이것이 Spring AI다 - LLM을 활용한 AI 에이전트 개발 RAG 특별 동영상 강의 제공: 개정판

■ 생성형 AI를 Spring으로 구현하는 가장 실전적인 Spring AI 입문서

■ RAG, Tool Calling, MCP Server, 멀티 에이전트까지 직접 구현하며 배우는 단계별 실습

■ 에이전트 개발·멀티 에이전트 협업 챕터 추가, 실습 소스 및 특별 영상 제공

■ 텍스트 및 음성 대화, 멀티모달 비전, 이미지 생성, 대화 기억, 구조화된 출력, RAG, Tool Calling, 싱글·멀티 에이전트 오케스트레이션, MCP Server, Spring AI 실습 가이드

생성형 AI는 더 이상 별도의 기능이 아니라 애플리케이션 구조 안에 통합되어야 할 핵심 요소가 되었다. 이 책은 AI 애플리케이션의 개념과 모델 분류를 이해하는 단계에서 출발해 Spring AI 개발 환경 구축과 프로젝트 생성까지 차근차근 안내한다.

Chat API, 프롬프트 엔지니어링, 구조화된 출력을 시작으로 음성·이미지·멀티모달 처리, RAG, Tool Calling, MCP Server 구축까지 실제 AI 서비스에 필요한 기술을 하나씩 완성해 나간다. Advisor를 활용한 응답 전·후처리와 대화 기억 관리로 응답 품질을 안정적으로 유지하고, 임베딩과 벡터 저장소 기반의 문서 검색 흐름을 통해 실제 서비스에 적용할 수 있는 설계 감각을 쌓아간다.

이번 개정판에서는 에이전트 관련 챕터가 새롭게 추가되었다. 스스로 판단하고 행동하는 에이전트 구현부터 오케스트레이터·병렬 실행·자기 교정을 갖춘 멀티 에이전트 협업 구조까지 단계적으로 확장해 나간다. 관광지·맛집·숙소 추천, 유튜브 검색 에이전트를 직접 완성하며 에이전트 시스템의 전체 흐름을 경험할 수 있다.

[목 차]
  

Chapter 01 Spring AI 시작

1.1 AI 응용 서비스

1.2 AI 모델 분류

1.3 Spring AI 소개

1.4 Spring AI 개발 환경 구축

1.5 예제 소스 설치

1.6 Spring AI 프로젝트 생성

1.7 Spring AI 학습을 위한 UI 구성

 

Chapter 02 텍스트 대화

2.1 Chat Model API

2.2 Chat Model API 사용하기

2.3 ChatModel 스트리밍 응답

2.4 ChatClient 사용하기

 

Chapter 03 프롬프트 엔지니어링

3.1 프롬프트 템플릿

3.2 복수 메시지 추가

3.3 디폴트 메시지와 옵션

3.4 프롬프트 엔지니어링

3.5 제로-샷 프롬프트

3.6 퓨-샷 프롬프트

3.7 역할 부여 프롬프트

3.8 스텝-백 프롬프트

3.9 생각의 사슬 프롬프트

3.10 자기 일관성

 

Chapter 04 구조화된 출력

4.1 구조화된 출력 변환기

4.2 List〈String〉으로 변환 (ListOutputConverter)

4.3 T로 변환 (BeanOutputConverter)

4.4 List〈T〉로 변환 (BeanOutputConverter)

4.5 Map으로 변환 (MapOutputConverter)

4.6 시스템 메시지와 함께 사용

 

Chapter 05 음성 대화

5.1 음성 변환 기술

5.2 음성 변환해 보기

5.3 입력 음성 준비와 스트리밍 음성 재생

5.4 텍스트도 같이 출력되는 음성 대화

5.5 순수 음성 대화 구현 (방법1)

5.6 순수 음성 대화 구현 (방법2)

 

Chapter 06 비전 및 이미지 생성

6.1 비전과 멀티모달 LLM

6.2 Spring AI 멀티모달 지원

6.3 객체 탐지 및 상태 분석

6.4 비디오 프레임 분석

6.5 이미지 생성형 모델

6.6 OpenAI 이미지 생성형 모델

6.7 Spring AI Image Model API

6.8 이미지 생성

6.9 이미지 편집

 

Chapter 07 모델 전·후처리 어드바이저

7.1 Advisor 소개

7.2 Spring AI Advisor API

7.3 Advisor 구현

7.4 Advisor 적용

7.5 공유 데이터 이용

7.6 내장 Advisor

7.7 로깅 Advisor

7.8 세이프가드 Advisor

 

Chapter 08 임베딩과 벡터 저장소

8.1 임베딩이란

8.2 벡터 저장소 설치

8.3 Spring AI Embedding Model API

8.4 OpenAI 임베딩 모델

8.5 텍스트 임베딩

8.6 VectorStore 인터페이스

8.7 Document 저장

8.8 Document 검색

8.9 Document 삭제

8.10 이미지 임베딩과 얼굴 인식

 

Chapter 09 대화 기억

9.1 대화 기억과 기억 저장소

9.2 대화 기억을 위한 Advisor

9.3 In-Memory 대화 기억

9.4 VectorStore 대화 기억

9.5 RDBMS 대화 기억

9.6 Cassandra 대화 기억

 

Chapter 10 문서 검색 기반 답변, RAG

10.1 RAG 이해하기

10.2 지식 기반 저장소와 ETL

10.3 ETL: Text, PDF, Word 파일

10.4 ETL: HTML, JSON

10.5 RAG: QuestionAnswerAdvisor

10.6 RAG: RetrievalAugmentationAdvisor

10.7 RAG: CompressionQueryTransformer 모듈

10.8 RAG: RewriteQueryTransformer 모듈

10.9 RAG: TranslationQueryTransformer 모듈

10.10 RAG: MultiQueryExpander 모듈

 

Chapter 11 도구 호출

11.1 도구 호출

11.2 도구 정의하기

11.3 프롬프트에 도구 정보 포함

11.4 추가 데이터 제공

11.5 도구에서 바로 응답

11.6 도구 예외 처리

11.7 이미지 분석 후 조치 도구

11.8 파일 관리 도구

11.9 인터넷 검색 도구

 

Chapter 12 MCP, 외부 도구

12.1 MCP란

12.2 MCP 통신 방식

12.3 STDIO 통신 방식 MCP Server

12.4 WebMVC 기반 SSE 통신 방식 MCP Server

12.5 WebFlux 기반 SSE 통신 방식 MCP Server

 

Chapter 13 에이전트 개발

13.1 에이전트 개요

13.2 에이전트 기본 구현

13.3 Advisor를 이용한 판단 흐름 제어

13.4 다양한 Tool로 행동 범위 확장

13.5 대화 맥락을 유지하는 에이전트

13.6 여행 도메인 에이전트

13.7 관광지 추천 에이전트

13.8 맛집 추천 에이전트

13.9 숙소 추천 에이전트

13.10 유튜브 검색 에이전트

13.11 싱글 에이전트 한계

 

Chapter 14멀티 에이전트로 협업하기

14.1 멀티 에이전트가 필요한 이유

14.2 오케스트레이터의 등장

14.3 오케스트레이터 구현

14.4 에이전트간의 정보 공유

14.5 SSE 메시지를 이용한 시각화

14.6 에이전트를 병렬로 실행하기

14.7 스스로 교정하는 지능형 에이전트

14.8 통제된 오케스트레이션

14.9 멀티 LLM 이용하기

14.10 멀티 에이전트 프로젝트 실행

 

부록

A.1 OpenAI API key 생성 및 Credits 결제

A.2 SerpApi API Key 발급

A.3 Docker Desktop 설치

A.4 Google Vertex AI Gemini 모델 사용

A.5 로컬에서 Meta Llama 모델 사용

A.6 로컬에서 DeepSeek R1 모델 사용

 

찾아보기