한빛미디어

챗GPT에서 한걸음 더, 기초 개념부터 RAG, LangGraph, MCP까지 한 권으로 직접 만드는 LLM 기반 애플리케이션 개발 로드맵

지인들의 프로필 사진이 순식간에 지브리 스타일로 바뀐다거나 학생들의 리포트 수준이 상향 평준화되어 채점이 어렵다는 일관된 토로 등, 생성형 AI 기술은 우리 삷에 훅~ 들어와 큰 영향을 미치고 있습니다. 지금도 폭발적으로 발전하면서 IT기업의 해고가 급속히 진행되거나 신입 개발자 채용을 크게 줄이는 등 우리의 현장과 필드를 크게 뒤흔들고 있습니다.
기업과 개발자들은 대규모 언어 모델(LLM)을 실제 비즈니스 애플리케이션에 통합하여 지능형 챗봇, AI 어시스턴트, 자동화 에이전트 등을 도입하고 구현하려 합니다. 하지만 LLM 기반 앱을 무료로 아무것도 없는 상태에서 만들기 까지는 몇가지의 허들이 있습니다. 모델 프롬프트 관리 방법, 외부 지식과의 연계 방안, 대화 맥락을 유지하는 기법, UI나 기타 기술들을 활용하는 방법 등 기존 비즈니스 모델의 기술과 또 다른 방향의 전문지식이 없는 과제를 만나게 됩니다. 이 문제를 한큐에 해결하기 위해 등장한 프레임워크 중 하나가 랭체인입니다. 랭체인은 LLM 응용 애플리케이션 개발에 필요한 구성요소들을 모두 담아 추상화 시켜 제공해줍니다. 개발자는 이를 쉽게 활용하여 컨텍스트가 풍부하고 LLM의 추론 능력을 그대로 이용할 수 있는 AI기반 애플리케이션을 구축할 수 있습니다. 실제로 랭체인은 Zapier, Replit, Databricks 같은 기업에서 활용되고 있으며, 짧은 역사에도 불구하고 2025년 현재 GitHub 스타 110k를 돌파하면서 역사상 손꼽히는 인기 오픈소스중 하나로 자리매김하는 기염을 토하기도 했습니다. 랭체인은 사실상의 디펙토 표준으로 인정 받고 있습니다.

본 도서는 랭체인을 직접 만든 인원이 모여 집필한 도서 입니다. 그만큼 해당 기술의 철학과 활용법을 가장 정확하고 깊이 있게 담고 있다고 할 수 있습니다. 저자 메미오 오신은 오픈소스 랭체인의 초기 컨트리뷰터이자 AI 자문가고 누노 캄포스는 LangChain Inc. 창립당시 엔지니어로 시작부터 발전하기까지 랭체인을 직접 이끌어온 전문가입니다. 랭체인의 역할에 걸맞게 [LLM을 소프트웨어 개발 도구 상자에 추가 하자]는 모토로 이 책을 집필했다고 합니다. 실제로 LLM과 랭체인을 활용하면 이전에는 불가능하거나 매우 복잡하게 해결해야 했던 일들을 쉽게 해결할 수 있으며, 이는 개발자에게 마치 새로운 슈퍼파워를 부여하는 것과 같다고 강조합니다. 랭체인은 프롬프트 재사용, 체인의 구성, 외부 자료 및 지식의 통합 등 과정 중 발생하는 반복적인 작업을 크게 단순화 시켜 개발의 효율을 크게 높여 주어 LLM 기반 앱을 만들거나 시험 적용을 위한 필수 도구로 평가받고 있습니다.

책의 내용을 읽기 위해서는 파이썬이나 자바스크립트 프로그래밍 경험이 있어야 합니다. 개발 부분 난도가 있지는 않기 때문에 C나 자바 등 한가지 정도 언어에 익숙하다면 내용을 소화하는데 크게 무리가 없습니다. 내용의 난도 또한 높지 않아 AI나 랭체인에 관심있는 대학생이나 관련 분야 취업을 준비하는 초보 개발자 혹은 기술에 관심 있는 문과계통이라도 좋은 입문서가 됩니다. 특히 LLM 활용 아이디어가 있는 기획자나 비개발자 출신의 독자라도 약간의 코딩 지식만 있다면 책의 설명을 무리 없이 충분히 따라갈 수 있도록 친절하게 설명합니다. 복잡한 개념도 설명이 쉽게 되어 랭체인을 처음 접하는 이들도 막힘없이 문장을 읽어 나갈 수 있게 저술되어 있습니다. LLM 애플리케이션 개발의 츨발선에 서서 양쪽에 서 있는 같은 상황 플레이어의 얼굴만을 왼쪽-오른쪽 번갈아 가며 보고 있는 조금은 두려움과 기대감을 가진 이들이라면, 본 도서의 일독은 힘차게 박차고 앞으로 튀어 나갈 수 있는 든든한 무기가 될 것입니다.

본 도서는 기초 개념부터 실제 배포하는 상황에 이르기 까지 LLM 애플리케이션 개발의 전 과정을 단계적으로 안내하고 있습니다. 목차를 참고하면 각 장마다 다루고 있는 핵심 주제를 알 수 있으며, 이론 설명과 함께 바로 실행 가능한 예제 코드를 제공합니다. 파이썬 및 자바스크립트 두 언어의 코드가 병행 수록되어 있어 독자는 자신이 편한 언어로 실습하며, 실습없이도 내용을 머릿속으로 시뮬레이션하며 따라갈 수 있습니다.

(00. 랭체인을 위한 기초 AI 지식) 본격적인 랭체인 학습에 앞서 LLM의 동작 원리나 프롬프트 기초를 쉽게 안내합니다. 토크나이저가 텍스트를 어떻게 인코딩 하는지, LLM이 다음 단어 예측으로 문장을 어떻게 생성하는지 등에 대한 기본 원리를 설명합니다. 예를 들어 GPT-3.5가 "The captical of england is London"은 잘 생성하지만, "What is the capital of England?"라는 질문에는 명확하게 답을 생성하지 못하는 한계를 사례 등으로 들며 왜 프롬프트 엔지니어링이나 추가 튜닝이 필요한지 안내합니다. 또한 제로샷, 퓨샷, 사고의 연쇄(Chain of Thought) 등 LLM 성능을 향상시키는 다양한 프롬프트 전략도 소개합니다.
(01. 랭체인의 기본 LLM 사용법) 개발 환경을 셋팅하고 랭체인을 통해 가장 기본적인 LLM 호출을 실습하며, 프롬프트 템플릿을 작성하고 OpenAI 모델을 호출하는 코드를 보여줍니다. 사용자가 원하는 포멧으로 답변 하도록 출력 포멧을 지시하는 방법, 여러 랭체인 구성요소를 조합하여 애플리케이션의 형태를 조합하는 방법도 배우게 됩니다. 짧은 0, 1장을 통하여 랭체인의 기본 API와 동작 흐름을 쉽게 파악할 수 있습니다.
(02. RAG 1단계-데이터 인덱싱) 본격적으로 사전 학습에 없는 외부 지식을 검색하여 답변에 활용하는 검색 증강 생성(RAG)기술을 파악하며 시스템 구축에 돌입하는데, 이에 첫 단계인 데이터베이스 구축(인덱싱)을 다룹니다. 원본 문서를 텍스트로 변환하고 긴문서를 여러 청크로 분할한 뒤에 문장 임베딩 모델을 통해 각 청크를 고차원 벡터로 표현하여 벡터 DB로 저장하는 과정을 코드로 상세히 보여줍니다. GitHub로 제공하는 실습자료에는 모든 소스코드와 함께 예제 텍스트 PDF 문서가 모두 있어 직접 PDF 문서를 파싱하고 200자 정도 내용을 겹쳐가며 분할하여 문맥의 유실을 막는 테크닉이나 임베딩 벡터의 의미, 활용을 배우며 인덱싱 최적화 기법도 소개하고 있습니다.
(03. RAG 2단계-데이터 기반 대화) 구축한 벡터 DB를 활용하여 실제 질문데 대답하는 질의 처리 파이프라인을 설계합니다. 사용자의 질문을 임베딩하고 문서를 검색하며 이를 LLM에 전달해 답변 생성까지의 전체 RAG 흐름을 구현하면서 질의 변환(Query Transformation)을 거치거나 질문의 유형에 따라 적합한 검색 류트를 선택하는 라우팅, 사용자 질문이 모호할 경우의 재작성-검색-읽기 전략 등 품질을 높이는 기법도 다룹니다. 이를 통해 단순한 랭체인 학습법을 따라가면서 실무 현장에서 유용한 검색 활용 아이디어로도 확장할 수 있습니다.
(04. 랭그래프 메모리) LLM은 기본적으로 대화를 기억하지 못하는 무상태 모델로 상호작용을 위한 별도의 대화 주제 및 맥락 유지용 별도 메모리 관리가 필요한데, 랭그래프를 활용하여 이를 구현합니다. 랭그래프는 랭체인의 개발 요소들을 그래프 기반으로 정의하고 복잡한 애플리케이션의 상태 관리와 제어 흐름을 시각적으로 설계하는 프레임워크 입니다. StateGraph라는 개념을 만들어 이전 대화 내용을 구조화된 형태로 저장하고 새로운 질문은 기록을 참고해 LLM에 제공하는 방식을 구현합니다. 이를 통해 챗봇이 사용자별 대화 이력을 기억하고 자연스럽게 개인화된 인터렉션이 가능하도록 할 수 있습니다. 방대한 메모리를 대비한 요약 메모리 기법 등도 다루고 있습니다.
(05. 랭그래프 인지아키텍처) 랭그래프를 활용해 다양한 LLM 응용 아키텍처 패턴을 실습합니다. 질문에서 답변으로 단일 호출하는 방법 부터 여러 체인을 조합하는 패턴, 라우터 체인을 이용한 사용자 입력 분류와 서로 다른 처리 흐름에 보내는 패턴 까지 순차적으로 구현해 봅니다. 작은 콤포논터를 조합하여 큰 기능을 만드는 랭체인 설계 철학과 아키텍처럴 패턴을 이해하게 됩니다. 여기까지 내용으로 단숨에 랭체인과 랭그래프를 사용한 기본적인 챗봇 구조를 완성합니다.
(06. 에이전트 아이텍처1) 단순한 형태에서 벗어나 에이전트 개념을 도입해 적용합니다. 에이전트는 LLM이 단편적인 응답만을 하는것이 아닌 반복적으로 생각하고 행동하면서 더 복잡한 문제를 해결하도록 만드는 단일 기능에서 확되된 시스템 개념입니다. 사람이 리포트를 작성하듯, LLM 에이전트가 스스로 계획을 세우고 외부 툴로 정보를 얻은 뒤 계획을 갱신하면서 최종 답을 찾아가는 계획-실행-반복 패턴을 구현합니다. 랭그래프를 활용하여 계획-실행 흐름을 정의하고 계산기나 웹 검색처럼 외부 API 연동을 랭체인 에이전트에 통합하는 방법을 실습합니다. 하나의 질문에 여러 도구를 순차적으로 사용하는 멀티툴이나 도구 호출전에 LLM의 추론을 먼저하는 툴우선 호출 등 고급 주제를 통해 보다 파워풀한 에이전트의 만들기 위한 경험을 다집니다.
(07. 에이전트 아키텍처2) 에이전트 개념을 확장하여 성찰 기법으로 답변의 신뢰성을 높이는 방법과 여러 에이전트가 협업하거나 경쟁하여 문제를 해결하는 멀티 에이전트 아키텍처를 소개합니다. 서로 다른 역할을 가진 에이전트들이 대화를 통해 더 좋은 결과를 도출하거나 에이전트가 다른 에이전트 결과를 검증하는 형태의 시스템을 만들어 볼 수 있습니다. 이러한 기법들이 적용된 멀티 에이전트 설계 방식의 핵심은 자율성과 신뢰성을 모두 갖춘 AI시스템의 기반이 되는 중요한 개념입니다. 실습을 진행하면서 AI 시스템 혹은 에이전트를 디자인 할 때 무엇을 고려해야 하는지, 협업과 통제 메커니즘은 어떻게 접근해야 되는지 생각해 볼 수 있습니다.
(08. LLM의 성능을 높이는 패턴) LLM의 품질과 안정성을 향상시키기 위한 실전 기술과 팁 그리고 패턴을 배우게 됩니다. 출력 포멧을 JSON 등 구조화된 형태로하여 파싱을 쉽게 하거나 요약이나 비정형 응답을 정확히 평가하는 비법 등 LLM을 현장에 적용했을 때 유용할만한 노하우를 다루고 있습니다. 소개하는 패턴들을 적용하면 환각 문제를 줄이고 서비스 품빌을 한층 올릴 수 있습니다.
(09. AI 애플리케이션 배포) 애플리케이션을 실제 환경에 배포하는 방법과 고려사항을 배울 수 있습니다 랭체인 및 랭그래프 기반 앱을 클라우드에 호스팅하거나 LangChain 플랫폼을 활용하는 방안을 소개하면서, APi 엔즈포인트로 애플리케이션을 노출하는 방법, 지연시간 최적화, 서버 확장성, LLM 프롬프트 유철 및 API 키 관리 등 보안 이슈 등을 다루고 있습니다. 기술검증에서 테스트 그리고 실무 적용단계로 넘어갈 때 고려하거나 응용하여 적용할 수 있는 배포 팁과 더불어 대규모 트래픽 상황에서의 신뢰성 확보 방안, 보안 등도 짚어 줍니다.
(10. 테스트) LLM 애플리케이션의 품질을 유지하고 개선하기 위한 평가, 모니터링 기법을 소개합니다. 예측이 일정 이상 빗나갔을 때 자동으로 피드백을 주는 자체 보정 RAG 설계, 모델 출력을 테스트 하는 단위 테스트 및 통합 테스트 방법론, 사용자 피드백을 활용한 지속적 학습 방안 등을 다루고 있습니다. 운영단계에서 로그를 수집하고 성능 지표를 모니터링하여 문제발생시 디버깅 하는 방법까지 다루고 있습니다. 이장을 통해 LLMOps 영역을 체험할수 있으며, 안정적인 AI 서비스를 운영하는 기초 감각을 형성시킬 수 있습니다.
(11. LLM 애플리케이션 개발 패턴) 아주 짧은 장으로 LLM 애플리케이션의 독특함으로 인한 개발 방법 및 패턴을 간략히 다루고 있습니다.
(부록. MCP 서버의 구축과 활용) 번역본에서 특별히 추가된 부록으로, 최근 가장 핫한 MCP(Model Context Protocol)를 소개합니다. MCP는 앤트로픽이 제안한 개방형 표준 프로토콜로 LLM이 외부 도구와 컨텍스트를 보다 안전하고 일관성있게 주고 받을 수 있는 프로토콜을 정의합니다. FastMCP를 이용해 MCP 서버를 직접 설치하고 랭체인, 랭그래프와 연결하여 외부 시스템을 제어하는 실습에제를 제공합니다. 아직 독자에게 생소할 수 있는 MCP 개념까지 다루어 주는것으로 한발 앞선 최신 기술 트렌드까지 체험할 수 있습니다.

LLM 애플리케이션 개념이해 > 구현 > 운영까지 빈틈없이 다루는 실습기반 랭체인의 종합 가이드로 책의 앞부분에는 기본기와 RAG, 중반부에는 메모리와 에이전트, 뒷부분에는 배포와 운영까지 매우 체계적인 학습의 흐름을 타고 배울 수 있습니다. 각장알 따라 실습해 나아가다 보면, 독자들은 하나의 간단한 챗봇 아이디어가 어떻게 완성도 높은 AI서비스로 만들어져 나가는지 직접 체험할 수 있습니다.

본 도서를 매우 쉽게 기술되어 있어서 간편하게 읽고 부담없이 실습해 볼 수 있습니다. 유일한 망설임이라면 OpenAI API 사용료 결재 정도일 텐데, 몇 천원 정도만 결재하더라도 도서를 읽으면서 실습하고 내 아이디어를 추가로 충분히 실습하더라도 여유 있기 때문에 유료 결재를 통해 실습하는 것을 권장합니다. 또는 OpenAI API의 "Share inputs and outputs with OpenAI" 옵션 등을 활성화해서 free token을 무료로 요청하는 형태로 깃허브에 있는 실습을 꼭 진행해 볼 것을 추천합니다.
책을 완독 및 실습한 후 얻을 수 있는 가장 큰 수확은 LLM 애플리케이션을 개발 할 수 있다는 자신감 입니다. 이 책은 단순하게 기능 사용 설명에 그치지 않고 "왜 이런 구조가 필요한가"에 대한 배경을 이해해 주어 이를 기반한 응용력을 키워 주는데 도움됩니다. 예를 들어 RAG 기법을 배우면 "왜 단독으로 LLM을 활용하면 최신 정보 활용이 어려운가"를 이해하기 되고, 이를 해결하는 패턴을 생각하는 힘을 기를 수 있게 됩니다. 에이전트 설계를 배우면 "LLM에게 언제 어떻게 도구를 쓰게 할 것인가"에 대한 질문에 스스로 답할 수 있게 되고, 메모리 기법을 배우면 "긴 대화에서 모델과 컨텍스트를 잃지 않게 하는 방법"을 알게 됩니다. 핵심 설계 개념과 패턴들은 프레임워크나 메소드명, 기술이 바뀌어도 응용 가능한 철학과 노하우로 남기 때문에 기술의 급격한 발전에 따른 새로운 LLM 프레임워크나 또다른 개념의 도구가 나온다고 하더라고 금방 개념에 적응할 수 있게 됩니다.
이 책을 모두 소화하면 바로 나만의 지식을 가진 AI 비서를 구축할 수 있습니다. 사내 문서나 개인 노트 등 나만의 지식 데이터를 활용하는 챗봇알 만드는 방법을 익히기 때문에 업무 자동화나 지식의 접근 및 관리에 응용할 수 있습니다. 또한 LLM을 다른 도구와 결합한 서비스를 설계하는 능력을 키워, 실제 비즈니스 로직을 수행할 때 단순한 질답 수준을 넘는 똑똑한 애플리케이션을 추축하는 핵심을 알 수 있습니다. 그리고 AI 서비스 운영 스킬을 배울 수 있어 환각이나 편향 등 AI 특유 오류를 대응하고 민감한 데이터를 안전하게 다루며 사용 로그를 분석해 지속적으로 모델 성능을 개선하는 ML 시스템 운영 방법론을 자연스럽게 배우게 됩니다. AI 서비스를 실제 프로덕션 레벨로 도입하려는 기업과 개발자들에게 매우 중요한 부분으로, 책의 내용이 전부는 아니지만 중요한 핵심의 실습을 통해 시행착오를 줄이는데 일조하게 됩니다. 마지막으로 MCP 등 최근 등장한 개념까지 접함으로써 업계의 흐름을 파악해 주며, 빠른 LLM 생태계 진화 속에서 어떤 방향성이 주목받고 있는지 감을 잡는데 도움을 줍니다. 추후 더 발전된 다음 기술이라도 그 맥락을 이해하는데 도움이 될 것 입니다. 한마디로 LLM 시대의 종합 교양서 겸 실전 메뉴얼이라 할 수 있습니다. AI 초보자에게는 전체의 지형 윤곽을, 경험자에게는 놓치기 쉬운 모범 사례와 구조적 사고를 일깨워 줍니다.

번역서는 원서의 내용을 충실히 전달하면서 국내 독자를 위해 여러모로 완성도를 끌어올린 점이 눈에 띕니다. 먼저 번역자가 직접 모든 예제 코드를 실행하고 점검하여 최신 라이브러리 버전에 맞게 수정하고 검증했습니다. 랭체인과 관련된 라이브러리는 업데이트 속도가 매우 빠른데, 번역 시점에 맞춰 requirements.txt로 권장 버전도 제공하고 있고, 코드도 그에 맞게 조정했기 때문에 독자들은 책의 코드와 GitHub의 코드를 그대로 실행해 볼 수 있습니다. 원서의 경우 일부 코드가 최신 버전에서 동작하지 않은것을 번역자가 발견해 수정해 두었으므로, 한국 독자들은 시행착오를 줄이고 학습에만 집중할 수 있습니다.
프롬프트 번역도 섬세한 작업이 반영되었습니다. 번역자가 한국어 프롬프트로 실행했을 때 결과가 다르게 나오는 경우를 실습해 보고 하나하나 해결하여 예제의 맥락이 유지되도록 신경썼습니다. 원서 코드에는 없는, 예를들어 RAG 실습에서 환자 기록과 보험 약관에 대한 문서가 비어 있는데, 번역 과정을 거치면서 가상의 환자 "홍길동"의 의료 기록과 보험 FAQ 데이터가 추가되었습니다. 이러한 노력은 결국 독서가 끊기지 않고 물흐르듯 이해하는데 큰 도움을 주게 됩니다. 또한 앞서 언급했듯, 최신 트렌드인 MCP 내용이 번역서의 특별 내용으로 수록되었습니다. 최신 주제를 다뤄줬다는 점에서 번역서만의 큰 가치라고 할 수 있습니다. 입문자들이 막힘없이 실습을 따라가면서 입문 내용부터 최신 트렌드까지 흐름이 끊기지 않고 학습할 수 있도록 노력한 흔적이 그대로 느껴졌습니다.

아쉬운 점이 없진 않은데, 우선 400여쪽의 책분량이 크기는 부담되지 않지만, 내용에 비해 방대한 편입니다. 앞부분은 술술 넘어가지만 뒷부분은 조금 그렇지 않으므로 실습시간을 고려하여 꾸준히 따라가야 합니다. 다행히 예제 코드가 잘 마련되어 있어서 책에서 내용을 확인하고 핵심 원리를 파악한 후 한번 실행해 보는것 만으로도 충분합니다. 다만 직접 코드를 돌려보는 과정은 매우 중요합니다. 완주하는데 그리 시간이 걸리지 않으니 한챕터씩 모두 실행해 보는 것을 권장합니다.
두번째는 랭체인을 비롯한 LLM 생태계 기술들을 변화가 매우 빠릅니다. 책을 따라 프로젝트를 구현한 뒤 몇달 후 최신 버전으로 업데이트 한다면 일부 코드가 deprecated 되거나 동작 방식이 달라질 수 있습니다. 최근 AI 프레임워크를 보면 아인슈타인의 상대성 원리를 체감하게 되는데, 내가 알고 있는 네임스페이스와 실제 내가 바라보고 있는 별빛(프레임워크의 발전속도)이 상대적으로 속도가 달라 개발할 때와 이를 임퍼런싱 할 때 네이밍 등이 바뀌는 경우가 있습니다. 하지만 책이 강조하는 핵심 개념과 패턴은 쉽게 변하지 않습니다. 예를 들어 랭체인 라이브러리 함수명이 약간 바뀐다고 하더라도 RAG나 에이전트 설계의 개념적인 틀은 그대로 유지되므로 공식 문서를 통하여 금방 대응할 수 있습니다. 또한 번역판에서 제시한 권장 버전을 사용하면 당분간은 큰 무리없이 실습이 가능하니, 책을 학습하는 동안에는 해당 버전을 가상환경(venv)으로 사용하고 추후 변화는 공식문서나 깃허브 업데이트 로그를 참고하면 따라갈 수 있습니다.
마지막으로 파이썬과 자바스크립트의 바이링구얼 전체 코드 수록은 책의 분량을 늘리는 요인입니다. 파있너이나 자바스크립트 둘 중 하나만 주력으로 보는 독자를 배려하기 위한 의도가 이해는 되지만, 중급 이상 개발자라면 읽을 때 한 언어의 코드에 집중하고 다른 언어 코드는 훑어 보는 식으로 효율적으로 학습할 수 있는 형태였으면 불필요하다고 느끼는 분량을 크게 줄일 수 있을것 같습니다.어짜피 두 언어는 구현의도가 동일한 같은 내용이기 때문에 하나를 잘 이해했다면 하나는 필요하지 않습니다.

본 도서는 체계적으로 종합적으로 LLM 응용 기술을 다루고 있습니다. 인터넷에는 정보가 산재해 있지만, 그것을 처음부터 끝까지 하나의 흐름으로 배우기는 어렵습니다. 반면 본 도서는 기초 배경 지식, 고급활용 방안, 실전 팁까지 모두 얻을 수 있는 레퍼런스 입니다. 특히 창시자 저자들이 직접 준사하는 모범사례외 노하우는 바로 적용할 수 있는 아이디어를 보다 풍부하게 만들어 줍니다. 내용이 쉽고 코드가 쉽고 결과가 고급스럽기 때문에 책 페이지를 넘기는 족족 바로 써 먹을 수 있을 만한 기술과 팁이 계속 나오는실무 지향적 인사이트와 아이디어의 보고라고 느껴질 것입니다. AI 분야 특성상 변화가 빠르다고 하기는 해도, 본도서의 설계 관점과 실전 감각은 퇴색되지 않는 유효한 지식입니다. LLM 응용기술의 근본 원리는 변하지 않습니다. 새로운 혁신적인 도구도 크게 변하지 않는 원리의 응용입니다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."