Agent 썸네일형 리스트형 처음 만나는 AI 에이전트 with 랭체인 & MCP AI는 대답할 뿐이지만 에이전트는 일을 합니다질문에 답하고 끝나는 AI 사용법이 아니라 AI에 일을 맡기고 하나의 흐름을 만드는 방법을 다루는 책. FAQ 봇에서 시작해 문서를 읽고 판단하는 AI, 여러 역할을 나눠 협업하는 멀티 에이전트 시스템까지 단계별로 직접 만들면서 왜 이런 구조가 필요한지 쉽게 이해할 수 있도록 구성했다. 프로젝트를 완성해가는 과정을 통해 흐름과 구조가 눈에 들어오고, 마지막 장을 덮을 때쯤이면 사람 대신 일을 맡길 수 있는 AI 에이전트 시스템이 완성되어 있을 것이다. 도서구매 사이트(가나다순) [교보문고] [도서11번가] [알라딘] [예스이십사] [쿠팡] 출판사 제이펍도서명 처음 만나는 AI 에이전트 with 랭체인 & MCP부제 랭체인 기반 RAG 실습부터 랭그.. 더보기 대답만 잘하는 AI, 이제는 좀 답답해서요 여러분은 요즘 어떤 AI 도구를 활용하고 계신가요? 이제는 검색창보다 ChatGPT나 Claude, Gemini 같은 AI에 먼저 말을 거는 게 훨씬 자연스러운 일상이 되었죠. 정보를 찾고, 초안을 잡고, 코드를 짜는 일까지 AI가 우리 곁에 머무는 범위는 정말 놀라울 정도로 넓어졌습니다. 그런데 막상 작업 흐름을 가만히 들여다보면 이상하게 피곤할 때가 있습니다. 정작 중요한 단계는 여전히 우리 손을 타야 하기 때문이죠. AI가 준 결과를 다시 다듬고, 필요한 것만 골라 붙이고, 여러 도구를 오가며 완성하는 과정은 여전히 수작업에 가깝습니다. AI를 쓰고는 있지만, 일을 온전히 맡기고 있다는 느낌과는 확실히 거리가 있습니다. 그래서 《처음 만나는 AI 에이전트 with 랭체인 & MCP》는 '어떻게 .. 더보기 혼자서도 척척 해내는 AI 에이전트 만들기 with 랭체인 & 랭그래프 써보는 데서 멈추지 않고 설계와 구현까지 이끄는 LLM 실전 가이드 이 책은 LangChain으로 문서 기반 RAG 시스템을, LangGraph로 멀티스텝 에이전트를 구현하는 과정을 다룬다. 단순한 코드 나열이 아니라 왜 그렇게 설계했는지를 함께 설명하며 실전 감각을 길러준다. 종합부동산세법과 소득세법 예제를 통해 실제 법령 문서를 처리하는 RAG 시스템을 직접 구성해보면서 프롬프트 전략, 벡터 검색, 외부 도구 연동, 에이전트 오케스트레이션, 평가 등을 단계별로 익힌다. 이 책을 덮을 즈음에는 자신만의 에이전트 기반 서비스를 처음부터 끝까지 직접 설계하고 구현할 수 있게 될 것이다. 도서구매 사이트(가나다순) [교보문고] [도서11번가] [알라딘] [예스이십사] [쿠팡] 전자책 구매 사이트(.. 더보기 AI 에이전트 책인데, 종합부동산세법이 등장합니다 AI 에이전트를 주제로 한 책을 기획할 당시 저자인 강병진 님께서 예제를 ‘종합부동산세법’과 ‘소득세법’을 이야기했을 때 살짝 의아했습니다. ‘법을 다룬다고?’ 왠지 딱딱하고 어렵게 느껴질 수 있겠다는 걱정이 앞섰거든요. 그런데 곰곰이 생각해보니 이보다 더 현실적인 예제가 또 있을까 싶었습니다. 결국 세금과 부동산만큼 우리 삶과 가까운 주제도 드무니까요. 늘 관심이 갈 수밖에 없는 영역이고, 더 몰입할 수 있죠. 그래서인지 《혼자서도 척척 해내는 AI 에이전트 만들기 with 랭체인 & 랭그래프》를 읽다 보면 단순히 텍스트를 다루는 것이 아닌 진짜 문서를 불러오고, 자르고, 연결하고, 판단하는 ‘일하는 AI’가 어떤 모습인지 상상이 됩니다. 《혼자서도 척척 해내는 AI 에이전트 만들기 with 랭체인 .. 더보기 한 번에 끝내는 라마인덱스 × RAG × AI 에이전트 RAG·멀티모달·에이전트까지 AI 아키텍처의 핵심을 한 권에 담았다 LLM 시대의 핵심 기술로 자리 잡은 RAG를 제대로 이해하려면, 단순히 ‘코드를 따라 치는 것’만으로는 충분하지 않다. 이 책은 왜 RAG가 필요한지, 어떤 구조로 설계해야 안정적인지, 언제 에이전트를 활용해야 하는지를 명확하게 설명하며, LLM 기반 시스템을 ‘설계할 수 있는 개발자’로 성장하도록 인도한다. 라마인덱스를 중심으로 인덱싱·임베딩·검색·멀티모달·에이전트까지 이어지는 흐름을 단계별로 풀어내고, 스트림릿·그라디오를 이용해 UI를 구축하는 실전 예제 코드까지 제공하여 실무에 바로 적용 가능한 역량을 쌓을 수 있게 돕는다. 튜토리얼을 넘어 실무 환경에서 반드시 필요한 판단 기준과 트러블슈팅 노하우까지 담아, RAG 기반 AI 서.. 더보기 챗봇을 넘어 '행동하는 AI'로, RAG와 에이전트의 시대가 온다 2022년 말, ChatGPT가 혜성처럼 등장했을 때를 기억하시나요? 우리는 영화 의 인공지능 비서 '자비스'가 현실이 될 것이라며 열광했습니다. 하지만 막상 AI를 실무에 도입하려니 어떤가요? 회사의 내부 규정을 물어보면 엉뚱한 대답을 하거나, 없는 사실을 그럴듯하게 지어내는 '환각(hallucination)' 현상 때문에 난감했던 경험이 한 번쯤 있을 겁니다.단순히 말을 잘하는 AI를 넘어, 미리 학습하지 않은 우리만의 최신 데이터를 토대로 정확하게 답변하고, 더 나아가 사용자 대신 업무를 처리해주는 AI는 어떻게 만들 수 있을까요? 그 해답인 RAG(검색 증강 생성)와 AI 에이전트 기술, 이를 가장 효과적으로 구현할 수 있는 도구인 라마인덱스(LlamaIndex)의 이야기를 시작해보려 합니다. 1.. 더보기 라마인덱스로 배우는 데이터 기반 AI 애플리케이션 데이터와 LLM을 연결해서 진짜 쓸모 있는 AI 애플리케이션을 만들자 생성형 AI와 대형 언어 모델(LLM)은 막대한 가능성을 지닌 강력한 도구지만, 잘못된 정보 생성이나 짧은 문맥 처리, 최신 데이터 반영의 어려움 같은 약점도 분명히 존재한다. 이 책은 그 한계를 극복할 수 있는 검색 증강 생성(RAG)과 LlamaIndex 활용법을 구체적으로 안내하며, 파이썬과 Streamlit으로 직접 프로젝트를 만들면서 데이터 수집, 색인, 검색, 쿼리, 프롬프트 엔지니어링, 배포까지 AI 애플리케이션 개발의 전 과정을 실습할 수 있도록 돕는다. 기본 개념에서 출발해 챗봇과 에이전트 구축, 사용자 정의와 실제 배포 전략까지 한 권에 담았다. 이 책을 통해 단순한 실습을 넘어 데이터를 다루고 최적화하는 전 과정을 .. 더보기 내 데이터를 이해하는 나만의 AI를 만든다 ChatGPT는 뛰어나지만, ‘내 데이터’를 알지는 못합니다. 기업 문서, 연구자료, 내부 데이터베이스 등 우리가 다루는 실제 정보는 공개 모델의 학습 범위 밖에 있죠. 그래서 AI에게 질문을 던져도, 정작 우리가 가진 구체적인 문서나 업무 지식을 기반으로 한 답변은 얻기 어렵습니다. 결국 AI의 잠재력을 제대로 활용하려면, 내 데이터를 이해하고 활용할 수 있는 AI가 필요합니다. 이제 중요한 건 모델의 크기가 아니라, 데이터를 얼마나 잘 연결하고 활용하느냐입니다. 그것이 바로 지금 RAG(retrieval-augmented generation, 검색 증강 생성)가 주목받는 이유입니다. 이번에 출간 예정인 《라마인덱스로 배우는 데이터 기반 AI 애플리케이션》은 그 한계를 넘어, LlamaIndex를 활용.. 더보기 이전 1 2 다음
