CHAPTER 0 개발 환경 준비하기
_0.1 필수 API 키 발급
__0.1.1 오픈AI API 키
__0.1.2 크레딧 결제 수단 추가
__0.1.3 랭체인 허브 환경 설정
_0.2 구글 코랩 설정
__0.2.1 구글 드라이브에 코랩 앱 추가하기
__0.2.2 코랩 동작 테스트
_0.3 로컬 개발 환경 구축
__0.3.1 파이썬 설치 (3.11 버전 권장)
__0.3.2 Git Bash 설치
__0.3.3 VS Code 설치
__0.3.4 VS Code 환경 설정과 확장 도구 설치
__0.3.5 VS Code 사용 방법과 터미널 설정
_0.4 실습 파일 내려받기

PART 1 랭체인 기초와 LCEL로 시작하는 LLM 서비스 개발

CHAPTER 1 AI에서 AI 에이전트로의 진화

CHAPTER 2 LLM 서비스 개발을 위한 프레임워크, LangChain
_2.1 What is LangChain?
_2.2 LLM 기반 서비스, 챗GPT를 통해 파헤쳐보자
_2.3 랭체인 적용 사례
_2.4 랭체인 작동 원리: ‘체인’
_2.5 랭체인 학습을 위한 참고 자료
_2.6 핵심 요약

CHAPTER 3 체인을 구현하는 기초 문법, LCEL
_3.1 LCEL 기초 문법 이해
__3.1.1 LCEL 체인의 구축 및 실행
_3.2 LCEL 구축 시 주의 사항
__3.2.1 다중 입력 변수 처리 및 KeyError
__3.2.2 체인 구성 순서 및 ValueError
_3.3 결합된 체인 구축
_3.4 프롬프트
__3.4.1 PromptTemplate.from_template()
__3.4.2 PromptTemplate
__3.4.3 ChatPromptTemplate
_3.5 모델
_3.6 출력 파서
__3.6.1 CommaSeparatedOutputParser
__3.6.2 JsonOutputParser
_3.7 랭체인 허브
__3.7.1 랭스미스
__3.7.2 프롬프트 개선
_3.8 핵심 요약

CHAPTER 4 체인의 구조를 고도화하기, Runnable
_4.1 RunnableParallel
_4.2 RunnableLambda
_4.3 RunnablePassthrough
_4.4 핵심 요약

CHAPTER 5 GPT에게 기억력을 심어주자, Memory
_5.1 대화 기록 관리하기
__5.1.1 ChatMessageHistory
__5.1.2 MessagesPlaceholder
_5.2 Runnable 활용
__5.2.1 RunnableWithMessageHistory 기본
__5.2.2 사용자별 대화 관리
_5.3 핵심 요약

CHAPTER 6 랭체인 챗봇을 서비스로 구현하기, Streamlit
_6.1 Streamlit
__6.1.1 개발 환경 설정
__6.1.2 텍스트 요소
__6.1.3 데이터와 차트 요소
__6.1.4 레이아웃과 내비게이션 요소
__6.1.5 위젯 요소
__6.1.6 챗 요소
__6.1.7 세션 상태
_6.2 Streamlit과 랭체인을 활용한 범용 챗봇 개발
__6.2.1 사전 준비
__6.2.2 전체 시스템 아키텍처 및 개발 프로세스
__6.2.3 환경 구성
__6.2.4 기본 페이지 뼈대 구성과 내비게이션 구성
__6.2.5 주요 기능 구현
__6.2.6 테스트

PART 2 에이전트와 MCP로 실전 서비스 구축

CHAPTER 7 스스로 판단하고 행동하는 AI 요원, Agent
_7.1 도구 이해하기
__7.1.1 가장 단순한 도구 만들기
__7.1.2 도구 메타데이터 다듬기
__7.1.3 Pydantic 스키마로 구조화된 입력받기
_7.2 에이전트 첫걸음
__7.2.1 단일 에이전트 생성하기
__7.2.2 도구를 활용하는 에이전트 생성하기
_7.3 ReAct 패턴 이해하기
__7.3.1 ReAct란?
__7.3.2 ReAct 과정 관찰하기
_7.4 외부 도구 사용하기
__7.4.1 YouTubeSearchTool
_7.5 핵심 요약

CHAPTER 8 에이전트에게 지식 선물하기, RAG
_8.1 RAG 개념 이해하기
__8.1.1 RAG란?
__8.1.2 벡터 임베딩이란?
__8.1.3 벡터 저장소
_8.2 파일 로드 및 청킹
__8.2.1 환경 설정
__8.2.2 파일 로더로 문서 불러오기
__8.2.3 문서 청킹하기
_8.3 메타데이터로 데이터 구분하기
__8.3.1 메타데이터 추가
_8.4 임베딩 모델 이해하기
__8.4.1 임베딩 모델이란?
__8.4.2 오픈AI 임베딩 모델 설정하기
_8.5 Chroma 벡터 저장소 만들고 저장하기
__8.5.1 왜 Chroma를 선택했는가?
__8.5.2 Chroma 벡터 DB 생성 및 저장
_8.6 벡터 저장소에서 검색하기
__8.6.1 저장된 벡터 저장소 불러오기와 Retriever 객체 생성
__8.6.2 유사도 검색과 Top-k의 중요성
__8.6.3 메타데이터 필터로 검색하기
__8.6.4 MMR 검색으로 답변의 다양성 확보
_8.7 RAG 에이전트 만들기
__8.7.1 검색 Tool 만들기
_8.8 핵심 요약

CHAPTER 9 에이전트와의 대화 상태 유지하기, CheckPointer
_9.1 랭그래프와 메모리
__9.1.1 왜 체인이 아니라 그래프인가?
__9.1.2 랭그래프의 핵심 구성 요소와 메모리 시스템
__9.1.3 RunnableWithMessageHistory vs. 체크포인터
_9.2 체크포인터 설정
__9.2.1 InMemorySaver로 메모리 구현하기
__9.2.2 SqliteSaver로 메모리 영구화하기
_9.3 장기 기억을 위한 메모리 최적화
__9.3.1 SummarizationMiddleware로 대화 요약하기
_9.4 핵심 요약

CHAPTER 10 도구의 표준화, MCP
_10.1 MCP란 무엇인가?
__10.1.1 MCP의 기본 개념
__10.1.2 왜 MCP가 필요한가?
_10.2 FastMCP로 간단한 서버 만들기
__10.2.1 파일 관리 서버 만들기
_10.3 MCP 서버 연결 및 에이전트 활용
__10.3.1 MCP 서버의 도구를 에이전트에 불러오기
_10.4 외부 MCP 서버 연결하기
__10.4.1 외부 서버 설치하기
__10.4.2 외부 서버 사용하기
_10.5 핵심 요약

CHAPTER 11 똑똑한 와인 소믈리에 챗봇 만들기, Project
_11.1 서비스 기획 및 아키텍처
__11.1.1 시스템 아키텍처
__11.1.2 프로젝트 폴더 구조
__11.1.3 데이터셋 준비
_11.2 프로젝트 환경 및 기본 UI 구성
__11.2.1 프로젝트 생성 및 환경 설정
__11.2.2 Streamlit 기본 구조 만들기
_11.3 랭체인 에이전트 설계
__11.3.1 에이전트 설정 분리
__11.3.2 에이전트 생성기 작성
__11.3.3 에이전트 동작 확인 및 UI 연결
_11.4 하이브리드 지식 저장소 구축
__11.4.1 데이터 전처리 및 벡터 스토어 생성 코드 작성
_11.5 MCP 서버를 통한 도구 확장
__11.5.1 파일 관리 서버
__11.5.2 RAG 서버
__11.5.3 영상 검색 도구 추가
_11.6 핵심 요약