책 이미지
책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9788931482850
· 쪽수 : 376쪽
· 출판일 : 2026-04-09
책 소개
이 책은 LangChain을 활용하여 기본적인 AI 채팅 앱부터 스스로 판단하고 행동하는 자율형 AI 에이전트까지, 실전 프로젝트를 단계별로 구축하며 배우는 완벽한 가이드입니다.
Python 환경 설정과 LLM API 연동을 시작으로, Streamlit 기반의 AI 채팅 애플리케이션을 직접 만들고, 스트리밍 출력과 멀티 모델 전환, Streamlit Cloud 배포까지 AI 서비스 개발의 탄탄한 기본기를 다집니다. 웹사이트·유튜브 영상 요약 앱, 이미지 인식·GPT Image를 활용한 이미지 생성, 음성 처리 등 멀티모달 애플리케이션으로 영역을 넓히고, RAG(검색 증강 생성) 파이프라인을 직접 구현해 PDF 문서에 질문하고 답을 얻는 질의응답 시스템까지 완성합니다.
Function Calling의 작동 원리를 깊이 있게 이해한 뒤, create_agent와 미들웨어 기반의 에이전트 아키텍처를 설계하고, 인터넷 검색 에이전트, RAG·캐싱·피드백을 조합한 고객 지원 에이전트, 외부 데이터 소스(BigQuery) 연동 데이터 분석 에이전트를 단계적으로 구축합니다. 에이전트가 스스로 도구(Tool)를 선택해 문제를 해결하는 전체 흐름을 체계적으로 다루며, LangSmith를 활용한 모니터링과 디버깅까지 구현합니다.
최신 버전에 대응하는 모든 예제는 실행 가능한 코드와 함께 제공되어 누구나 쉽게 따라 하며 익힐 수 있습니다. AI 서비스 개발에 첫발을 내딛으려는 입문자부터 고도화된 에이전트 시스템을 실무에 적용하고자 하는 현업 개발자까지, 폭넓은 독자층에게 가장 확실한 나침반이 되어줄 것입니다.
목차
1장 사전 준비하기
1.1 Python 버전 확인 _14
1.2 LLM 체험하기 _14
1.3 계정 준비와 라이브러리 설치 _17
1.4 사용할 모델 이해 _20
1.5 Streamlit 준비 _29
1.6 LangChain 준비 _31
2장 AI 채팅 애플리케이션 만들기
2.1 2장 개요 _42
2.2 화면에 요소 배치하기 _46
2.3 완성 _58
3장 AI 채팅 애플리케이션 고도화하기
3.1 3장 개요 _62
3.2 다양한 옵션 활용법 익히기 _68
3.3 스트리밍 출력 구현하기 _72
3.4 LLM 모델 변경 기능 추가하기 _82
3.5 API 호출 비용 파악하기 _84
3.6 완성 _87
4장 AI 채팅 애플리케이션 배포하기
4.1 4장 개요 _90
4.2 Streamlit Cloud란 _91
4.3 Streamlit Cloud로 애플리케이션을 배포하는 전체 흐름 _92
4.4 정리 _103
4.5 부록 ①: 자주 하는 실수 _104
4.6 부록 ②: 설정 파일 _104
5장 실용적인 AI 애플리케이션 개발하기
5.1 5장 개요 _110
5.2 Part 1: 웹 사이트 요약 애플리케이션 _111
5.3 Part 2: 유튜브 영상 요약 애플리케이션 _118
5.4 정리 _137
6장 이미지 인식 AI 애플리케이션 만들기
6.1 6장 개요 _142
6.2 ChatGPT 이미지 인식 기능 _145
6.3 이미지 인식 기능의 특징 _147
6.4 이미지 인식 애플리케이션 구현하기 _149
6.5 GPT Image를 사용한 이미지 생성 _154
6.6 음성 인식 및 음성 생성 모델 _163
6.7 정리 _164
7장 PDF 기반 질의응답 애플리케이션 만들기
7.1 7장 개요 _166
7.2 PDF 내용에 대해 질문하는 구조 _174
7.3 RAG 처리 흐름 이해하기 _175
7.4 PDF 업로드 기능 구현하기 _179
7.5 질의응답 기능 구현하기 _193
7.6 완성 _200
7.7 추가 개선 _201
7.8 정리 _203
8장 AI 에이전트 구현을 위한 배경 지식
8.1 8장 개요 _206
8.2 AI 에이전트란? _207
8.3 Function Calling - LLM이 외부 함수를 호출하는 기능 _208
8.4 LangSmith - 에이전트 동작 시각화 도구 _223
9장 인터넷 검색 에이전트 만들기
9.1 9장 개요 _236
9.2 에이전트 구현 흐름 _239
9.3 툴(Tool) 구현 _240
9.4 프롬프트 작성하기 _245
9.5 LLM 선택하기 _246
9.6 에이전트 생성하기 _247
9.7 CompiledStateGraph 이해하기 _249
9.8 에이전트에 메모리 추가하기 _251
9.9 에이전트 실행하기 _258
9.10 LangSmith를 활용한 상세 디버깅 _261
9.11 부록: 사용한 라이브러리 설명 _262
9.12 정리 _264
9.13 완성 코드 _264
10장 고객 지원 에이전트 만들기
10.1 10장 개요 _276
10.2 Step1: 간단한 고객 지원 에이전트 만들기 _279
10.3 Step2: LLM 응답 캐시 구현하기 _294
10.4 Step3: 피드백 수집 기능 추가하기 _302
10.5 정리 _305
10.6 완성 코드 _307
11장 데이터 분석 에이전트 만들기
11.1 11장 개요 _322
11.2 데이터 분석 에이전트란? _323
11.3 배경 지식: OpenAI Responses API _324
11.4 Part 1. CSV 파일을 업로드하고 에이전트에게 분석 의뢰하기 _337
11.5 Part 2. 에이전트에게 BigQuery 데이터 분석 맡기기 _350
11.6 정리 _371
책속에서
