한빛미디어

2024년부터 2025년을 AI 에이전트의 해가 될 것이라고 전망하고 있다. 출판사와 인터넷 강의 플랫폼, 유튜브에서는 연일 랭체인과 RAG, AI 에이전트와 관련된 콘텐츠가 엄청나게 쏟아지고 있다. 최근에는 앤트로픽의 MCP, 구글의 A2A 프로토콜이 발표되면서 발전 속도를 가속화시키고 있고, 다양한 분야에서 AI 에이전트 기반의 서비스들이 계속해서 출시되고 있다.

AI 에이전트를 구현하는 프레임워크 중에서 단연 선두 그룹에는 랭체인이 있다.

이 책은 랭체인과 관련된 창업자, 개발자, 컨트리뷰터가 집필한 책으로, 랭체인을 활용한 LLM 애플리케이션을 개발하는 전 과정을 코드와 함께 자세히 설명하고 있다. 개인적으로 랭체인의 입문서라기보다는 고급 과정에 가깝게 느껴졌다.

[추천 독자]

- 랭체인을 활용하여 생성 AI 애플리케이션을 만들고 싶은 개발자

- 자바스크립트 기반의 생성 AI 애플리케이션을 만들고 싶은 개발자

- 기존의 LLM 애플리케이션을 고도화하고 싶은 개발자

[키워드]

#AI #생성AI #오픈AI #챗GPT #머신러닝 #앤트로픽 #클로드 #구글 #바드 #제미나이 #해리슨체이스 #지시튜닝 #대화튜닝 #파인튜닝 #프롬프트 #프롬프트엔지니어링 #제로샷 #사고의연쇄 #CoT #검색증강생성 #RAG #툴호출 #툴콜링 #퓨샷 #랭체인 #임베딩 #벡터저장소 #메모리 #프롬프트템플릿 #랭스미스 #랭그래프 #파이썬 #자바스크립트 #LLM #JSON #출력파서 #Runnable #LCEL #엠비언트 #에이전트 #멀티에이전트 #인지아케텍처 #MCP #A2A #체인 #구조화된출력 #랭그래프플랫폼 #AI애플리케이션배포

[특징]

랭체인 기반 AI 애플리케이션 전 과정을 코드 기반으로 학습

파이썬과 자바스크립트 예제를 동시에 표기

실무에서 사용할 수 있는 다양한 기법을 코드 기반으로 제시

MCP 활용법 수록

[책의 구성]

이 책은 전체 11개 장과 1개의 부록으로 구성되어 있다.

CHAPTER 00 "랭체인을 위한 기초 AI 지식"에서는 기존 머신러닝과 LLM의 차이점, LLM의 개념과 특징을 설명하고, 프롬프트 엔지니어링 방법, 랭체인의 소개와 특징을 설명한다.

CHAPTER 01 "랭체인의 기본 LLM 사용법"에서는 파이썬과 자바스크립트 기반의 랭체인 개발 환경 구축 방법과 랭체인을 통한 LLM 호출, 템플릿 사용법, 구조화된 답변 생성, LCEL을 통한 파이프라인 구성 방법을 설명한다.

<1장 랭체인의 기본 LLM 사용법 - 1.1 랭체인 사용 환경 구축 p42~p43>

CHAPTER 02 "RAG 1단계: 데이터 인덱싱"에서는 LLM의 태생적인 한계를 설명하고 한계를 극복하기 위한 인덱싱 과정으로 임베딩의 개념, 문서를 텍스트로 변환하는 방법과 텍스트 분할 개념, 임베딩 생성과 벡터 저장소(PGVector) 저장 및 최적화 기법을 설명한다.

CHAPTER 03 "RAG 2단계: 데이터 기반 대화"에서는 사용자의 질의에 가장 관련성이 높은 데이터를 벡터 저장소에서 효과적으로 가져오는 다양한 기법(질의 변환, 라우팅, 메타데이터 필터 활용, 텍스트2SQL)을 설명한다.

<3장 RAG 2단계: 데이터 기반 대화 - 3.2 쿼리 변환, p126~p127>

CHAPTER 04 "랭그래프를 활용한 메모리 기능"에서는 랭그래프의 상태를 사용하여 이전의 대화 내용을 기억하고 참조할 수 있는 방법을 설명한다.

CHAPTER 05 "랭그래프로 구현하는 인지 아키텍처"에서는 랭그래프로 구현하는 세 가지 패턴을 설명한다. 단순 LLM 호출, 정해진 순서로 호출하는 체인 패턴, 조건에 맞는 라우터 패턴을 학습한다.

CHAPTER 06 "에이전트 아키텍처 I"에서는 랭그래프로 구현하는 에이전트 구축 방법을 학습한다. 계획-실행-평가 반복 , 툴 호출, 다중 툴 호출 방법을 실습을 통해 학습한다.

<6장 에이전트 아키텍처I - 6.4 복수 툴 호출, p234~p235>

CHAPTER 07 "에이전트 아키텍처 II"에서는 랭그래프로 구현하는 고급 기능인 자기 성찰과 서브 그래프, 다중 에이전트 기법을 설명한다.

CHAPTER 08 "LLM의 성능을 높이는 패턴"에서는 구조화된 출력과 스트리밍을 통한 중간 출력 방법, 사용자의 개입으로 신뢰성을 확보하는 방법을 살펴본다.

CHAPTER 09 "AI 애플리케이션 배포"에서는 랭그래프 플랫폼에서 AI 애플리케이션(LLM, 벡터 저장소, 백엔드 API)을 배포하는 방법을 단계적으로 실습한다.

CHAPTER 10 "테스트: 평가, 모니터링, 개선"에서는 환각을 방지하기 위한 LLM 애플리케이션의 단계별(설계, 사전 제작, 운영)로 테스트하는 방법과 평가 기법을 설명하고 랭스미스의 추적 기능을 설명한다.

<10장 테스트: 평가, 모니터링, 개선 - 10.2 설계 단계: 자체 보정 RAG, p324~p325>

CHAPTER 11 "LLM 애플리케이션 개발"에서는 LLM 애플리케이션의 주요 패턴인 챗봇, LLM과의 협업 패턴(코파일럿), 앰비언트 컴퓨팅의 개발 요소를 설명한다.

APPENDIX A. "MCP 서버의 구축과 활용"에서는 MCP의 개념과 FastMCP 패키지를 사용하여 MCP 서버를 만들고 클로드와 연결하는 방법, VS 코드에서 공개 MCP 서버를 연결하는 방법, 랭체인에서 MCP 서버를 연결하는 방법을 설명한다.

<부록 A MCP 서버의 구축과 활용 - A2.1. FastMCP를 사용한 MCP 서버 구현, p378 ~ p379>

[인용]

저자의 인용글에서 실제 애플리케이션을 개발하는 데 있어서 가장 중요하게 생각하는 것은 실무 경험이라는 것을 알 수 있었다.

LLM은 소프트웨어 개발 방식(https://karpathy.medium.com/software-2-0-a64152b37c35)뿐 아니라, 우리가 만드는 소프트웨어 자체를 바꿀 잠재력을 지니고 있다. <중략>

지름길은 없다. 실제로 엉성한 애플리케이션이라도 만들어 보고, 사용자와 직접 소통한 뒤, 계속 개선해 나가야 한다.

11장 LLM 애플리케이션 개발, p371

[소감]

랭체인 관련 전문가들이 집필한 이 책은 다른 책들과 분명한 차이가 있었다. 그 차이라는 것이 장점이라는 이야기가 아니라, 실무 중심의 깊이 있는 접근 방식이 다르다는 것이다.

이 책은 랭체인, 랭그래프, 랭스미스를 활용하여 다양한 LLM 애플리케이션을 개발하는 방법론을 소개한다. 특히 책에서 소개하는 성능 개선을 위한 다양한 기법은 실전에서 바로 사용하고 싶을 정도로 실용적이었다. 또한 책에서 소개한 코드는 수정 없이 사용할 수 있을 만큼 완성도가 높다.

모든 장이 유익했지만, 특히 마지막 10장 테스트 부분과 11장 LLM 애플리케이션 개발 영역, 부록의 MCP 서버 구축과 활용 부분이 인사이트를 확장하는 데 많은 도움을 주었다.

[추천]

책에서 제시하는 코드와 기법은 실무에서 사용하기에 충분히 도움이 될 것입니다. LLM 기반 애플리케이션 개발을 계획하고 있거나 기존 애플리케이션의 성능을 개선하고자 한다면, 이 책에서 소개하는 다양한 패턴과 기법이 분명 도움이 될 것입니다.