랭체인 입문 : RAG 챗봇부터 에이전트까지

초보자를 위한 랭체인 실전 가이드

이 책은 랭체인을 처음 접하는 독자들을 위해 기획되었다. LLM 기반 애플리케이션은 다양하고 폭넓은 가능성을 가진 매력적인 개발 대상이지만, 관련 경험이 있는 개발자가 적고 입문서도 부족한 상황이다. 앞서 『파이썬 머신러닝 판다스 데이터 분석』을 통해 입문자를 위한 쉬운 설명을 선보인 핀테크 스타트업 대표이자 인공지능 강사인 오승환 저자가 직접 집필해, 초보자도 LLM 기반 애플리케이션의 전반적인 흐름을 이해할 수 있도록 쉽게 설명했다.

랭체인의 기본 문법부터 OpenAI, Google 등 다양한 LLM 공급자 이해 및 사용 방법과 챗봇 구현, RAG 개념 이해와 구현을 배운다. 그리고 랭체인의 특징인 다양한 도구와 에이전트 활용법을 학습한다. 마지막으로 3가지의 실전 프로젝트를 통해 뉴스 본문 추출부터 감성 분석, 다양한 오픈 소스 모델 활용법, Pandas와 PythonREPL을 활용한 자동화 방법 등을 실습할 수 있다. 복잡한 개념을 단계별로 소화하고, 실습으로 실질적인 성취감을 얻을 수 있도록 구성했다. 많은 독자가 이 책을 통해 랭체인이라는 새로운 가능성의 세계로 들어가길 바란다.

[목 차]

PART 01 랭체인(LangChain) 개요

001 LangChain이란?

002 LangChain Expression Language(LCEL) 이해

003 LangChain 주요 컴포넌트

 

PART 02 채팅 모델(Chat Model) 공급자 및 사용 방법

001 OpenAI

002 Anthropic

003 Google

004 Groq

005 Ollama

 

PART 03 간단한 챗봇 만들기

001 기본 챗봇 구현

002 챗봇에 메모리 추가하기

 

PART 04 RAG 개념 이해 및 구현

001 RAG(Retrieval-Augmented Generation) 개념

002 문서 로딩 및 분할

003 임베딩 모델

004 벡터 저장소 구축

005 질의응답 RAG Chain 구현

 

PART 05 Tool Calling

001 도구(Tools)의 개념과 역할

002 LangChain 내장 도구 사용하기

003 사용자 정의 도구 만들기

004 구조적 출력(Structured Output) 활용

 

PART 06 Agent

001 에이전트(Agent) 개념 이해

002 기본 에이전트 구현

003 에이전트 실행도구에 메모리 기능 추가

004 랭그래프(LangGraph) 에이전트 구현

005 에이전트 기반의 RAG 챗봇 구현

 

PART 07 실전 프로젝트

001 LangChain을 이용한 뉴스 분석 프로젝트

002 Ollama 활용 오픈 소스 로컬 RAG 구현

003 데이터 분석 및 코드 실행 에이전트