한 땀 한 땀 나의 첫 AI 에이전트 - 바닥부터 하나씩 만들며 배우는 AI 에이전트와 다이나믹 컨텍스트 엔지니어링

어떤 프레임워크도 사용하지 않고 처음부터 끝까지 파이썬으로 만들면서 배우는

AI 에이전트의 본질과 설계, 운영 노하우!

AI 에이전트를 밑바닥부터 하나씩 만들어가는 방법을 차근히 안내해 주는 실전 가이드다.

이 책의 목표는 특정 프레임워크의 사용법을 알려주기 위함이 아니라, 각 계층을 직접 구현해 봄으로써 에이전트가 무엇으로 어떻게 이뤄져 있는지에 대한 완전한 사고 모델을 갖추게 하는 것이다.

책을 다 읽고 나면 어떤 인기 에이전트 프레임워크이든 간에 소스 코드를 열어서 따라갈 수 있을 것이며, 자신의 요구에 맞는 에이전트를 직접 설계하고 운영할 수 있게 될 것이다.

[목 차]

[1부] 나의 첫 에이전트를 만들어보자

 

1장 AI 에이전트의 원리와 쓰임새 이해하기

1.1 일상과 업무로 들어온 AI 에이전트

1.2 LLM 에이전트 이해하기

1.3 워크플로와 에이전트는 어떻게 다른가

1.4 어떤 작업에 에이전트가 필요한가

1.5 컨텍스트 엔지니어링: 필요한 정보를 제때 제공하기

1.6 이 책을 읽기 위한 사전 준비

1.7 정리

 

2장 LLM을 선택하고 API와 프롬프트 다루기

2.1 에이전트를 위한 LLM 선택하기

2.2 LLM API의 기본 기능 익히기

2.3 프롬프트 엔지니어링으로 에이전트의 행동 설계하기

2.4 GAIA 문제로 LLM의 능력과 한계 확인하기

2.5 정리

 

3장 검색과 계산 도구로 LLM이 행동하게 만들기

3.1 도구로 LLM의 한계 보완하기

3.2 LLM은 도구를 어떻게 사용하는가

3.3 웹 검색 도구를 만들고 LLM에 연결하기

3.4 MCP로 도구를 표준 방식으로 연결하기

3.5 정리

 

4장 생각과 행동을 반복하는 ReAct 에이전트 만들기

4.1 ReAct 에이전트는 어떻게 작동하는가

4.2 완성할 에이전트의 전체 구조 살펴보기

4.3 ExecutionContext로 실행 상태 한곳에 모으기

4.4 다양한 도구를 공통 인터페이스로 다루기

4.5 LLM 요청과 응답을 처리하는 통신 계층 만들기

4.6 Agent 클래스로 구성 요소 연결하기

4.7 구조화된 출력 추가하기

4.8 GAIA 벤치마크로 테스트하기

4.9 정리

 

[2부] AI 에이전트에 고급 기능을 더하자

 

5장 RAG를 이용해 필요한 지식을 찾아 활용하기

5.1 내부 데이터에서 필요한 정보를 찾는 문제

5.2 데이터에 맞는 검색 방법 선택하기

5.3 임베딩과 청킹으로 벡터 검색 구현하기

5.4 파일시스템을 탐색하는 검색 도구 만들기

5.5 콜백으로 에이전트 확장하기

5.6 정리

 

6장 메모리로 대화와 경험을 기억하게 만들기

6.1 에이전트 메모리의 역할과 구조 이해하기

6.2 실행 중 늘어나는 컨텍스트 관리하기

6.3 세션과 상태를 유지하며 대화 이어가기

6.4 장기 메모리: 세션을 넘어 지식 축적하기

6.5 정리

 

7장 계획과 성찰로 복잡한 문제 해결하기

7.1 에이전트에게 생각할 시간 주기

7.2 계획: 작업을 나누고 실행 순서 정하기

7.3 성찰: 진행 상황을 점검하고 방향 바로잡기

7.4 계획·실행·성찰을 하나의 순환으로 연결하기

7.5 정리

 

8장 코드를 작성하고 실행하는 에이전트 만들기

8.1 에이전트가 코드로 행동하게 만들기

8.2 샌드박스로 코드 실행 환경 연결하기

8.3 기존 도구를 샌드박스 안에서 실행하게 만들기

8.4 워크스페이스: 파일시스템과 CLI 사용하기

8.5 에이전트 스킬로 작업 방법과 도구 제공하기

8.6 정리

 

9장 여러 에이전트가 역할을 나누고 협업하게 만들기

9.1 여러 에이전트로 역할을 나누는 이유

9.2 에이전트를 연결하는 3가지 협업 패턴

9.3 에이전트 워크플로: 코드로 실행 순서 정하기

9.4 Agent as Tool: 에이전트를 도구처럼 호출하기

9.5 Transfer: 다른 에이전트에게 제어권 넘기기

9.6 A2A로 원격 에이전트와 협업하기

9.7 정리

 

10장 에이전트의 품질을 평가하고 지속적으로 개선하기

10.1 에이전트의 실행 과정 관찰하기

10.2 평가 데이터셋을 만들고 평가 기준 세우기

10.3 LLM 평가자로 에이전트 출력 자동 평가하기

10.4 자동 평가를 CI/CD에 연결해 품질 관리하기

10.5 정리

 

부록 오픈AI API 키

[본 문]

[지은이의 말]

지난 2026년 7월 『Building an AI Agent from Scratch』라는 제목으로 국내 최초로 매닝(Manning) 출판사에서 영어 원서로 출간한 도서를 우리 개발자분들께도 한국어판으로 빠르게 소개해드릴 수 있게 되어 정말 기쁩니다.

이 책을 처음 구상한 2025년 초 무렵을 돌이켜보면, AI 에이전트가 막 붐을 일으키기 시작했고 에이전트를 어떻게 정의할지를 두고 다양한 논의가 오가고 있었습니다. 손쉽게 에이전트를 만드는 방법이 이미 널리 확신되고 있었고 모두가 그렇게 제작을 하기 시작했습니다. 저희는 에이전트를 이루는 요소들을 하나씩 직접 구현해 보면 그 실체를 더 잘 이해할 수 있지 않을까 생각했습니다.

평소에도 기초부터 직접 만들어 보며 배우는 방식을 좋아했고, 매닝 출판사의 ‘From Scratch’ 시리즈를 즐겨 읽었습니다. 그런 탐구법은 평소 저희의 학습 방식과도 맞닿아 있었기에 AI 에이전트라는 주제에 대해서도 기본과 원리를 다루는 책을 쓰고 싶었습니다. 아직 정리된 자료가 많지 않은 주제인 만큼, 처음부터 영어로 책을 집필해 더 넓은 독자층과 에이전트의 원리를 함께 살펴보면 좋겠다고 생각했습니다. 그 생각을 담아 매닝에 출간기획안을 제출했고, 출간 제안이 받아들여지면서 본격적으로 집필을 시작했습니다. 평소 독자로서 좋아하던 출판사 시리즈에 저자로 참여하게 된 것은 참으로 뜻깊고 영광스러웠습니다. 집필을 하면서 영어권 기술 리뷰어들에게 피드백을 받아 책의 내용을 탄탄히 다져가는 과정도 꽤 좋은 경험이었습니다.

집필을 시작한 뒤, 클로드 코드 같은 CLI 기반 코딩 에이전트가 등장하며 개발자의 작업 방식도 빠르게 달라졌습니다. 코딩 에이전트는 많은 개발자의 일상에 자리 잡았고, 관심도 모델에 무엇을 입력할지에서 모델이 도구를 사용하고 작업을 이어 가는 과정을 어떻게 설계할지로 그 범위도 점차 넓어지고 있습니다.

이러한 변화는 특히 프롬프트 엔지니어링에서 컨텍스트 엔지니어링으로, 다시 하네스, 루프, 그래프 엔지니어링으로 이어지는 용어의 흐름에서도 드러납니다. 특히 하네스 엔지니어링을 기점으로 에이전트는 작업 방식을 설계하는 기본 단위로 자리 잡았습니다. 하네스 엔지니어링 이후에 등장한 루프와 그래프 역시 에이전트를 바탕으로, 작업을 어떻게 반복하고 연결할지를 다루는 개념입니다.

이 책을 집필하는 과정에서도 저희는 그와 같은 변화의 흐름을 적극적으로 받아들이고 응용해서 내용을 다듬어 나갔습니다. 책에 들어갈 자료를 조사하고, 기존 에이전트 프레임워크를 분석해 코드를 작성하며, 한국어로 작성한 원고를 영어로 번역하는 등의 집필 과정 전반에서 AI 에이전트를 적극적으로 활용했습니다. 에이전트는 저희 저자진이 할 수 있는 일의 범위를 넓혀 주었고, 그 도움 없이는 이 책을 완성하기 어려웠을 것입니다. 그런 의미에서 이 책은 에이전트를 만드는 방법을 설명하는 책이자, 에이전트와 함께 저자들의 역량을 확장해 완성시킨 결과물이기도 합니다.

도구가 빠르게 바뀔수록 그 바탕이 되는 원리를 이해하는 일은 더욱 중요해집니다. 직접 AI 에이전트를 만들어 보는 경험은 완성된 도구를 사용하는 데서 한 걸음 더 나아가, 그 안에서 어떤 일이 일어나는지 이해하는 데 도움이 됩니다.

이 책이 에이전트의 작동 원리를 익히고 자신에게 필요한 에이전트를 만들어 보고 싶은 분들께 좋은 출발점이 되기를 바랍니다.