Zero → Production
AI Agent 엔지니어 커리큘럼
에이전트가 무엇인지부터 LangChain v1·LangGraph v1, RAG, 멀티 에이전트, 프로덕션 배포까지 다룹니다. 모든 강의에는 바로 실행해 볼 수 있는 IDE와 자동 채점 과제가 있습니다.
AI Agent의 세계
AI Agent가 무엇이고 왜 지금 중요한지, LLM이 어떻게 동작하는지, 에이전트에는 어떤 형태가 있는지 익히고 LangChain으로 첫 LLM 호출을 해 봅니다.
- 1.1AI Agent란 무엇인가LLM, 워크플로(Workflow), 에이전트(Agent)의 차이를 이해하고, 모든 에이전트의 심장인 '에이전트 루프'를 순수 Python으로 직접 만들어 봅니다.입문30분
- 1.2LLM 핵심 원리: 토큰, 컨텍스트, 샘플링, 비용에이전트의 두뇌인 LLM이 실제로 무엇을 입력받고 무엇을 출력하는지, 토큰·컨텍스트 윈도우·샘플링·추론 모델·비용·메시지 역할을 엔지니어 관점에서 정리합니다.입문35분
- 1.3에이전트의 다양한 형태: 패턴과 업계 지형Augmented LLM부터 5가지 워크플로 패턴, ReAct·Plan-and-Execute·Reflexion·ReWOO·LATS 같은 에이전트 아키텍처, 도메인별 에이전트와 Deep Agents, 2026년 프레임워크 지형까지 한 장의 지도로 정리합니다.입문40분
- 1.4LangChain으로 첫 LLM 호출하기init_chat_model로 모델을 만들고 invoke·stream·batch로 호출해 봅니다. 응답 객체와 usage_metadata를 읽고, 타임아웃·재시도·폴백으로 실패에 대비하는 현업 수준의 호출 코드를 작성합니다.입문35분
LangChain v1 핵심
에이전트를 이루는 다섯 가지 부품을 익힙니다. 메시지와 표준 콘텐츠 블록, 프롬프트와 Runnable(LCEL), 구조화 출력, 도구 호출, 스트리밍까지 LangChain v1의 기본 인터페이스를 현업 수준으로 다룹니다.
- 2.1메시지와 표준 콘텐츠 블록LLM과 주고받는 모든 데이터는 '메시지'입니다. System/Human/AI/Tool 메시지의 역할과, LangChain v1이 제공하는 제공자 독립적인 표준 콘텐츠 블록(content_blocks)으로 텍스트·추론·이미지·도구 호출을 다루는 법을 익힙니다.초급30분
- 2.2프롬프트 템플릿과 Runnable(LCEL)프롬프트를 템플릿으로 관리하고, 프롬프트·모델·파서를 파이프(|)로 연결하는 LCEL과 Runnable 인터페이스(invoke/batch/stream/ainvoke)를 익힙니다. RunnableParallel/Lambda로 흐름을 조립하고 with_retry/with_fallbacks로 장애에 강한 체인을 만듭니다.초급35분
- 2.3구조화 출력(Structured Output)LLM이 자유로운 문장 대신 정해진 스키마의 데이터를 돌려주게 만듭니다. Pydantic·TypedDict·JSON Schema로 스키마를 정의하고 with_structured_output으로 정보 추출(extraction)을 구현하며, 검증 실패를 안전하게 처리하는 현업 패턴을 익힙니다.초급35분
- 2.4도구(Tool)와 도구 호출(Tool Calling)LLM에게 손과 발을 달아 주는 도구 호출을 익힙니다. @tool로 도구를 정의하고 스키마를 설계하며, bind_tools → tool_calls → 실행 → ToolMessage로 이어지는 한 바퀴를 직접 구현합니다. 병렬 도구 호출, 오류 처리, ToolRuntime을 통한 상태·컨텍스트 주입, 좋은 도구 설계 원칙까지 다룹니다.초급40분
- 2.5스트리밍(Streaming)LLM 응답을 토큰 단위로 흘려보내 체감 속도를 높이는 스트리밍을 익힙니다. stream/astream으로 청크를 받고, 청크를 + 로 합쳐 완성 메시지를 만들며, 도구 호출 청크를 조립하고, astream_events로 체인 내부 이벤트를 골라 받는 법과 UX 설계 원칙을 다룹니다.초급30분
create_agent로 에이전트 만들기
ReAct 루프를 직접 구현해 원리를 익힌 뒤, LangChain v1의 create_agent와 미들웨어, 메모리·컨텍스트 엔지니어링으로 현업 수준의 에이전트를 만듭니다.
- 3.1ReAct 루프 직접 구현하기프레임워크 없이 while 루프 하나로 '생각 → 도구 호출 → 관찰'을 반복하는 ReAct 에이전트를 만들어 보고, 종료 조건과 반복 상한이 왜 생명줄인지 체감합니다.초급30분
- 3.2create_agent 완전 정복LangChain v1의 표준 에이전트 생성 함수 create_agent의 핵심 인자(model, tools, system_prompt, response_format, name)와 내부 LangGraph 구조를 이해하고, 구조화된 최종 응답까지 받아 봅니다.초급35분
- 3.3미들웨어: 에이전트 루프에 끼어들기create_agent의 실행 단계마다 끼어드는 미들웨어(before/after/wrap 훅)의 실행 순서와 작성법을 익히고, 호출 제한·재시도·폴백·PII·사람 승인 같은 내장 미들웨어로 현업 수준의 안전장치를 겁니다.중급45분
- 3.4메모리와 컨텍스트 엔지니어링checkpointer와 thread_id로 대화를 기억하게 하고, context_schema·Runtime·dynamic_prompt로 사용자별 맥락을 주입하며, 트리밍과 요약으로 컨텍스트 윈도우를 관리하는 법을 배웁니다. 마지막으로 컨텍스트 엔지니어링의 4대 원칙(write/select/compress/isolate)을 정리합니다.중급45분
LangGraph 핵심
상태(State)·노드·엣지로 에이전트의 제어 흐름을 직접 설계합니다. 리듀서, 조건부 라우팅, Command/Send, 직접 만드는 ReAct 에이전트, 서브그래프, Functional API까지 LangGraph v1의 뼈대를 익힙니다.
- 4.1그래프 기초: StateGraph, 노드, 엣지LangGraph가 왜 '그래프'로 에이전트를 표현하는지 이해하고, StateGraph에 노드와 엣지를 연결해 compile → invoke → 시각화까지 직접 해 봅니다.중급30분
- 4.2State와 Reducer: 상태 설계의 모든 것TypedDict·Pydantic·dataclass로 상태를 선언하고, 리듀서(Reducer)로 업데이트 합치는 규칙을 정합니다. add_messages, 커스텀 리듀서, Overwrite, 입력/출력 스키마와 private state까지 다룹니다.중급35분
- 4.3조건부 엣지: 라우팅, 루프, 종료 조건상태를 보고 다음 노드를 고르는 add_conditional_edges로 분기와 루프를 만들고, path_map·recursion_limit·RemainingSteps로 안전하게 끝나는 그래프를 설계합니다.중급35분
- 4.4Command와 Send: 동적 라우팅과 Map-Reduce노드 안에서 업데이트와 이동을 한 번에 결정하는 Command, 실행 시점에 개수가 정해지는 병렬 작업을 만드는 Send를 배우고, 슈퍼스텝 기반 병렬 실행 모델을 정확히 이해합니다.중급40분
- 4.5LangGraph로 ReAct 에이전트 직접 만들기MessagesState, ToolNode, tools_condition으로 ReAct 에이전트를 직접 조립하고, create_agent가 내부에서 하는 일과 비교합니다. 그래프를 직접 짤 때만 가능한 커스터마이징 포인트를 익힙니다.중급40분
- 4.6서브그래프: 그래프를 부품으로 조립하기컴파일된 그래프를 다른 그래프의 노드로 넣는 서브그래프를 배웁니다. 상태를 공유하는 방식과 변환하는 방식, 네임스페이스와 서브그래프 스트리밍, 부모 그래프로 점프하는 Command.PARENT까지 다룹니다.중급35분
- 4.7Functional API: @entrypoint와 @task그래프를 명시적으로 그리지 않고 평범한 Python 제어 흐름으로 LangGraph 워크플로를 작성하는 Functional API를 배웁니다. 병렬 task, 체크포인트 기반 재개, previous와 entrypoint.final, 그리고 Graph API와의 선택 기준을 다룹니다.중급35분
영속성 · Human-in-the-loop · 장기 메모리
체크포인터로 에이전트의 상태를 저장하고, 과거로 되돌아가 디버깅하고, 사람의 승인을 받아 실행하며, 대화를 넘어서는 장기 메모리와 장애에 강한 durable execution까지 — 데모를 프로덕션 에이전트로 바꾸는 핵심 기술을 배웁니다.
- 5.1체크포인터와 스레드: 에이전트에게 기억과 세이브 파일을LangGraph의 체크포인터(Checkpointer)가 매 단계의 상태를 어떻게 저장하는지, thread_id로 대화를 어떻게 분리하는지, get_state/get_state_history로 저장된 상태를 어떻게 꺼내 보는지, 그리고 내구성 모드(durability)로 성능과 안전성을 어떻게 맞바꾸는지 배웁니다.중급30분
- 5.2타임 트래블: 과거를 다시 실행하고 다른 미래로 가지 치기체크포인트 이력에서 원하는 시점을 골라 리플레이(replay)하고, update_state로 상태를 고쳐 새 가지(fork)를 만드는 방법을 배웁니다. 에이전트 디버깅과 '만약에' 실험의 핵심 도구입니다.중급30분
- 5.3Human-in-the-loop: 사람의 승인을 받아 움직이는 에이전트interrupt()로 그래프를 멈추고 Command(resume=...)로 사람의 결정을 받아 이어 가는 원리를 익힙니다. 승인·편집·거절 패턴, 여러 개의 interrupt 다루기, 그리고 create_agent의 HumanInTheLoopMiddleware까지 프로덕션 수준으로 다룹니다.고급40분
- 5.4장기 메모리: 스레드를 넘어 사용자를 기억하는 Store체크포인터가 '한 대화'를 기억한다면 Store는 '한 사람'을 기억합니다. InMemoryStore의 네임스페이스와 put/get/search, 임베딩 기반 시맨틱 검색, 메모리 유형(semantic/episodic/procedural), 그리고 응답을 늦추지 않는 백그라운드 메모리 추출까지 배웁니다.고급40분
- 5.5신뢰성: 재시도·캐시·타임아웃·에러 처리와 Durable ExecutionLLM API는 느려지고, 끊기고, 429를 돌려줍니다. RetryPolicy·CachePolicy·timeout·error_handler로 노드 단위의 장애 대응을 설계하고, 체크포인터 기반 durable execution과 멱등성으로 '죽어도 다시 일어나는' 에이전트를 만듭니다.고급40분
RAG와 벡터 DB
임베딩과 유사도 계산부터 청킹, 벡터 DB, 하이브리드 검색·리랭킹, Agentic RAG, Corrective/Self/Adaptive RAG와 RAG 평가까지. 에이전트가 '내 데이터'를 근거로 답하게 만드는 검색 증강 생성을 현업 수준으로 익힙니다.
- 6.1임베딩과 유사도: 의미를 숫자로 바꾸기RAG의 출발점인 임베딩(Embedding)이 무엇인지, 코사인 유사도를 numpy로 직접 구현하며 이해하고, 차원·정규화·모델 선택 같은 현업 판단 기준을 익힙니다.중급30분
- 6.2Document와 청킹: 검색하기 좋은 크기로 자르기LangChain의 Document 구조와 메타데이터 설계, Recursive·마크다운 헤더·토큰 기반 분할 전략을 익히고, chunk size/overlap을 평가셋으로 튜닝하는 방법을 배웁니다.중급35분
- 6.3벡터 저장소: 인메모리부터 프로덕션 DB, 하이브리드 검색과 리랭킹까지InMemoryVectorStore, Qdrant, Chroma로 벡터 저장소의 공통 인터페이스·메타데이터 필터·MMR을 실습하고, HNSW/IVF 인덱스, 프로덕션 DB 비교, BM25+Dense 하이브리드 검색과 리랭킹을 현업 수준으로 정리합니다.고급45분
- 6.4Agentic RAG: 검색을 스스로 판단하는 에이전트Retriever를 도구로 만들어 create_agent에 연결하고, LangGraph로 '검색 결정 → 관련성 평가 → 질의 재작성 → 생성' 루프를 직접 구현합니다. 2단계 RAG와 Agentic RAG의 트레이드오프를 현업 관점에서 비교합니다.고급40분
- 6.5고급 RAG: Corrective·Self·Adaptive RAG, 질의 변환, 그리고 평가Corrective RAG, Self-RAG, Adaptive RAG 패턴을 LangGraph로 구현하고, 쿼리 분해·멀티 쿼리·HyDE 같은 질의 변환 기법과 RAG 평가 지표(Recall@k, MRR, faithfulness, correctness), GraphRAG 개요까지 다룹니다.전문가50분
멀티 에이전트 시스템
여러 에이전트가 역할을 나눠 협업하는 구조를 설계합니다. Supervisor, 핸드오프와 스웜, Plan-and-Execute, Reflection과 Evaluator-Optimizer, Deep Agents까지 현업 패턴을 직접 구현하고 라이브러리와 비교합니다.
- 7.1멀티 에이전트 패턴: 왜, 언제, 어떻게 나누는가에이전트 하나로 버티기 어려워지는 시점을 알아보고, Supervisor·Hierarchical·Network·Swarm·Agents-as-tools 다섯 가지 패턴의 구조와 장단점, 컨텍스트 격리의 원리를 익힙니다.고급30분
- 7.2Supervisor 패턴: 관리자 에이전트 직접 만들기구조화 출력 라우터와 Command로 Supervisor를 처음부터 구현하고, langgraph-supervisor 라이브러리의 핸드오프 방식과 비교합니다. 단계 상한, 메시지 공유 범위, 관측성까지 현업 수준으로 다룹니다.고급35분
- 7.3핸드오프와 스웜: 에이전트끼리 대화를 넘기기Command(goto, graph=Command.PARENT)로 에이전트가 직접 다른 에이전트에게 주도권을 넘기는 핸드오프 도구를 구현하고, active_agent로 멀티턴 대화를 이어 가는 스웜 패턴과 langgraph-swarm 라이브러리를 익힙니다.고급35분
- 7.4Plan-and-Execute: 계획하고, 실행하고, 다시 계획하기Planner·Executor·Replanner로 역할을 나눠 긴 작업을 체크리스트처럼 처리하는 Plan-and-Execute 패턴을 구현하고, LLM 호출을 최소화하는 ReWOO와 비용·유연성을 비교합니다.고급35분
- 7.5Reflection과 Evaluator-Optimizer: 스스로 검토하고 고치는 에이전트작성자와 비평가가 번갈아 초안을 다듬는 Reflection, 채점 기준(rubric)으로 평가하고 통과할 때까지 개선하는 Evaluator-Optimizer 루프를 구현합니다. 품질 기준 설계, 규칙 기반 검사, 반복 상한과 graceful degradation을 다룹니다.고급35분
- 7.6Deep Agents: 계획·파일시스템·서브에이전트로 장기 과제 수행하기긴 리서치나 코딩처럼 수십 단계가 걸리는 과제를 위한 Deep Agent 구조(계획 도구, 가상 파일시스템, 서브에이전트, 상세 프롬프트)를 처음부터 구현하고, deepagents 라이브러리의 create_deep_agent로 같은 구조를 구성합니다.고급40분
프로덕션 AI Agent 엔지니어링
스트리밍, 관측성과 평가, 가드레일과 보안, MCP, 배포, 비용·성능 최적화까지 — 데모를 서비스로 바꾸는 전문가 과정. 마지막에는 고객지원 멀티 에이전트 캡스톤을 완성합니다.
- 8.1스트리밍 완전 정복: stream_mode 조합부터 프론트엔드 연동까지values/updates/messages/custom/debug 스트림 모드를 조합하고, 서브그래프·도구 내부 이벤트와 HITL interrupt까지 하나의 UI 이벤트 프로토콜로 내보내는 프로덕션 스트리밍을 설계합니다.전문가40분
- 8.2관측성과 평가: 트레이싱, 단위 테스트, LLM-as-judge, 회귀 게이트LangSmith 트레이싱의 원리와 메타데이터 설계, 대본(scripted) 모델로 그래프를 결정적으로 테스트하는 법, 궤적·LLM-as-judge 평가자로 구성한 평가 하네스와 CI 회귀 게이트까지 — 에이전트 품질을 '느낌'이 아닌 숫자로 관리합니다.전문가50분
- 8.3가드레일과 보안: 프롬프트 인젝션부터 샌드박싱까지에이전트의 위협 모델(OWASP LLM Top 10, lethal trifecta)을 이해하고, 입력·출력 가드레일, PII 마스킹, 도구 권한 최소화, 정책 기반 HITL 승인, 비용 한도, 코드 실행 샌드박스를 미들웨어로 겹겹이 쌓는 방법을 배웁니다.전문가50분
- 8.4MCP 통합: FastMCP 서버 만들기와 LangChain 에이전트 연결Model Context Protocol의 구조(호스트·클라이언트·서버, Tools/Resources/Prompts, 전송 방식)를 이해하고, FastMCP로 서버를 만들어 in-memory로 테스트한 뒤 langchain.mcp.MCPAdapter로 에이전트에 연결합니다. 도구 주석 기반 정책, 다중 서버, MCP 보안까지 다룹니다.전문가45분
- 8.5배포: FastAPI 서빙, SSE, 동시성, LangGraph Server와 스케일링에이전트를 FastAPI로 직접 서빙(인증·스레드 격리·SSE 스트리밍·HITL 재개·동시성 제어)하고 TestClient로 검증합니다. langgraph.json과 Agent Server(LangGraph Server)/LangSmith Deployment, 프로덕션 체크포인터·스토어 구성, 수평 확장 전략까지 다룹니다.전문가55분
- 8.6비용과 성능: 모델 라우팅, 캐싱, 병렬화, 토큰 예산, 폴백에이전트의 비용·지연이 어디서 생기는지 분해하고, 모델 라우팅, 3단 캐시(노드·응답·프롬프트), 병렬화, 토큰 예산, 재시도·폴백으로 같은 품질을 더 싸고 빠르고 안정적으로 만드는 방법을 배웁니다.전문가45분
- 8.7캡스톤: 고객지원 멀티 에이전트 설계와 구현라우터 + RAG + 도구 + 정책 기반 HITL 환불 승인 + 장기 메모리 + 스트리밍 UI 이벤트를 갖춘 고객지원 시스템을 여러 모듈로 나눠 구현하고, 단위 테스트·평가·아키텍처 리뷰 체크리스트로 출시 준비 상태를 점검합니다.전문가90분