쪽수
ISBN
브랜드
AI 에이전트 설계는 도구 선택이 아니라 문제를 나누는 일에서 시작된다
AI 에이전트를 쓰기로 먼저 정해 놓으면 설계는 금세 복잡해진다. 이 책은 순서를 바꿔 문제부터 들여다본다. 입력과 출력이 정형인지 비정형인지, 답이 하나로 정해지는지를 따져 규칙 기반 소프트웨어와 학습 기반 모델, LLM이 맡을 일을 나눈다. 그리고 도구와 메모리, 반복 실행은 꼭 필요한 만큼만 더한다.
가장 단순한 LLM 호출에서 출발해 Queens 퍼즐 생성기, 텍스트 어드벤처 게임, 영어 회화 연습 에이전트, 자동 리서치 에이전트를 차례로 만들며 같은 분석이 문제마다 어떻게 다른 설계로 이어지는지 확인한다. 이어 신뢰성과 비용, 보안, 평가, 컨텍스트 관리로 프로토타입을 운영 가능한 수준으로 다듬고, 멀티 에이전트와 MCP를 거쳐 코딩 에이전트까지 완성한다. 이 책을 통해 문제를 분석하고 설계를 결정하는 과정을 직접 따라가며, 에이전트가 필요한 곳과 코드로 충분한 곳을 가려내고 운영까지 내다보는 설계 능력을 갖출 수 있다.
출판사 리뷰
이 문제에 정말 에이전트가 필요한가?
무엇을 LLM에 맡기고 무엇을 코드로 해결할지 정하는 설계의 기술
AI 에이전트를 다루는 자료는 많지만 대부분 프레임워크 사용법에서 시작한다. 이 책은 그보다 한 걸음 앞에서 출발한다. 이 문제에 에이전트가 필요한지, 필요하다면 어디까지 LLM에 맡기고 어디부터 코드로 처리할지를 먼저 정한다. 문제를 정형과 비정형, 결정론과 비결정론으로 나누는 단순한 기준이 책 전체를 관통하는 판단의 축이 된다.
이 판단은 네 개의 예제에서 매번 다른 답을 낸다. Queens 퍼즐 생성기에서는 LLM에 통째로 맡긴 첫 구현이 실패하자 역할을 다시 나눠 첫 시도에 퍼즐을 완성한다. 텍스트 어드벤처 게임에서는 스토리는 LLM이, 체력과 허기 같은 상태는 코드가 맡는다. 영어 회화 튜터는 음성 인식과 합성을 파이프라인으로 잇고, 리서치 에이전트는 검색과 읽기를 스스로 반복한다. 이렇게 만든 에이전트에 재시도와 검증, 비용 관리, 보안, 평가를 더하고 멀티 에이전트와 MCP를 거쳐 코딩 에이전트까지 완성한다.
모든 에이전트는 프레임워크 없이 오픈AI API와 파이썬으로 직접 만든다. 루프를 손으로 짜본 사람은 어떤 프레임워크를 만나도 그 안에서 무슨 일이 일어나는지 안다. 도구가 바뀌어도 오래 쓸 수 있는 설계 감각을 원하는 개발자에게 이 책이 좋은 출발점이 될 것이다.
대상 독자
● LLM API는 써봤지만 에이전트로 키우는 방법이 막막한 개발자
● 랭체인·랭그래프 같은 프레임워크의 내부가 궁금한 개발자
● AI 도입 여부와 범위를 판단해야 하는 기술 리더와 기획자
● 데모를 넘어 운영 가능한 에이전트를 만들어야 하는 엔지니어
목차
PART 1 AI 에이전트와 문제 해결
CHAPTER 1 문제 해결과 소프트웨어의 진화
_1.1 소프트웨어가 해결하는 문제란?
_1.2 문제의 유형 분류
_1.3 소프트웨어 1.0: 명확한 규칙으로 해결하기
_1.4 소프트웨어 2.0: 데이터로 학습하여 해결하기
_1.5 소프트웨어 3.0: 언어로 이해하고 해결하기
_1.6 세 가지 패러다임의 조합
CHAPTER 2 AI 에이전트란 무엇인가
_2.1 LLM과 AI 에이전트의 차이
_2.2 AI 에이전트의 정의
_2.3 AI 에이전트는 어떻게 가능한가?
_2.4 핵심 구성 요소
_2.5 자율성의 수준
_2.6 빠른 의사결정 가이드
_2.7 다음 장에서
CHAPTER 3 간단한 AI 에이전트 만들어보기
_3.1 개발 환경 구축
_3.2 단순 LLM 호출부터 시작하기
_3.3 도구 호출 기능 추가하기
_3.4 계획 기능 추가하기
_3.5 만들어보며 느낀 특징과 한계
PART 2 문제별 AI 에이전트 설계와 구현
CHAPTER 4 문제 이해와 설계 결정
_4.1 AI 에이전트가 필요한 문제
_4.2 설계 결정의 세 가지 축
_4.3 LLM의 한계 이해하기
_4.4 예제: Queens 게임 생성기
_4.5 문제를 알아야 설계할 수 있다
CHAPTER 5 텍스트 어드벤처 게임
_5.1 텍스트 어드벤처 게임이란
_5.2 같은 프레임워크, 다른 설계
_5.3 텍스트 너머의 가능성
CHAPTER 6 영어 회화 연습 에이전트
_6.1 왜 영어 회화 연습인가
_6.2 같은 프레임워크, 새로운 축
_6.3 에이전트가 주도하는 작업으로
CHAPTER 7 자동 리서치 에이전트
_7.1 왜 리서치인가
_7.2 네 개의 에이전트, 하나의 프레임워크
_7.3 프로토타입에서 프로덕션으로
PART 3 프로덕션 AI 에이전트 엔지니어링
CHAPTER 8 신뢰성 있는 에이전트 만들기
_8.1 실패의 유형
_8.2 재시도 전략
_8.3 타임아웃과 폴백
_8.4 형식 검증: 응답의 모양을 보장하기
_8.5 내용 검증: 할루시네이션 대응
_8.6 일관성과 재현성
_8.7 모니터링과 로깅
_8.8 적용: 리서치 에이전트에 신뢰성 더하기
_8.9 신뢰성 다음의 과제
CHAPTER 9 비용과 보안
_9.1 비용의 구조
_9.2 토큰 줄이기
_9.3 모델 선택
_9.4 캐싱: 호출 줄이기
_9.5 신뢰성과 비용의 균형
_9.6 보안: 새로운 공격 표면
_9.7 프롬프트 인젝션
_9.8 개인정보와 데이터 보호
_9.9 권한 관리
_9.10 샌드박스: 실행 공간의 격리
_9.11 윤리적 고려사항
_9.12 측정 없이는 지킬 수 없다
CHAPTER 10 에이전트 평가
_10.1 에이전트 평가는 왜 어려운가
_10.2 무엇을 평가하는가: 결과와 궤적
_10.3 어떻게 채점하는가: 세 가지 채점자
_10.4 채점자를 채점하기
_10.5 구현: 리서치 에이전트의 평가 하네스
_10.6 평가 세트 키우기
_10.7 회귀: 변경 앞의 관문
_10.8 운영 속의 평가
_10.9 기억이라는 다음 문제
CHAPTER 11 컨텍스트와 메모리
_11.1 컨텍스트 윈도우라는 작업 기억
_11.2 단기 기억의 편성
_11.3 장기 기억: 세션을 넘어서
_11.4 의미로 찾기: 임베딩
_11.5 기억에서 지식으로: RAG
_11.6 지식을 넣는 세 가지 방법
_11.7 기억의 함정
_11.8 단일 에이전트의 한계
PART 4 에이전트의 확장과 생태계
CHAPTER 12 멀티 에이전트 시스템
_12.1 하나의 에이전트가 한계에 부딪힐 때
_12.2 멀티 에이전트의 본질은 컨텍스트 분리
_12.3 협업 패턴
_12.4 구현: 리서치 팀 만들기
_12.5 정적 위임과 동적 위임
_12.6 남은 패턴: 토론
_12.7 멀티 에이전트의 비용
_12.8 나눌 것인가, 말 것인가
CHAPTER 13 플러그인 아키텍처
_13.1 하드코딩된 에이전트의 한계
_13.2 코어와 확장의 분리
_13.3 확장 지점 1: 도구 레지스트리
_13.4 확장 지점 2: 훅
_13.5 확장 지점 3: 스킬
_13.6 구현: 코어 루프의 완성
_13.7 사례: 확장형 에이전트들의 구조
_13.8 남은 문제: 플러그인은 코어에 묶여 있다
CHAPTER 14 도구 연결의 표준 MCP
_14.1 도구 통합의 M×N 문제
_14.2 MCP란 무엇인가
_14.3 서버가 제공하는 세 가지
_14.4 구현: MCP 서버 만들기
_14.5 구현: 에이전트에서 MCP 서버 사용하기
_14.6 표준이 바꾸는 것
_14.7 만들 것인가, 가져올 것인가
CHAPTER 15 에이전트 프레임워크
_15.1 이 책이 프레임워크 없이 온 이유
_15.2 우리가 이미 만든 것들
_15.3 에이전트 루프를 몇 줄로
_15.4 리서치 팀을 그래프로
_15.5 실행을 맡기면 생기는 것들
_15.6 프레임워크의 비용
_15.7 언제 갈아탈 것인가
_15.8 마지막 프로젝트를 앞두고
CHAPTER 16 코딩 에이전트 만들기
_16.1 문제 분석
_16.2 설계 결정
_16.3 구현: 안전한 파일 도구
_16.4 구현: 명령 실행과 승인 게이트
_16.5 구현: 에이전트 조립
_16.6 실행 결과
_16.7 여기서 더 나아간다면
마치며
리뷰
20,800원
20,800원