이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 상품의 태그
카드뉴스로 보는 책
상세 이미지
.jpg)
책소개
목차
|
PART 01 LangGraph
CHAPTER 01 그래프 생성하기 01 StateGraph 02 상태 03 노드 04 에지 05 Send 06 Command 07 재귀 제한 PART 02 에이전트 CHAPTER 02 에이전트의 기본 구조 01 모델 02 프롬프트 CHAPTER 03 런타임 01 도구에서 런타임 접근하기 02 미들웨어에서 런타임 접근하기 03 사용자 컨텍스트 기반 에이전트 만들기 04 런타임 실전 패턴 CHAPTER 04 구조화된 출력 01 ProviderStrategy 02 ToolStrategy 03 오류 처리 04 종합 예제 CHAPTER 05 Human-in-the-Loop 01 기본 예제 02 결정 타입 03 데이터베이스 관리 에이전트 구현하기 04 다중 작업 승인하기 05 HITL 실행 라이프사이클 06 조건부 승인 정책 적용하기 07 HITL 모범 사례 PART 03 에이전트 확장 CHAPTER 06 미들웨어 01 미들웨어 기본 예제 02 내장 미들웨어 03 커스텀 미들웨어 04 미들웨어의 실행 순서 CHAPTER 07 컨텍스트 엔지니어링 01 컨텍스트의 종류 02 데이터 소스 03 모델 컨텍스트 04 도구 컨텍스트 05 라이프사이클 컨텍스트 06 다층 컨텍스트 엔지니어링 CHAPTER 08 가드레일 01 가드레일의 두 가지 접근 방식 02 내장 가드레일 03 Human-in-the-Loop 04 커스텀 가드레일 05 여러 가드레일 결합하기 06 종합 예제: 보안 고객 서비스 에이전트 07 가드레일 설계 모범 사례 CHAPTER 09 LangGraph 메모리 추가하기 01 MemorySaver 체크포인터 02 메모리가 있는 챗봇 구축하기 03 멀티턴 대화 테스트 04 도구와 메모리 결합하기 05 단기 메모리 관리하기 06 메시지 트리밍 07 RemoveMessage를 사용한 메시지 삭제하기 08 대화 요약을 통한 컨텍스트 압축하기 09 프로덕션 환경에서 영구 저장소 사용하기 CHAPTER 10 LangGraph MCP 실습 01 패키지 설치하기 02 기본 MCP 서버 생성하기 03 MultiServerMCPClient 설정하기 04 에이전트와 MCP 통합하기 05 ToolNode와 MCP 통합하기 06 외부 MCP 서버에서 서드파티 도구 사용하기 PART 04 멀티 에이전트 CHAPTER 11 멀티 에이전트 감독자 01 멀티 에이전트의 패턴과 전체 구조 02 도우미 함수 정의하기 03 전문 워커 에이전트 생성하기 04 감독자 패턴 05 커스텀 감독자 직접 구현하기 06 고급 작업 위임하기 07 고급 패턴: 계층적 에이전트 08 실전 응용: 고객 지원 시스템 CHAPTER 12 멀티 에이전트 협업 네트워크 01 모델 설정하기 02 도구 정의하기 03 에이전트 생성하기 04 그래프 생성하기 05 그래프 실행하기 CHAPTER 13 계층적 에이전트 팀 01 도구 생성하기 02 유틸리티 함수 정의하기 03 에이전트 팀 정의하기 04 Super-Graph 생성하기 PART 05 핵심 기능 구현하기 CHAPTER 14 LangGraph를 활용하여 에이전트 구축하기 01 도구 사용하기 02 BasicToolNode 구현하기 03 조건부 에지로 그래프 구성하기 04 그래프 실행하기 05 도구 호출 후 메시지 구조 CHAPTER 15 중간 단계의 상태 수동 업데이트하기 01 에이전트 그래프 정의하기 02 질문 입력 및 인터럽트 설정하기 03 현재 상태 분석하기 04 사람의 개입으로 검색 결과 수정하기 05 인터럽트 후 검색 쿼리 수정 및 이어서 진행하기 06 검색 쿼리 수정하기 07 지난 스냅샷의 결과 수정 및 리플레이하기 CHAPTER 16 HumanRequest 패턴: 사람에게 위임하는 그래프 01 HumanRequest 패턴의 구조 02 Human 노드 설정하기 03 그래프 실행 및 인터럽트 테스트하기 04 수동 상태 업데이트 및 그래프 재개하기 CHAPTER 17 ToolNode를 사용하여 도구 호출하기 01 도구 정의하기 02 ToolNode 수동 호출하기 03 LLM과 함께 사용하기 04 에이전트 그래프와 함께 사용하기 05 도구 오류 처리하기 06 도구에서 그래프 상태 접근하기 CHAPTER 18 병렬 노드 실행을 위한 분기 생성하기 01 병렬 노드 팬아웃 및 팬인 02 다단계 경로의 팬아웃 및 팬인 03 노드 실행 지연하기 04 조건부 분기 05 팬아웃 값의 신뢰도에 따라 정렬하기 CHAPTER 19 서브그래프 추가 및 사용하기 01 스키마 키를 공유하는 경우 02 스키마 키를 공유하지 않는 경우 CHAPTER 20 서브그래프의 입력과 출력을 변환하는 방법 01 그래프 정의하기 02 손자 그래프 정의하기 03 자식 그래프 정의하기 04 부모 그래프 정의하기 CHAPTER 21 LangGraph 스트리밍 모드 01 에이전트 그래프 정의하기 02 노드 단계별로 출력하기 03 특정 노드에 대한 출력 스트리밍 04 사용자 정의 태그 필터링 스트리밍 05 도구 호출에 대한 스트리밍 출력하기 06 서브그래프 스트리밍 출력하기 CHAPTER 22 Agent Chat UI 01 langgraph.json 설정 파일 02 agent.py 에이전트 정의하기 03 에이전트 로컬 테스트하기 04 LangGraph 개발 서버 실행하기 05 Agent Chat UI 설치 및 실행하기 06 연결 설정하기 07 주요 기능 소개 08 테스트 시나리오 |
저자 소개 6
테디노트
삼성전자 무선사업부에서 소프트웨어 엔지니어로 출발했다. 2018년 AI 교육·개발 스타트업 브레인크루를 창업하며 현장 개발에 뛰어들었고, 데이터 분석, 머신러닝, 딥러닝 공부를 했던 것을 기반으로 생성형 AI 시대를 맞아 기술과 삶을 잇는 실전 개발을 끊임없이 하고 있다. 특히 2023년부터는 LLM·RAG 애플리케이션을 제작하며 『랭체인 한국어 튜토리얼』을 공개해 LangChain·LangGraph 생태계를 국내에 확산시켰고, 지금은 기업과 대학을 오가며 강연과 컨설팅을 통해 더 많은 학습자와 조직이 AI를 손에 쥘 수 있도록 돕고 있다.
개발을 사랑하고 사람들과 소통하는
삼성전자 무선사업부에서 소프트웨어 엔지니어로 출발했다. 2018년 AI 교육·개발 스타트업 브레인크루를 창업하며 현장 개발에 뛰어들었고, 데이터 분석, 머신러닝, 딥러닝 공부를 했던 것을 기반으로 생성형 AI 시대를 맞아 기술과 삶을 잇는 실전 개발을 끊임없이 하고 있다. 특히 2023년부터는 LLM·RAG 애플리케이션을 제작하며 『랭체인 한국어 튜토리얼』을 공개해 LangChain·LangGraph 생태계를 국내에 확산시켰고, 지금은 기업과 대학을 오가며 강연과 컨설팅을 통해 더 많은 학습자와 조직이 AI를 손에 쥘 수 있도록 돕고 있다.
개발을 사랑하고 사람들과 소통하는 것을 즐기는 천직 개발자다. 또한 지식 공유의 즐거움을 원동력 삼아 LLM 애플리케이션의 최전선에서 ‘쉬운 기술 설명’을 전파하는 데 누구보다 진심이다. 특히 이 믿음으로 지식 공유 플랫폼 ‘테디노트’ 블로그와 유튜브 채널을 운영한다. 2025년 4월 현재 유튜브 구독자 4.2만 명, GitHub 튜토리얼 1,630개와 약 1,500명의 팔로워를 기록하며 입문자에게 친숙한 언어로 AI 개념과 최신 동향을 전하고 있다.
개발을 사랑하고 사람들과 소통하는 것을 즐기는 천직 개발자다. 또한 지식 공유의 즐거움을 원동력 삼아 LLM 애플리케이션의 최전선에서 ‘쉬운 기술 설명’을 전파하는 데 누구보다 진심이다. 특히 이 믿음으로 지식 공유 플랫폼 ‘테디노트’ 블로그와 유튜브 채널을 운영한다. 2025년 4월 현재 유튜브 구독자 4.2만 명, GitHub 튜토리얼 1,630개와 약 1,500명의 팔로워를 기록하며 입문자에게 친숙한 언어로 AI 개념과 최신 동향을 전하고 있다.
이경록의 다른 상품
![테디노트의 랭체인을 활용한 RAG 비법노트 [심화편]](https://image.yes24.com/Goods/147569409/L)
AI Engineer, BrainCrew. 김태한은 RAG·AI Agent·문서 처리 자동화 시스템을 설계·구현하는 AI Engineer이다. 연세대학교에서 의공학을 전공하고 의료영상 인공지능 연구실에서 AI 연구를 시작했다. 이후 네이버 커넥트재단 부스트캠프 AI Tech를 수료하며 컴퓨터 비전과 OCR 등 다양한 AI 프로젝트를 수행했고, 가짜연구소(PseudoLab)에서 LangChain, LangGraph 기반 멀티에이전트 시스템을 연구했다. 현재 BrainCrew에서 세무·복지 업무 자동화 멀티에이전트 시스템, 의료비 청구 자동화 에이전트 등 다양한 생성형 AI 서비스를
AI Engineer, BrainCrew. 김태한은 RAG·AI Agent·문서 처리 자동화 시스템을 설계·구현하는 AI Engineer이다. 연세대학교에서 의공학을 전공하고 의료영상 인공지능 연구실에서 AI 연구를 시작했다. 이후 네이버 커넥트재단 부스트캠프 AI Tech를 수료하며 컴퓨터 비전과 OCR 등 다양한 AI 프로젝트를 수행했고, 가짜연구소(PseudoLab)에서 LangChain, LangGraph 기반 멀티에이전트 시스템을 연구했다. 현재 BrainCrew에서 세무·복지 업무 자동화 멀티에이전트 시스템, 의료비 청구 자동화 에이전트 등 다양한 생성형 AI 서비스를 개발하고 있다.
AI Engineer, BrainCrew. 임한택은 Agentic RAG와 멀티에이전트 시스템을 설계·구축하는 BrainCrew의 AI Engineer이다. ESG, 광고, 마케팅 등 다양한 도메인에 에이전트 시스템을 적용하며 다수의 프로젝트에 기여해 왔다. 현재는 금융권에 공급되는 BrainCrew의 AI 에이전트 빌더 플랫폼 개발에 참여하여 에이전트 시스템을 담당하고 있다.
AI Research Engineer, BrainCrew. 최재훈은 대규모 엔터프라이즈 환경에서 RAG·에이전트 시스템을 설계·구축하는 AI Research Engineer이다. 조선·건설·제조 등 레거시 환경에서 출발하여, 선박 도메인 프로젝트에서 2-Stage Retriever와 Table Serialization을 통해 Recall 95%를 달성하고, 제조 전문 AI 스타트업에서 Advanced RAG Pipeline을 개발해 글로벌 행사에서 선보였다. 현재 BrainCrew에서 대한민국 대표 통신사의 전사 AI 전환 프로젝트를 리드하며, 다양한 부서의 레거시 프로세스를 에
AI Research Engineer, BrainCrew. 최재훈은 대규모 엔터프라이즈 환경에서 RAG·에이전트 시스템을 설계·구축하는 AI Research Engineer이다. 조선·건설·제조 등 레거시 환경에서 출발하여, 선박 도메인 프로젝트에서 2-Stage Retriever와 Table Serialization을 통해 Recall 95%를 달성하고, 제조 전문 AI 스타트업에서 Advanced RAG Pipeline을 개발해 글로벌 행사에서 선보였다. 현재 BrainCrew에서 대한민국 대표 통신사의 전사 AI 전환 프로젝트를 리드하며, 다양한 부서의 레거시 프로세스를 에이전트 기반으로 전환하는 작업을 주도하고 있다.
AI Engineer, BrainCrew.강민석은 RAG 검색 파이프라인과 에이전트 시스템을 설계·구현하는 AI Engineer이다. GS칼텍스 연구 보고서 에이전트, LG전자 라이프로그 어시스턴트, IBK캐피탈 문서 처리 등 엔터프라이즈 AI 프로젝트에서 기획부터 배포까지 경험했다. 미들웨어 기반 에이전트 아키텍처로 도메인 특화 시스템을 구축해 왔으며, 이 책에서도 다루는 Agent Chat UI를 오픈소스로 공개했다. 현재 BrainCrew 데이터팀에서 문서 파서 제품 고도화와 AI Agent 개발에 참여하고 있다.
AI Engineer, BrainCrew. 김성연은 LLM·RAG 기반 AI 애플리케이션을 End-to-End로 설계·구현하는 AI Engineer이다. LangChain, LangGraph, MCP, Agent 워크플로를 중심으로 공공·금융·과학·전력 등 다양한 도메인의 생성형 AI 서비스를 구축해 왔다. 문서 전처리, 검색 구조 설계, 멀티턴 대화, 평가 자동화와 배포까지 제품화 가능한 AI 시스템을 만드는 데 집중하고 있으며, 현재 BrainCrew에서 RAG·Agent 시스템과 사내 AI 도구를 개발하고 있다.
품목정보
- 발행일
- 2026년 07월 06일
- 쪽수, 무게, 크기
- 432쪽 | 867g | 188*257*205mm
- ISBN13
- 9791194084433
책 속으로
|
LangGraph의 핵심은 에이전트 워크플로(Agent Workflow)를 그래프(Graph)로 모델링하는 것입니다. 그래프는 노드와 에지로 구성되며, 상태를 통해 데이터가 노드 간에 전달됩니다. 마치 지하철 노선도처럼, 각 역(노드)에서 승객(데이터)이 타고 내리며, 노선(에지)을 따라 목적지까지 이동하는 것과 비슷합니다.
--- p.22 AI 에이전트가 파일을 삭제하거나, 이메일을 전송하거나, 데이터베이스를 수정하는 작업을 사람의 최종 승인 없이 수행한다면 돌이킬 수 없는 결과를 초래할 수 있습니다. Human-in-the-Loop(HITL)는 에이전트가 특정 작업을 수행하기 전에 반드시 사람의 승인을 받도록 하는 메커니즘입니다. --- p.91 에이전트를 구축하는 데 있어 가장 어려운 부분은 충분히 신뢰할 수 있게 만드는 것입니다. MVP 단계에서 잘 동작하는 에이전트도 실제 환경에서는 종종 실패하기도 합니다. 대부분의 실패 원인은 LLM 자체의 능력 부족이 아니라, 올바른 컨텍스트가 LLM에 전달되지 않기 때문입니다. --- p.134 하나의 에이전트가 모든 판단과 도구 사용을 처리하는 대신, 여러 에이전트가 각자의 역할을 나누어 맡고 하나의 흐름 안에서 협력하도록 설계하는 방법을 알아보겠습니다. 여기서 중요한 것은 작업을 어떻게 분해하고, 누구에게 넘기며, 어떤 기준으로 결과를 모아 다음 단계로 이어갈 것인가입니다. --- p.247 |
출판사 리뷰
|
단일 챗봇에서 ‘일하는 에이전트’로! LangGraph가 여는 새로운 설계 방식
LLM을 한 번 호출하고 끝내는 챗봇과 스스로 판단하고 도구를 선택하며 작업을 끝까지 수행하는 에이전트 사이에는 넘어야 할 설계의 벽이 있다. 이 책은 LangGraph를 활용해 에이전트 워크플로를 그래프로 모델링하는 방법을 다룬다. 상태(State), 노드(Node), 에지(Edge)로 실행 흐름을 구성하고, 조건부 분기와 루프를 활용해 동적으로 동작하는 에이전트를 직접 설계하며, 막연했던 ‘에이전트’라는 개념을 실행 가능한 설계도로 바꾸는 과정을 안내한다. 공식 문서만으로는 부족했던 그 한 끗! 현장 개발자 6인의 실전 노하우 테디노트를 포함해 BrainCrew에서 LangGraph 기반 에이전트를 실제 엔터프라이즈 서비스에 적용하고 있는 AI Engineer 6명이 공동 집필했다. 공식 문서의 예제를 넘어, 프로덕션 환경에서 마주치는 문제와 그 해법을 담았다. 미들웨어로 실행 흐름을 제어하고, 가드레일로 입출력을 검증하며, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하는 등 현장에서 검증된 패턴을 예제 하나하나에 녹여 전달한다. 에이전트 하나로 부족하다면? 감독자, 협업, 계층 구조까지 3가지 멀티에이전트 아키텍처 하나의 에이전트에 모든 도구와 역할을 맡기면 판단이 흐려지고 컨텍스트가 과도하게 커진다. 이 책은 감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조까지 세 가지 멀티에이전트 설계를 단계적으로 구현한다. 고객 지원 시스템 같은 실전 응용 사례를 통해 언제 어떤 구조를 선택해야 하는지 판단하는 감각도 함께 기른다. 테디노트의 비법노트 시리즈 완결편! 기본편·심화편을 넘어 에이전트 개발자로 1권 〈기본편〉에서 8단계 RAG 파이프라인을, 2권 〈심화편〉에서 고급 RAG와 에이전트를 다뤘다면, 이 3권은 LangGraph 기반으로 실제 서비스에서 동작하는 에이전트를 설계하고 구축하는 완결편이다. 메모리와 MCP로 외부 서비스와 연동하고, Human-in-the-Loop로 사람의 판단을 개입시키며, 서브그래프로 기능을 모듈화하고, Agent Chat UI로 실시간 웹 인터페이스까지 구축하는 전체 과정을 한 권에 담았다. 이 책으로 완벽하게 얻을 수 있는 것! 새로운 도구가 등장해도 흔들리지 않는 설계 원리 특정 라이브러리의 사용법을 외우는 데 그치지 않는다. 상태를 어떻게 관리할지, 흐름을 어떻게 나눌지, 사람과 도구를 언제 끌어들일지 같은 본질적인 질문을 붙잡는다. 이 책을 끝까지 따라오면 단순히 예제 몇 개를 돌려 본 경험이 아니라 에이전트를 스스로 설계하는 안목과 현업에서 곧바로 쓸 수 있는 실전 감각이 손에 남는다. 이 책이 필요한 독자 - LangGraph를 활용해 에이전트 워크플로를 직접 설계하고 구현하려는 개발자 - 단순한 챗봇을 넘어 도구 사용, 메모리, 가드레일을 갖춘 프로덕션 수준의 에이전트를 구축하려는 실무자 - 멀티에이전트 시스템의 설계 패턴(감독자, 협업 네트워크, 계층적 팀)을 이해하고 적용하려는 엔지니어 - 1권 〈기본편〉, 2권 〈심화편〉을 학습한 뒤 에이전트 개발로 확장하려는 독자 - LLM 기반 AI 에이전트의 구조와 동작 원리를 체계적으로 이해하고 싶은 입문자 - 사내 업무 자동화, 고객 지원, 데이터 분석 등에 에이전트를 적용하려는 기업 담당자 이 책에서 다루는 내용 PART 01 LangGraph 기초 LangGraph의 핵심 구성 요소인 StateGraph, 상태, 노드, 에지를 학습하고, 리듀서로 상태 업데이트 방식을 제어하며, Send를 활용한 병렬 처리와 Command를 활용한 동적 라우팅까지 실습한다. PART 02 에이전트 에이전트의 기본 구조인 모델과 프롬프트 설정부터 런타임에서 컨텍스트와 인증 정보를 다루는 방법, 구조화된 출력으로 LLM 응답을 안정적으로 받는 방법, Human-in-the-Loop로 고위험 작업에 사람의 판단을 개입시키는 패턴까지 다룬다. PART 03 에이전트 확장 미들웨어로 에이전트 실행 흐름을 제어하고, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하며, 가드레일로 안전한 응답을 보장한다. 이어서 메모리를 추가하여 대화를 기억하는 에이전트를 구축하고, MCP를 통해 외부 서비스와 연동하는 방법까지 실습한다. PART 04 멀티에이전트 감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조를 구현한다. 고객 지원 시스템 같은 실전 응용 사례도 다룬다. PART 05 핵심 기능 구현하기 도구 호출과 상태 수동 업데이트, 서브그래프를 활용한 모듈화, 다양한 스트리밍 모드, 병렬 노드 실행을 직접 구현한다. 마지막으로 Agent Chat UI를 구축하여 에이전트를 실시간 웹 인터페이스에서 검증하는 방법을 다룬다. |
30,600원
총 1개
30,600원
