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
찾아보기
평가하기
코멘트
더보기
LLM의 최신 트렌드와 AI 생태계의 변화를 깊이 있게 살펴보고, 지금 필요한 AI 에이전트 기술을 빠르게 배워 사용할 수 있도록 개념, 활용, 실습을 한 권에 담았다. AI 에이전트의 핵심 개념을 이해하고, 개념을 활용하기 위한 프레임워크들을 익히고, 이를 사용해 AI 에이전트를 다양하게 구현해보는 것까지 효율적으로 학습할 수 있도록 구성했다. 실습 파트에서는 랭체인을 비롯한 8가지 프레임워크를 사용하여 다양한 AI 에이전트 서비스를 직접 만들어 볼 수 있다. 특정 유튜브 채널에서 데이터를 검색하거나, AutoGPT 에이전트를 ‘코드 멘토’로 활용하거나, Tavily를 이용해 정보를 검색하는 것은 물론, 랭스미스를 활용해 디버깅, 성능 평가, 모니터링도 할 수 있다. 또한, 마지막으로 AI 에이전트와 마이크로소프트 365(M365) 코파일럿 에이전트를 비교 분석해본다.
디즈니+ 단독 스트리밍
스탠다드 멤버십 월 9,900원
디즈니+ · AD
디즈니+ 단독 스트리밍
스탠다드 멤버십 월 9,900원
디즈니+ · AD
저자/역자
목차
출판사 제공 책 소개
LLM만으로 항공권 예약 같은 작업이 가능할까? AI 에이전트라면 가능하다!
랭체인, 랭그래프, 랭스미스, 오토젠, AutoGPT, 크루AI, 라마인덱스로 똑똑한 AI 서비스를 만들어 보자!
LLM의 최신 트렌드와 AI 생태계의 변화를 깊이 있게 살펴보고, 지금 필요한 AI 에이전트 기술을 빠르게 배워 사용할 수 있도록 개념, 활용, 실습을 한 권에 담았습니다. AI 에이전트의 핵심 개념을 이해하고, 개념을 활용하기 위한 프레임워크들을 익히고, 이를 사용해 AI 에이전트를 다양하게 구현해보는 것까지 효율적으로 학습할 수 있도록 구성했습니다. 실습 파트에서는 랭체인을 비롯한 8가지 프레임워크를 사용하여 다양한 AI 에이전트 서비스를 직접 만들어 볼 수 있습니다. 특정 유튜브 채널에서 데이터를 검색하거나, AutoGPT 에이전트를 ‘코드 멘토’로 활용하거나, Tavily를 이용해 정보를 검색하는 것은 물론, 랭스미스를 활용해 디버깅, 성능 평가, 모니터링도 할 수 있습니다. 또한, 마지막으로 AI 에이전트와 마이크로소프트 365(M365) 코파일럿 에이전트를 비교 분석해봅니다.
누구나 쉽고 빠르게 AI 에이전트를 배우고, 다양한 프레임워크를 활용할 수 있다!
직접 구현하며 배우는 AI 에이전트 입문! 개념, 활용, 실습을 한 권으로 빠르게!
이 책에서 다루는 내용: AI 에이전트의 개념 & 관련 프레임워크
누구나 AI 에이전트를 배우고, 다양한 프레임워크를 사용해 AI 에이전트를 만들 수 있습니다. 이 한 권으로 AI 에이전트의 핵심 개념을 이해하고, 개념을 활용하기 위한 프레임워크들을 익히고, 이를 사용해 AI 에이전트를 다양하게 구현해 보면서 보다 효율적으로 학습할 수 있습니다.
[개념]
· LLM 트렌드를 살펴보고, AI 에이전트의 개념과 디자인 패턴에 대해 알아봅니다.
· LLM과 AI 생태계의 변화를 좀더 깊이 이해하고, 확장성에 대해 고민해봅니다.
· LLM과 AI 에이전트를 어떻게 구현하고, 어떤 서비스를 개발할 수 있는지 살펴봅니다.
[프레임워크]
· 랭체인, 랭그래프, 라마인덱스, 랭스미스 등 다양한 프레임워크를 소개합니다.
· 각 프레임워크에서 실제 사용 가능한 AI 에이전트를 실제로 구현해봅니다.
· AI 에이전트와 마이크로소프트 365(M365) 코파일럿 에이전트를 비교해봅니다.
이 책의 다양한 실습 시나리오: 8가지 프레임워크로 AI 에이전트 만들기
AI 에이전트를 구현할 수 있는 프레임워크, 랭체인, 랭그래프, 랭스미스, 오토젠, AutoGPT, 크루AI, 라마인덱스, M365 코파일럿에서 다음과 같이 다양한 AI 에이전트를 구현하는 방법을 배웁니다. 누구나 쉽게 따라할 수 있도록 코렙에서 동작하는 기본적인 예제들로 구성했습니다.
· [랭체인] Zero-shot ReAct, Conversational ReAct, Self-ask with search, ReAct docstore
· [랭그래프] Tavily를 이용한 정보 검색, ReAct 에이전트, RAG & 검색 에이전트, 멀티에이전트
· [크루AI] 데이터 검색 및 내용 작성, 특정 유튜브 채널에서 데이터 검색하기
· [오토젠] Q&A 에이전트, 둘 이상의 AssistantAgent 생성하기
· [AutoGPT] AutoGPT 에이전트를 ‘코드 멘토’로 활용하기
· [라마인덱스] PDF 문서 검색, 수학 계산 에이전트 생성하기
· [랭스미스] 디버깅, 성능 평가, 모니터링하기
· [M365 코파일럿] M365 코파일럿과 AI 에이전트 비교 분석