이론부터 실전까지 AI 에이전트 완벽 마스터 - LLM RAG 기본부터 지식 그래프 강화학습 멀티 에이전트 심화까지

단 한 권으로 끝내는 LLM 기반 에이전트 이론과 실전의 모든 것!

이 책은 AI 에이전트의 기반이 되는 텍스트 인코딩과 트랜스포머의 원리부터 시작해 LLM, RAG, 지식 그래프, 강화학습, 그리고 복잡한 멀티 에이전트 시스템 구축에 이르기까지 AI 에이전트 개발의 전 과정을 체계적인 로드맵으로 제시한다. 수많은 논문과 참고 문헌을 바탕으로 핵심 이론을 깊이 있게 정리했으며 웹 스크래핑, 영화 추천, 여행 플래너 에이전트 등 실전 프로젝트 예제를 통해 독자가 직접 구현하며 배울 수 있도록 구성했다. 이론 없이는 불안하고 실전 없이는 아쉬웠던 모든 개발자에게, 이 책은 가장 믿음직한 가이드가 될 것이다.

 

이런 분께 추천!

● AI 에이전트의 근본 원리(텍스트 인코딩, 트랜스포머, LLM)부터 탄탄히 다지고 싶은 개발자

● 단순 LLM API 호출을 넘어, 스스로 판단하고 행동하는 자율 에이전트를 만들고 싶은 실무자

● RAG, 지식 그래프(GraphRAG), 강화학습 등 AI 에이전트의 핵심 기술을 체계적으로 마스터하고 싶은 엔지니어

● AI 에이전트 시스템의 전체 아키텍처를 설계하고 배포까지 경험하고 싶은 시니어 개발자 및 리더

● 최신 AI 기술의 원리를 논문과 함께 깊이 있게 공부하고 싶은 연구자 및 대학원생

[목 차]

추천사

옮긴이의 말

들어가며

 

1부: AI 에이전트 엔진: 텍스트에서 대규모 언어 모델까지

1장 딥러닝으로 텍스트 데이터 분석하기

1. AI를 위한 텍스트 표현

__원-핫 인코딩

__단어 가방

__TF-IDF

2. 임베딩, 응용 그리고 표현

__word2vec

__텍스트의 유사도 개념

__임베딩의 속성

3. 텍스트 처리를 위한 RNN, LSTM, GRU, CNN

__순환 신경망

__장단기 메모리

__게이트 순환 유닛

__텍스트용 CNN

4. 임베딩과 딥러닝을 활용한 감정 분석

 

2장 트랜스포머: 현대 AI 혁명 이면의 모델

1. 어텐션과 셀프 어텐션 탐구하기

2. 트랜스포머 모델 소개

3. 트랜스포머 학습하기

4. 마스크드 언어 모델링 탐구하기

5. 내부 메커니즘 시각화하기

6. 트랜스포머 활용하기

 

3장 강력한 AI 엔진, LLM 탐구하기

1. LLM의 진화 과정 살펴보기

__스케일링 법칙

__창발적 특성

__컨텍스트 길이

__전문가 혼합

2. 지시 튜닝, 파인튜닝, 정렬

3. 작고 효율적인 LLM 탐색하기

4. 멀티모달 모델 탐색하기

5. 할루시네이션과 윤리적·법적 쟁점 이해하기

6. 프롬프트 엔지니어링

 

2부: AI 에이전트와 지식 검색

4장 LLM으로 웹 스크래핑 에이전트 구축하기

1. 두뇌, 지각, 행동 패러다임 이해하기

__두뇌

__지각

__행동

2. AI 에이전트 분류하기

3. 단일 에이전트와 다중 에이전트 시스템 이해하기

4. 주요 라이브러리 탐구

__LangChain

__Haystack

__LlamaIndex

__Semantic Kernel

__AutoGen

__LLM 에이전트 프레임워크 선택하기

5. 검색하여 정보를 스스로 찾는 ReAct 에이전트 만들기

 

5장 할루시네이션을 방지하는 RAG 기반 에이전트

1. 나이브 RAG 탐구하기

2. 검색, 최적화, 증강

__청크 분할 전략

__임베딩 전략

__임베딩 데이터베이스

3. 출력에 대해 평가하기

4. RAG와 파인튜닝 비교하기

5. RAG를 활용한 영화 추천 에이전트 구축하기

 

6장 정보 검색과 증강을 위한 고급 RAG 기법

1. 나이브 RAG의 문제점

2. 고급 RAG 파이프라인 살펴보기

__계층적 인덱싱

__가상 질문과 HyDE

__컨텍스트 강화

__쿼리 변환

__키워드 기반 검색과 하이브리드 검색

__쿼리 라우팅

__재순위화

__응답 최적화

3. 모듈형 RAG와 다른 시스템 통합하기

__훈련 기반 접근법과 비훈련 접근법

4. 고급 RAG 파이프라인 구현하기

5. RAG의 확장성과 성능 이해하기

__데이터 확장성, 저장, 전처리

__병렬 처리

__보안과 개인정보 보호

6. 미해결 과제와 미래 전망

 

7장 지식 그래프 생성하고 AI 에이전트와 연결하기

1. 지식 그래프 소개

__그래프와 지식 그래프의 형식적 정의

__분류 체계와 온톨로지

2. LLM을 활용한 지식 그래프 구축하기

__지식 생성

__LLM으로 지식 그래프 생성

__지식 평가

__지식 정제

__지식 확장

__지식 호스팅과 배포

3. 지식 그래프와 LLM을 활용하여 정보 검색하기

__그래프 기반 인덱싱

__그래프 기반 검색

__그래프 RAG 활용

4. 그래프 추론 이해하기

__지식 그래프 임베딩

__그래프 신경망

__LLM의 지식 그래프 추론

5. 지식 그래프와 그래프 RAG의 도전 과제

 

8장 강화학습과 AI 에이전트

1. 강화학습 소개

__멀티 암드 밴딧 문제

__마르코프 결정 과정

2. 심층 강화학습

__모델 프리 접근법과 모델 기반 접근법

__온-폴리시와 오프-폴리시 방법

__심층 강화학습 자세히 살펴보기

__심층 강화학습의 과제와 미래 전망

__강화학습으로 비디오 게임 학습하기

3. LLM과 강화학습 모델의 상호작용

__강화학습으로 강화된 LLM

__LLM으로 강화된 강화학습

4. 핵심 정리

 

3부: 복잡한 시나리오를 해결하는 고도화된 AI 에이전트

9장 단일·다중 에이전트 시스템 만들기

1. 자율 에이전트 소개

__툴포머

__허깅GPT

__켐크로우

__스위프트도시에

__켐에이전트

__법률 분야의 다중 에이전트

__의료 분야의 다중 에이전트

2. 허깅GPT 사용하기

__로컬에서 허깅GPT 사용하기

__웹에서 허깅GPT 사용하기

3. 다중 에이전트 시스템

4. SaaS, MaaS, DaaS, RaaS

__서비스형 소프트웨어, SaaS

__서비스형 모델, MaaS

__서비스형 데이터, DaaS

__서비스형 결과, RaaS

__다양한 패러다임 비교

 

10장 AI 에이전트 애플리케이션 구축하기

1. 스트림릿 소개

__스트림릿 시작하기

__결과 캐싱하기

2. 스트림릿으로 프론트엔드 개발하기

__텍스트 요소 추가하기

__스트림릿 앱에 이미지 삽입하기

__동적인 앱 만들기

3. 스트림릿과 AI 에이전트를 활용한 애플리케이션 만들기

4. 머신러닝 운영과 LLM 운영

__모델 개발

__모델 학습

__모델 테스트

__추론 최적화

__프로덕션에서 오류 처리하기

__프로덕션 보안을 위한 고려 사항

5. 비동기 프로그래밍

__asyncio

__비동기 프로그래밍과 머신러닝

6. 도커

__쿠버네티스

__머신러닝에 도커 사용하기

 

11장 다가올 미래

1. 의료 분야 AI 에이전트

__생물의학 분야 AI 에이전트

2. 다른 산업 분야 AI 에이전트

__피지컬 에이전트

__게임용 LLM 에이전트

__웹 에이전트

3. 해결할 과제와 미해결 질문

__인간-에이전트 간 의사소통 문제

__다중 에이전트의 뚜렷한 우월성 부재

__추론의 한계

__LLM의 창의성

__기계론적 해석 가능성

__범용 인공지능으로 가는 길

__윤리 문제

 

찾아보기