한 땀 한 땀! 나의 첫 AI 에이전트

[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