AI 에이전트 인 액션

▣ 01장: 에이전트와 그 생태계
1.1 에이전트의 정의
1.2 에이전트의 구성요소
1.3 에이전트가 주목받는 이유
1.4 AI 인터페이스 안쪽의 세상
1.5 AI 에이전트 세상으로의 여정을 시작하며
요약

▣ 02장: LLM의 능력 발휘
2.1 오픈AI API 다루기
__2.1.1 대화 완성 모델에 연결하기
__2.1.2 요청과 응답의 이해
2.2 LM 스튜디오를 이용한 오픈소스 LLM 탐색 및 활용
__2.2.1 LM 스튜디오의 설치와 실행
__2.2.2 LM 스튜디오로 로컬에서 LLM 서빙하기
2.3 프롬프트 엔지니어링을 통한 LLM 프롬프팅
__2.3.1 상세한 쿼리
__2.3.2 페르소나 채택
__2.3.3 구분자 사용
__2.3.4 단계 명시
__2.3.5 예시 제공 전술
__2.3.6 출력 길이 지정
2.4 특정 요구에 최적인 LLM 선택
2.5 연습문제
요약

▣ 03장: GPT 어시스턴트 활용
3.1 챗GPT를 통한 오픈AI 어시스턴츠 탐색
3.2 데이터 과학자 역할을 하는 GPT 만들기
3.3 GPT 커스텀화 및 사용자 정의 작업 추가
__3.3.1 어시스턴트 구축을 돕는 어시스턴트 만들기
__3.3.2 어시스턴트에 사용자 정의 작업 연결
3.4 파일 업로드를 이용한 어시스턴트 지식 확장
__3.4.1 ‘알기 쉬운 미적분’ GPT 만들기
__3.4.2 파일 업로드를 이용한 지식 검색 및 참조 능력 추가
3.5 GPT 게시
__3.5.1 비용이 많이 드는 GPT 어시스턴트
__3.5.2 GPT의 경제 이해하기
__3.5.3 GPT 게시 및 공유
3.6 연습문제
요약

▣ 04장: 다중 에이전트 시스템 살펴보기
4.1 오토젠 스튜디오를 통한 다중 에이전트 시스템 입문
__4.1.1 오토젠 스튜디오 설치 및 사용법
__4.1.2 오토젠 스튜디오에서 스킬 추가하기
4.2 오토젠 라이브러리 활용
__4.2.1 오토젠 설치 및 활용
__4.2.2 코드 출력 향상을 위한 비평 에이전트 추가
__4.2.3 오토젠 캐시 이해하기
4.3 에이전트와 오토젠을 이용한 단체 대화
4.4 크루AI를 활용한 에이전트 크루 구축
__4.4.1 크루AI로 ‘익살꾼’ 에이전트 크루 만들기
__4.4.2 AgentOps를 이용한 에이전트 작동 관측
4.5 크루AI로 다시 살펴보는 코딩 에이전트
4.6 연습문제
요약

▣ 05장: 행동을 통한 에이전트 기능 강화
5.1 에이전트 행동의 정의
5.2 오픈AI 함수 정의와 실행
__5.2.1 LLM API 호출에 함수 추가
__5.2.2 함수 호출 행동의 실행
5.3 시맨틱 커널 소개
__5.3.1 SK 시맨틱 함수 시작하기
__5.3.2 시맨틱 함수와 문맥 변수
5.4 시맨틱 함수와 네이티브 함수의 시너지 효과
__5.4.1 시맨틱 스킬/플러그인 생성 및 등록
__5.4.2 네이티브 함수 적용
__5.4.3 네이티브 함수를 시맨틱 함수에 내장
5.5 상호작용적 서비스 에이전트로서의 시맨틱 커널
__5.5.1 시맨틱 GPT 인터페이스 구축
__5.5.2 시맨틱 서비스 테스트
__5.5.3 시맨틱 서비스 계층을 이용한 상호작용적 채팅
5.6 LLM의 의미 파악 능력을 고려한 시맨틱 서비스 작성
5.7 연습문제
요약

▣ 06장: 자율 어시스턴트 구축
6.1 행동 트리의 소개
__6.1.1 행동 트리의 실행
__6.1.2 행동 트리의 장점
__6.1.3 파이썬과 py_trees를 이용한 행동 트리 구현
6.2 GPT 어시스턴츠 플레이그라운드 살펴보기
__6.2.1 플레이그라운드의 설치 및 실행
__6.2.2 사용자 정의 행동의 사용 및 작성
__6.2.3 어시스턴츠 데이터베이스 설치
__6.2.4 어시스턴트가 로컬에서 코드를 실행하게 하려면
__6.2.5 로그를 이용한 어시스턴트 프로세스 조사
6.3 ABT(에이전트형 행동 트리)의 소개
__6.3.1 어시스턴트를 어시스턴트로 관리하기
__6.3.2 코딩 챌린지 ABT 만들기
__6.3.3 대화형 AI 시스템과 다른 방법들의 비교
__6.3.4 유튜브 동영상을 트위터(현 X)에 게시하기
__6.3.5 필요한 트위터(현 X) 설정
6.4 대화형 자율 다중 에이전트 시스템 만들기
6.5 후방 연쇄를 이용한 ABT 구축
6.6 연습문제
요약

▣ 07장: 에이전트 플랫폼의 구축과 활용
7.1 넥서스 소개: 그저 또 다른 플랫폼만은 아닌 플랫폼
__7.1.1 넥서스 실행
__7.1.2 넥서스 개발 모드
7.2 채팅 애플리케이션 개발을 위한 스트림릿 소개
__7.2.1 스트림릿 채팅 애플리케이션 만들기
__7.2.2 스트리밍 채팅 애플리케이션 만들기
7.3 에이전트의 프로필과 페르소나 개발
7.4 에이전트를 구동하는 에이전트 엔진
7.5 에이전트에게 행동과 도구 제공하기
7.6 연습문제
요약

▣ 08장: 에이전트의 기억과 지식
8.1 AI 애플리케이션에서 검색의 의미와 중요성
8.2 RAG의 기본 원리
8.3 의미 검색과 문서 색인화의 세부 사항
__8.3.1 벡터 유사도 검색 적용
__8.3.2 벡터 데이터베이스와 유사도 검색
__8.3.3 문서 임베딩의 이해
__8.3.4 크로마 DB를 이용한 문서 임베딩 검색
8.4 랭체인을 사용한 RAG 구축
__8.4.1 랭체인을 이용한 문서 분할 및 적재
__8.4.2 랭체인을 이용한 토큰 단위 문서 분할
8.5 에이전트 지식 구축에 RAG 적용
8.6 에이전트형 시스템의 기억 구현
__8.6.1 넥서스의 기억 저장소 활용
__8.6.2 의미 기억과 그 응용
8.7 기억과 지식의 압축
8.8 연습문제
요약

▣ 09장: 프롬프트 흐름을 이용한 효과적인 에이전트 프롬프팅
9.1 체계적인 프롬프트 엔지니어링이 필요한 이유
9.2 에이전트 프로필과 페르소나의 이해
9.3 첫 프롬프트 흐름 설정
__9.3.1 시작하기
__9.3.2 Jinja2 템플릿으로 프로필 만들기
__9.3.3 프롬프트 흐름 API 배포
9.4 프로필의 평가: 루브릭과 그라운딩
9.5 루브릭과 그라운딩
9.6 LLM 프로필을 이용한 그라운딩 평가
9.7 여러 프로필의 비교: 완벽한 프로필 얻기
__9.7.1 LLM 평가 출력의 파싱
__9.7.2 프롬프트 흐름의 일괄 실행
__9.7.3 그라운딩 평가 흐름 만들기
9.8 연습문제
요약

▣ 10장: 에이전트의 추론과 평가
10.1 직접 해법 프롬프팅의 이해
__10.1.1 질의응답 프롬프팅
__10.1.2 퓨샷 프롬프팅
__10.1.3 제로샷 프롬프팅을 이용한 일반성 추출
10.2 프롬프트 엔지니어링과 추론
__10.2.1 사고 연쇄 프롬프팅
__10.2.2 제로샷 CoT 프롬프팅
__10.2.3 단계별 프롬프트 연쇄
10.3 일관된 해답을 위한 평가 활용
__10.3.1 자기일관성 프롬프팅의 평가
__10.3.2 사고 트리 프롬프팅의 평가
10.4 연습문제
요약

▣ 11장: 에이전트의 계획과 피드백
11.1 계획: 모든 에이전트/어시스턴트의 필수 도구
11.2 순차 계획 수립 과정
11.3 순차 플래너 구축
11.4 단계별 플래너의 검토: 오픈AI의 추론 특화 모델
11.5 어시스턴트 및 에이전트형 시스템에서 계획, 추론, 평가, 피드백의 용도와 용법
__11.5.1 계획의 용도와 용법
__11.5.2 추론의 용도와 용법
__11.5.3 평가의 용도와 용법
__11.5.4 피드백의 용도와 용법
11.6 연습문제
요약

▣ 부록A: 오픈AI LLM 활용
A.1 오픈AI 계정 및 키 생성
A.2 애저 오픈AI 스튜디오의 API 키와 배포본

▣ 부록B: 파이썬 개발 환경
B.1 예제 코드 다운로드
B.2 파이썬 설치
B.3 VS 코드 설치 및 설정
B.4 파이썬 개발을 위한 VS 코드 확장 프로그램 설치
B.5 VS 코드로 새로운 파이썬 환경 생성
B.6 Dev Containers 확장 프로그램을 이용한 컨테이너(도커) 활용