요즘 AI 에이전트 개발, LLM RAG ADK MCP LangChain A2A LangGraph

실무에서 AI 에이전트를 개발하는 저자가 쌓은 모든 노하우를 녹여 LLM을 호출하는 것을 넘어, 복잡하고 유용하며 안전한 멀티 에이전트 시스템을 직접 구축할 수 있도록 돕는 책이다.

★ AI 에이전트 개발 어디서부터 어떻게 시작해야 할지 모른다고요?
★ 실무에서 쓰는 진짜 에이전트 개발을 쓸모 있게 배워보세요!
랭그래프(LangGraph), MCP(Model-Context-Protocol), 구글 ADK 등 너무나 배워야 할 게 많아서 무엇부터 해야 하는지 정신이 하나도 없으시죠? 이 책은 진짜 협업에서 쓰는 프레임워크와 프로토콜을 활용해 ‘단순한 챗봇을 넘어 실제로 작업을 수행하는 고급 AI 에이전트와 멀티 AI 에이전트’를 만드는 방법을 알려줍니다. 〈날씨 조회〉, 〈뉴스 요약〉 등 현실적인 작업을 처리하는 애플리케이션을 직접 구축하며 AI 에이전트의 내부 동작 원리까지 알려드립니다. 파이썬 개발 환경 설정부터 LLM API 기초, 멀티 에이전트 시스템 설계까지 실전적인 능력을 갖추는 데 필요한 모든 핵심 요소를 단 한 권으로 배울 수 있습니다.

★ AI 에이전트가 무엇일까요?
★ 모든 기업에서 개발하고 사용하게 될 선호 기술입니다
★ 지금 당장 AI 에이전트 개발의 세계로 빠져보아요
구글의 에이전트 백서에서는 ‘주어진 목표를 달성하기 위해 세상을 관찰하고 그에 따라 행동하는 애플리케이션’으로 AI 에이전트를 규정하며, 에이전트는 인간 개입 없이도 자체적으로 계획을 수립하고 실행할 수 있다고 명시합니다. 오픈AI에서는 AI 발전을 다섯 단계로 설명합니다. 〈1단계〉는 챗GPT 같은 챗봇이고, 〈2단계〉는 추론을 사용하는 AI입니다. 〈3단계〉는 AI가 사람 대신 업무를 처리하는 에이전트이며, 〈4단계〉는 스스로 혁신하여 새로운 결과를 만들어내는 AI 시스템입니다. 마지막 〈5단계〉에 이르러서는 AI가 조직 전체를 운영하는 수준까지 도달하게 됩니다. 이 책은 3단계에 있는 AI 에이전트를 개발하는 다양한 방법을 60여 개의 예제 중심으로 살펴봅니다. AI 에이전트 개발을 시작하는 여러분에게 최고의 참고서이자 실무서가 되어 줄 겁니다.

★ 이 책의 대상 독자
_AI 분야에 입문하려는 개발자
이 책은 개발 환경 설정부터 시작하여 LLM API의 기초적인 사용법을 차근차근 설명합니다. 파이썬과 VSCode 설치, API 키 발급 등 AI 개발에 필요한 첫 단계를 상세히 안내하므로 프로그래밍 경험은 있지만 LLM을 처음 다뤄보는 개발자에게 훌륭한 입문서가 될 것입니다.

_단순한 챗봇을 넘어 복잡한 AI 에이전트를 만들고 싶은 개발자
기본적인 챗봇 제작을 넘어 랭체인(LangChain)과 랭그래프(LangGraph) 같은 전문 프레임워크를 활용하여 정교한 AI 애플리케이션을 구축하고자 하는 개발자에게 적합합니다 . 조건부 라우팅, 외부 도구 연동, RAG(검색 증강 생성), 휴먼 인 더 루프(Human-in-the-Loop) 등 고급 에이전트 패턴을 다루어 실무 역량을 한 단계 끌어올릴 수 있습니다 .

_실무적인 AI 애플리케이션 구축에 관심 있는 개발자
뉴스 요약 시스템, 개인 맞춤형 비서 등 실제 현업에서 마주할 법한 복잡한 문제를 해결하는 프로젝트를 통해 실전 경험을 쌓고 싶은 개발자에게 유용합니다 . 특히 여러 에이전트가 협업하는 멀티 에이전트 아키텍처나 병렬 처리 워크플로 같은 실무 기술을 학습할 수 있습니다.

_최신 AI 에이전트 생태계와 표준 프로토콜에 관심 있는 AI 아키텍트 및 리더
MCP(Model-Context Protocol)나 A2A(Agent-to-Agent)와 같은 최신 AI 에이전트 프로토콜의 개념과 실제 구현 방법을 다루고 있어, AI 기술의 미래 방향성을 파악하고 확장성 및 상호운용성이 높은 시스템을 설계하고자 하는 시니어 개발자나 아키텍트에게 깊은 통찰력을 제공합니다.

★ 책에서 다루는 주요 실습 예제
이 책은 약 60가지 예제 코드를 직접 만들고 실습합니다. 모든 코드는 깃허브에 공개해두어서 실습을 간편히 할 수 있게 했습니다. 〈어린왕자 페르소나 챗봇〉, 〈멀티 에이전트 뉴스 요약 시스템〉, 〈웹 기반 채팅 에이전트 개발〉, 〈날씨 조회, 뉴스 헤드라인 수집 등 다양한 기능을 제공하는 MCP 서버 구축〉, 〈마크다운 보고서 생성 에이전트 구현〉 등 1장부터 10장에서 다루는 주요 실습은 다음과 같습니다.

Chapter 01 LLM API의 기초
__스트리밍 응답
__비동기 API 호출
__오류 처리 및 재시도 로직 적용

Chapter 02 LLM API를 사용하여 챗봇 만들기
__CLI 챗봇 구현
__챗봇이 이전 대화를 기억할 수 있게 하기
__프롬프트 엔지니어링으로 챗봇에게 페르소나 추가하기
__웹 인터페이스로 어린왕자 챗봇과 대화하기

Chapter 03 랭체인의 핵심 콘셉트
__채팅 모델, 메시지, 프롬프트 템플릿, 아웃풋 파서의 이해 및 활용
__Runnable과 LCEL을 사용한 선언적 체인 구성 : 50자 이내의 짧은 시를 작성하기
__@tool 데코레이터를 사용한 외부 도구 연동 : AI와 가위바위보 게임하기
__임베딩과 FAISS 벡터 스토어를 활용한 의미 기반 검색 : 강아지, 고양이, 자동차, 비행기 유사도 측정하기

Chapter 04 오픈AI의 에이전트 SDK
__오픈AI 에이전트 SDK를 사용한 기본 에이전트 생성 : 인사를 잘하는 Hello 에이전트
__외부 도구를 활용하는 뉴스 검색 에이전트 개발 : 웹 검색 도구로 뉴스를 찾아주는 에이전트
__입력/출력 가드레일을 통한 에이전트 동작 제어 : 유해한 요청을 거절하는 안전한 에이전트
__핸드오프 기능을 이용한 다중 에이전트 협업 시스템 구축 : 병원 안내 시스템을 구현한 멀티 에이전트 시스템
__응답 로그/트레이싱 확인

Chapter 05 구글의 ADK
__ADK의 3가지 실행 방식(web, run, api_server) 실습
__여러 도구(날씨 및 야구 랭킹)를 사용하는 에이전트 개발
__구조화된 출력을 지원하는 도서 추천 에이전트 개발
__순차/병렬 워크플로 에이전트를 활용한 데일리 브리핑 및 스팸 필터 시스템 구축
__루프 워크플로 에이전트를 활용한 스팸 체크 에이전트 만들기
__하위 에이전트를 활용한 멀티 에이전트 아키텍처 구현 : 도구 사용과 JSON 변환을 동시에 지원

Chapter 06 랭그래프
__조건부 라우팅을 활용한 감정 분석 챗봇
__체크포인터를 이용한 대화 기억 챗봇 : 사용자의 정보를 기억하는 챗봇
__루프 워크플로를 이용한 숫자 맞추기 게임
__병렬 처리를 활용한 데이터 대시보드 생성 워크플로 처리
__ToolNode를 이용한 외부 도구(계산기, 날씨 API, 환율 계산) 호출
__휴먼 인 더 루프 패턴 구현 : AI를 사용하여 보고서 만들기
__하위 그래프를 이용한 전문가 시스템 구축 : 기상전문가 에이전트에게 날씨 물어보기

Chapter 07 AI 에이전트 프로토콜, 클로드 MCP
__MCP 서버 구현 및 기동
__@mcp.tool() 데코레이터를 사용한 도구 및 리소스 정의
__MCP 인스펙터와 포스트맨을 이용한 MCP 서버 기능 테스트

Chapter 08 AI 에이전트 프로토콜, 구글 A2A
__A2A 에이전트 카드 작성
__에이전트 실행자(Agent Executor) 생성
__A2A 서버/ 클라이언트 구현 및 테스트
__A2A 인스펙터를 이용한 서버 연결 및 채팅 테스트
__A2A 클라이언트 코드를 작성하여 비스트리밍 및 스트리밍 메시지 전송

Chapter 09 멀티 에이전트 뉴스 수집 및 요약 시스템
__에이전트 간에 공유하는 데이터 모델 정의
__프로젝트 설정 관리 코드 작성
__RSS 피드 자동 수집 에이전트 구현
__LLM을 활용한 뉴스 요약 및 분류 에이전트 구현
__수집된 데이터를 기반으로 마크다운 보고서 생성 에이전트 구현
__랭그래프를 사용한 워크플로 구현

Chapter 10 랭그래프와 MCP를 활용한 고급 에이전트 개발
__시스템 아키텍처 및 디렉터리 구조 설계
__웹 스크래핑, 날씨 조회, 뉴스 헤드라인 수집 등 다양한 기능을 제공하는 MCP 서버 구축
__FastAPI와 랭그래프를 이용해 MCP 서버의 도구를 사용하는 채팅 에이전트(MCP 클라이언트) 개발
__실시간 스트리밍 응답을 처리하는 웹 기반 채팅 인터페이스 구현

★ 이 책의 구성

00 개발 환경 설정 : AI 에이전트 개발을 시작하기 위한 필수적인 환경 설정 과정을 안내하는 준비 단계입니다. 윈도우와 맥OS 운영체제 각각에 파이썬과 VSCode를 설치하는 방법부터 프로젝트별 의존성을 격리하는 가상 환경(venv) 설정까지 차근차근 다룹니다. 또한 AI 모델을 활용하기 위해 반드시 필요한 오픈AI 및 앤트로픽 API 키를 발급받는 과정을 상세히 소개합니다.

[PART 1] LLM과 랭체인 개발

__01 LLM API의 기초 : AI 에이전트 개발의 첫걸음으로, LLM을 서비스에 통합하기 위한 필수관문인 LLM API의 기본을 다룹니다. 오픈AI와 앤트로픽의 주요 API 사용법을 배우고, 모델별 특징과 비용을 비교하여 상황에 맞는 모델을 선택하는 기준을 학습합니다. 또한 실시간 응답을 위한 스트리밍 처리, 동시 요청 처리를 위한 비동기 프로그래밍(async/await), 그리고 안정적인 API 호출을 위한 재시도(Tenacity) 로직 구현 등 실무에 필수적인 고급 기법들을 익힙니다.

__02 LLM API를 사용하여 챗봇 만들기 : LLM API를 활용하여 완전한 챗봇 애플리케이션을 단계별로 구축하는 실습 과정입니다. 간단한 CLI 챗봇으로 시작하여, 오픈AI의 대화 상태 관리 기능을 통해 이전 대화를 기억하게 만드는 방법을 배우고, 프롬프트 엔지니어링을 통해 챗봇에게 ‘어린 왕자’ 페르소나를 부여합니다. 마지막으로 FastAPI를 사용하여 터미널 기반의 챗봇을 사용자와 상호작용할 수 있는 웹 인터페이스로 확장하는 방법을 다룹니다.

__03 랭체인의 핵심 콘셉트 : 랭체인(LangChain)의 핵심 구성 요소를 체계적으로 학습합니다. 다양한 LLM을 일관된 방식으로 다루는 ‘채팅 모델’, 구조화된 대화를 위한 ‘메시지’, 동적 입력을 처리하는 ‘PromptTemplate’과 LLM의 출력을 정제하는 ‘OutputParser’까지 기본 개념을 익힙니다. 나아가 랭체인의 강력한 추상화 계층인 ‘Runnable’과 파이프(|) 연산자로 컴포넌트를 조합하는 ‘LCEL’, 외부 기능과 연동하는 ‘도구’, 그리고 LLM의 한계를 극복하는 ‘임베딩’, ‘벡터 스토어’, ‘RAG’까지 심도 있게 다룹니다.

[PART 2] 요즘 AI 에이전트 개발

__04 요즘 AI 에이전트 개발 : ‘AI 에이전트’의 개념을 정의하고, 오픈AI의 에이전트 SDK를 통해 직접 에이전트를 구축하는 방법을 다룹니다. SDK의 핵심 개념인 에이전트(Agent), 런너(Runner), 도구 Tool, 가드레일(Guardrails), 핸드오프(Handoffs)를 실습을 통해 학습합니다. 뉴스 검색 에이전트를 만들며 외부 도구를 연동하고, 입력과 출력의 안정성을 보장하는 가드레일을 구현하며, 여러 전문 에이전트가 협업하는 ‘병원 안내 시스템’을 통해 핸드오프 기능을 익힙니다.

__05 구글의 ADK : 구글이 공개한 프로덕션 레벨의 AI 에이전트 프레임워크인 ADK(Agent Development Kit)를 학습합니다. ADK가 제공하는 LLM 에이전트, 워크플로 에이전트(순차, 병렬, 루프), 커스텀 에이전트 등 다양한 에이전트 타입을 이해하고, adk web, adk run, adk api_server 등 유연한 실행 방식을 실습합니다. 날씨와 야구 순위를 알려주는 멀티툴 에이전트, Pydantic 모델로 출력을 강제하는 구조화된 출력 에이전트, 그리고 여러 에이전트를 조합하여 일일 브리핑을 생성하는 복잡한 워크플로를 직접 구현하며 ADK의 강력한 기능을 체감합니다.

__06 랭그래프 : AI 에이전트 워크플로를 구축하는 강력한 프레임워크인 랭그래프를 학습합니다. 작업 단위를 의미하는 ‘노드’와 실행 흐름을 나타내는 ‘에지’로 구성된 그래프 구조를 통해, AI가 상황에 맞게 동적으로 실행 경로를 결정하는 ‘조건부 라우팅’을 구현합니다. 또한 체크포인터 기능을 활용해 대화 기록을 자동으로 관리하는 메모리 기능을 구현하고, 루프, 병렬 처리, 외부 도구 연동(ToolNode), 휴먼 인 더 루프(Human-in-the-Loop) 등 정교한 에이전트 시스템을 만드는 핵심 패턴들을 실습을 통해 익힙니다.

[PART 3] AI 에이전트 프로토콜 : MCP와 A2A

__07 AI 에이전트 프로토콜, 클로드 MCP : AI 모델과 외부 도구 간의 파편화된 연동 문제를 해결하기 위해 탄생한 MCP를 심도 있게 다룹니다. 다양한 IDE와 언어의 연동을 표준화한 LSP에서 영감을 받은 MCP가 M × N의 복잡도를 M + N으로 줄이는 원리를 이해하고, 호스트/ 클라이언트/서버 아키텍처와 JSON-RPC 2.0 기반의 통신 방식을 학습합니다. 파이썬 공식 SDK와 FastMCP 라이브러리를 사용해 직접 MCP 서버를 구축하고, @mcp.tool( ) 데코레이터로 도구를 정의하며, MCP 인스펙터와 포스트맨으로 서버를 테스트하는 실습을 진행합니다.

__08 AI 에이전트 프로토콜, 구글 A2A : 분산된 환경의 AI 에이전트들이 서로 통신하고 협업하기 위한 구글의 개방형 프로토콜 A2A를 알아봅니다. 에이전트가 자신을 외부에 알리는 ‘에이전트 카드’, 작업 단위인 ‘태스크’, 통신 내용인 ‘메시지’ 등 A2A의 핵심 개념을 학습합니다. 파이썬 SDK를 사용하여 A2A 서버와 클라이언트를 직접 구현하고, A2A 인스펙터를 통해 에이전트 검색부터 메시지 전송, 스트리밍 응답까지 프로토콜의 전체 흐름을 테스트합니다.

[PART 4] 고급 멀티 AI 에이전트 개발 : 도전! 2가지 프로젝트

__09 실전 AI 에이전트 개발 : 랭그래프와 랭체인을 사용해 구글 뉴스 RSS 피드를 수집, 요약, 분류하고, 최종 보고서까지 생성하는 멀티 에이전트 시스템을 구축하는 방법을 다룹니다. 이 시스템은 뉴스 수집, AI 기반 요약 및 분류, 마크다운 보고서 생성 기능을 자동화하며, 각 기능을 전담하는 4개의 에이전트(수집, 요약, 분류, 보고)로 구성됩니다. 비동기 처리를 통해 여러 뉴스 기사를 효율적으로 다루는 실무적인 기술도 학습합니다.

__10 랭그래프와 MCP를 활용한 고급 에이전트 개발 : 랭그래프와 MCP를 결합하여 사용자의 자연어 명령을 이해하고 외부 도구를 사용해 작업을 수행하는 고급 AI 에이전트를 개발합니다. 이를 위해 날씨 조회, 뉴스 검색 등 다양한 기능을 제공하는 MCP 서버와, 이 서버의 도구를 동적으로 로드하여 사용하는 채팅 에이전트를 구축합니다. 최종적으로는 실시간 스트리밍을 지원하는 웹 채팅 인터페이스를 통해 사용자와 에이전트가 상호작용하는 완전한 애플리케이션을 완성합니다.

__부록 A
이 장에서는 AI 에이전트 개발에 유용한 환경 설정 노하우를 제공합니다. 특히, 다양한 파이썬 버전을 관리하는 런타임 매니저 uv의 사용법을 소개하고, API 키와 같은 민감 정보를 안전하게 다루기 위한 환경 변수 관리 방법을 설명합니다. 또한, 효율적인 로그 관리를 위한 파이썬의 로깅 모듈 사용법을 상세히 다룹니다.