책 이미지
책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791194587606
· 쪽수 : 288쪽
· 출판일 : 2025-09-04
책 소개
프롬프트 잘 쓰는 법만으로는 더 이상 경쟁력이 되지 않습니다. 이제는 스스로 목표를 세우고, 계획하고, 필요하면 반성하며, 환경에 맞춰 적응하는 에이전트가 실무의 성패를 가릅니다. 《알아서 잘하는 에이전틱 AI 시스템 구축하기》는 그 전환점을 정확히 짚어, 조정자·작업자·위임자(CWD) 모델로 복잡한 시스템을 안정적으로 굴리는 방법을 '개념→설계→구현→운영'의 흐름으로 보여줍니다.
이 책의 강점은 명확합니다. 이론 소개에 머물지 않고 여행 계획 에이전트를 끝까지 만들어보도록 합니다. 사용자 요청에 따라 전체 여행 계획 프로세스를 관리하고 작업 에이전트 사이의 효과적인 협업을 촉진하는 조정자 에이전트, 항공권 및 호텔 예약, 활동 계획, 교통편 등에 특화된 작업자 에이전트, 전문성과 작업량에 따라 적절한 작업을 작업자 에이전트들에게 할당하는 위임자 에이전트를 통해 조정자 · 작업자 · 위임자(CWD) 모델을 이해할 수 있습니다.
구현 과정에서 독자는 메타 추론, 자기 설명, 전략적 계획, 다중 에이전트 조정 같은 핵심 기술을 자연스럽게 체득하며, '이렇게 설계한 이유'를 납득할 수 있도록 신뢰·투명성·안전성의 원칙까지 함께 익힙니다. 결과적으로 독자는 '작동하는' 에이전트를 구현하는 법 그리고 운영 중 스스로 성능을 끌어올리는 자기 향상 루프를 설계하는 법을 배우게 됩니다.
많은 책이 '에이전트가 무엇인지'를 설명합니다. 이 책은 한 걸음 더 나아가 '에이전트를 어떻게 운영 가능한 시스템으로 만드는지'를 보여줍니다. 이미 생성형 AI를 써본 분이라면, 이제는 최소한의 인간 개입으로 비즈니스 목표를 달성하는 자율 에이전트를 직접 구축해보세요. 현장의 언어로 쓰인 이 책이, 그 시작과 완성을 함께합니다.
주요 내용
● 생성형 AI와 에이전틱 시스템의 핵심 원리 살펴보기
● 동적 환경에서 에이전트가 작동 · 추론 · 적응하는 방식 이해하기
● 에이전트가 자기 행동을 분석 · 개선하도록 구현하기
● 외부 도구를 활용해 복잡한 과제를 계획·수행하는 시스템 설계하기
● AI 시스템의 신뢰를 구축하기 위한 핵심 기법 살펴보기
● 다양한 실무 사례를 통해 산업별 AI 에이전트 구현 방법 탐색하기
대상 독자
● 개발자·ML 엔지니어: LLM 실험을 넘어 서비스 등급의 에이전트를 설계·배포하고 싶은 분
● PM·기술 리더: 다중 에이전트 워크플로를 조직 프로세스에 통합하려는 분
● 스타트업·현업 팀: 작은 리소스로 대규모 자동화를 달성해야 하는 분
이 책에서 바로 써먹을 수 있는 것들
● 역할 기반 아키텍처 청사진: CWD 모델 템플릿과 상호작용 패턴
● 프레임워크별 레시피: CrewAI·AutoGen·LangGraph의 선택 기준과 통합 가이드
● 신뢰·안전성 체크리스트: 설명 가능성, 편향·불확실성 처리, 거버넌스 설계
● 비용·운영 최적화 팁: 캐싱, 로깅, 오픈소스 모델 대체 전략
목차
지은이·옮긴이 소개 x
기술 감수자 소개 xi
옮긴이 머리말 xiii
추천사 I xiv
추천사 II xvi
감사의 글 xviii
이 책에 대하여 xx
PART I 생성형 AI와 에이전틱 시스템 기초
CHAPTER 1 생성형 AI 기본 3
1.1 생성형 AI 소개 4
1.2 생성형 AI 모델의 유형 5
__1.2.1 VAE 5
__1.2.2 GAN 7
__1.2.3 자기회귀 모델과 트랜스포머 아키텍처 8
__1.2.4 LLM 기반 AI 에이전트 12
1.3 생성형 AI의 응용 16
1.4 생성형 AI의 과제와 한계 19
__1.4.1 데이터 품질과 편향 19
__1.4.2 데이터 프라이버시 20
__1.4.3 계산 자원 21
__1.4.4 윤리적, 사회적 함의 21
__1.4.5 일반화와 창의성 22
요약 22
질문 23
답변 23
더 읽을 거리 24
CHAPTER 2 에이전틱 시스템의 원리 25
기술 요구사항 26
2.1 자기 관리, 주체성, 자율성 이해하기 26
__2.1.1 자기 관리 27
__2.1.2 주체성 28
__2.1.3 자율성 28
__2.1.4 에이전트의 주체성과 자율성에 관한 예시 30
2.2 지능형 에이전트와 그 특성 검토하기 33
2.3 에이전틱 시스템 아키텍처 탐색 34
__2.3.1 계획 기반형 아키텍처 35
__2.3.2 반응형 아키텍처 36
__2.3.3 하이브리드 아키텍처 38
2.4 다중 에이전트 시스템 이해하기 40
__2.4.1 MAS의 정의와 특징 41
__2.4.2 MAS의 상호작용 메커니즘 42
요약 47
질문 48
답변 48
CHAPTER 3 지능형 에이전트의 필수 구성 요소 50
기술 요구사항 51
3.1 지능형 에이전트에서의 지식 표현 51
__3.1.1 의미망 51
__3.1.2 프레임 53
__3.1.3 논리 기반 표현 55
3.2 지능형 에이전트의 추론 56
__3.2.1 연역 추론 57
__3.2.2 귀납 추론 58
__3.2.3 가설 추론 59
3.3 적응형 에이전트를 위한 학습 메커니즘 61
3.4 에이전트 시스템에서의 의사결정과 계획 63
__3.4.1 유틸리티 함수 63
__3.4.2 계획 알고리즘 65
3.5 생성형 AI를 활용한 에이전트 능력 향상 69
__3.5.1 에이전틱 AI 구축 시작하기 70
요약 73
질문 73
답변 73
PART II 생성형 AI 기반 에이전트 설계 및 구현
CHAPTER 4 에이전트의 반성과 자기 성찰 77
기술 요구사항 78
4.1 에이전트에서 반성의 중요성 78
__4.1.1 향상된 의사결정 79
__4.1.2 적응 79
__4.1.3 윤리적 고려 80
__4.1.4 인간-컴퓨터 상호작용 81
__4.1.5 지능형 에이전트의 자기 성찰 83
4.2 반성 기능 구현하기 84
__4.2.1 전통적인 추론 84
__4.2.2 메타 추론 84
__4.2.3 자기 설명 95
__4.2.4 자기 모델링 99
4.3 사용 사례와 예시 102
__4.3.1 고객 서비스 챗봇 102
__4.3.2 개인 맞춤 마케팅 에이전트 103
__4.3.3 금융 트레이딩 시스템 104
__4.3.4 예측 에이전트 105
__4.3.5 전자상거래에서의 가격 전략 107
요약 108
질문 109
답변 109
CHAPTER 5 도구 사용 및 계획 수립 기능 활성화 110
기술 요구사항 111
5.1 에이전트에서의 도구 사용 개념 이해 111
__5.1.1 도구 호출과 함수 호출 112
__5.1.2 에이전트를 위한 도구 정의 114
__5.1.3 도구의 유형 116
__5.1.4 에이전틱 시스템에서의 도구의 중요성 120
5.2 에이전트를 위한 계획 알고리즘 121
__5.2.1 낮은 실용성을 가진 계획 알고리즘 121
__5.2.2 중간 실용성을 가진 계획 알고리즘 122
__5.2.3 가장 높은 실용성을 가진 계획 알고리즘 124
5.3 도구 사용과 계획의 통합 131
__5.3.1 도구에 관한 추론 131
__5.3.2 도구 사용을 위한 계획 수립 133
5.4 실용적 구현 탐색 134
__5.4.1 CrewAI 예제 134
__5.4.2 AutoGen 예제 136
__5.4.3 LangGraph 예시 138
요약 140
질문 140
답변 141
CHAPTER 6 조정자, 작업자, 위임자 접근 방식 살펴보기 142
기술 요구사항
6.1 CWD 모델 이해 143
__6.1.1 CWD 모델의 핵심 원칙 144
__6.1.2 지능형 여행 에이전트를 위한 CWD 모델 145
6.2 역할 할당을 통한 에이전트 설계 148
__6.2.1 각 에이전트의 역할과 책임 151
6.3 에이전트 간 커뮤니케이션 및 협업 158
__6.3.1 커뮤니케이션 158
__6.3.2 조정 메커니즘 159
__6.3.3 협상 및 갈등 해결 159
__6.3.4 지식 공유 160
6.4 생성형 AI 시스템에서 CWD 접근 방식 구현 161
__6.4.1 시스템 프롬프트와 에이전트 행동 161
__6.4.2 지시 형식 지정 162
__6.4.3 상호작용 패턴 164
요약 164
질문 165
답변 165
CHAPTER 7 효과적인 에이전틱 시스템 설계 기법 167
기술 요구사항 168
7.1 에이전트를 위한 집중 시스템 프롬프트와 지침 168
__7.1.1 목표 정의 168
__7.1.2 작업 명세 170
__7.1.3 콘텍스트 인식 172
7.2 상태 공간 및 환경 모델링 173
__7.2.1 상태 공간 표현 173
__7.2.2 환경 모델링 175
__7.2.3 통합 및 상호작용 패턴 177
__7.2.4 모니터링과 적응 179
7.3 에이전트 메모리 아키텍처 및 콘텍스트 관리 180
__7.3.1 단기 메모리(작업 메모리) 180
__7.3.2 장기 메모리(지식 베이스) 181
__7.3.3 일화적 메모리(상호작용 기록) 183
__7.3.4 콘텍스트 관리 184
__7.3.5 의사결정과의 통합 185
7.4 순차 및 병렬 처리의 에이전트 워크플로 186
__7.4.1 순차 처리 186
__7.4.2 병렬 처리 187
__7.4.3 워크플로 최적화 188
요약 190
질문 191
답변 191
PART III 신뢰, 안전성, 윤리, 그리고 응용
CHAPTER 8 생성형 AI 시스템에서의 신뢰 구축 195
기술 요구사항 196
8.1 AI에서 신뢰의 중요성 196
8.2 신뢰를 구축하기 위한 기술 197
__8.2.1 투명성과 설명 가능성 197
__8.2.2 불확실성과 편향 처리 202
__8.2.3 효과적인 출력 커뮤니케이션 203
__8.2.4 사용자 제어와 동의 204
__8.2.5 윤리적 개발과 책임 205
8.3 투명성과 설명 가능성 구현하기 207
8.4 불확실성과 편향 처리 208
요약 209
질문 210
답변 210
CHAPTER 9 안전 및 윤리 고려사항 관리 212
9.1 잠재적 위험 및 도전 과제 이해하기 213
__9.1.1 적대적 공격 213
__9.1.2 편향과 차별 215
__9.1.3 허위 정보와 환각 216
__9.1.4 데이터 프라이버시 침해 217
__9.1.5 지적 재산권 위험 219
9.2 안전하고 책임 있는 AI 보장 220
9.3 윤리 지침 및 프레임워크 탐색 225
__9.3.1 인간 중심 설계 225
__9.3.2 책임과 책임 소재 225
__9.3.3 프라이버시 및 데이터 보호 225
__9.3.4 다양한 이해관계자의 참여 226
9.4 프라이버시 및 보안 문제 대응 226
요약 228
질문 229
답변 229
CHAPTER 10 일반적인 활용 사례와 응용 분야 231
10.1 크리에이티브 및 예술 분야의 응용 232
__10.1.1 크리에이티브 및 예술 에이전트의 발전 232
__10.1.2 실제 적용 사례 233
10.2 자연어 처리 및 대화형 에이전트 236
__10.2.1 언어 에이전트의 발전 236
__10.2.2 실제 응용 사례 236
10.3 로보틱스와 자율 시스템 239
__10.3.1 로봇 에이전트의 발전 239
__10.3.2 실제 응용 사례 240
10.4 의사결정 지원 및 최적화 243
__10.4.1 의사결정 지원 에이전트의 발전 243
__10.4.2 실제 응용 사례 243
요약 247
질문 248
답변 248
CHAPTER 11 결론과 미래 전망 250
11.1 핵심 개념 요약 251
11.2 최신 동향과 연구 방향 252
__11.2.1 멀티모달 인텔리전스 - 다양한 입력의 통합 252
__11.2.2 고급 언어 이해 253
__11.2.3 경험적 학습 - 강화 학습의 혁신 253
__11.2.4 산업 전반에 걸친 실질적 영향 254
11.3 인공 일반 지능 254
__11.3.1 AGI는 무엇이 다른가 254
__11.3.2 큰 도전 255
__11.3.3 학습 방법 배우기 255
__11.3.4 현실 세계 이해 255
11.4 도전과 기회 256
요약 258
찾아보기 261
책속에서
1장에서 설명한 여행 예약 어시스턴트 예시를 다시 떠올려보자. 이 어시스턴트는 항공권 예약뿐만 아니라 호텔 예약도 담당할 수 있다. 이때, 이 시스템은 다음과 같은 방식으로 주체성을 발휘하게 될 것이다. 예를 들어 두 도시 간 항공편의 가용성, 항공편 가격, 사용자가 입력한 좌석 등급 등의 제약 조건을 분석하고 그 조건에 부합하는 항공편과 호텔을 최적화된 방식으로 탐색하는 의사결정을 함으로써 여행 전체 비용을 최소화하는 결과를 만든다. 즉 시스템은 자신이 내린 결정의 결과에 대해 책임지며, 이는 고객의 여행 계획과 전체 비용에 직접적인 영향을 미친다.
또한 MAS의 분산적 특성 덕분에 의사결정도 분산적으로 이루어질 수 있다. 각 에이전트는 자신이 가진 국지적 지식과 제약 조건을 기반으로 독립적인 의사결정을 하면서도, 다른 에이전트들과 협력하고 조정해 전체적인 최적화를 도모할 수 있다. 여행 예약 어시스턴트 예시에서 MAS의 협상 메커니즘은 다양한 참여 주체 간의 효율적인 조정을 가능하게 할 뿐만 아니라 수요/공급의 변화, 가격 변동, 기타 운영 요인 등에 대한 유연하고 적응력 있는 대응을 제공함으로써 고객 요구에 부합하는 보다 탄력적이고 반응성 높은 시스템을 구현할 수 있다.
