 오토젠
____8.3.1 오토젠 개념 이해하기
____8.3.2 오토젠으로 에이전트 구현하기
__8.4 라마인덱스
____8.4.1 라마인덱스 개념 이해하기
____8.4.2 라마인덱스로 에이전트 구현하기
__8.5 크루AI
____8.5.1 크루AI 개념 이해하기
____8.5.2 크루AI로 에이전트 생성하기
__8.6 랭그래프 활용하기
____8.6.1 랭그래프 개념 이해하기
____8.6.2 랭그래프로 에이전트 생성하기

9장 랭스미스를 이용한 에이전트 디버깅 및 평가
__9.1 랭스미스란?
__9.2 랭스미스 활용하기
____9.2.1 디버깅하기
____9.2.2 랭그래프와 디버깅 연동하기
____9.2.3 성능 평가하기
____9.2.4 모니터링하기


4부 | M365 코파일럿 에이전트

10장 M365 코파일럿과 M365 코파일럿 에이전트
__10.1 M365 코파일럿
____10.1.1 M365 코파일럿의 기능
____10.1.2 코파일럿의 동작 방식
__10.2 M365 코파일럿 에이전트


11장 M365 코파일럿 에이전트와 AI 에이전트 비교
__11.1 M365 코파일럿 에이전트의 한계
__11.2 M365 코파일럿 에이전트 vs. AI 에이전트