한빛미디어

※ 한빛 서평단 활동의 일환으로 책을 제공 받았으며, 그것과 별개로 최대한 객관적으로 쓰려고 노력하였습니다.

요즘 AI 관련 책을 보면 랭체인, 랭그래프, RAG, MCP 같은 키워드가 정말 자주 보입니다.

솔직히 이런 단어들을 보면 일단 흥미가 생깁니다. AI 에이전트를 직접 만들어볼 수 있다거나, 문서 기반으로 답변하는 RAG를 구현할 수 있다거나, 여러 도구를 연결해 자동화할 수 있다는 이야기는 확실히 매력적입니다.

​

그래서 이번에 『트랜스포머 아키텍처로 배우는 AI 에이전트 with 랭체인 & 랭그래프』를 살펴보게 되었습니다. 다만 먼저 말해두자면, 이 책은 제가 생각했던 것보다 훨씬 깊이가 있는 책이었습니다. 책을 받은 뒤 충분히 오랜 시간 동안 모든 내용을 따라가 보지는 못했고, 이번 글은 책의 목차와 일부 본문을 살펴보며 느낀 첫인상에 가까운 리뷰입니다.

​

그럼에도 한 가지는 분명하게 느꼈습니다. 이 책은 단순히 “랭체인으로 챗봇 만들기” 같은 가벼운 실습서가 아닙니다. 오히려 AI 에이전트가 어떤 원리 위에서 움직이는지, 그 기반이 되는 트랜스포머 아키텍처를 어떻게 이해해야 하는지를 꽤 본격적으로 다루는 책에 가깝습니다.

책 제목에는 랭체인과 랭그래프가 들어가지만, 책의 출발점은 훨씬 앞에 있습니다. 자연어 처리의 기본 개념부터 시작해서 토큰화, 임베딩, 기초 수학, 강화학습, RNN, LSTM, seq2seq, 어텐션, 트랜스포머로 이어집니다. 이후에야 Ollama, 허깅페이스 트랜스포머, Llama_cpp, 랭체인, 랭그래프, 파인튜닝, RAG, 멀티 에이전트, MCP, Streamlit 서비스 구현으로 넘어갑니다.

​

그러니까 이 책은 최신 AI 도구를 바로 사용하는 방법만 알려주는 책이라기보다는, 그 도구들이 어떤 배경에서 나왔고 내부적으로 어떤 구조를 가지고 있는지 설명하려는 책입니다.

이 방향성 자체는 좋았습니다.

​

요즘은 AI 도구가 워낙 쉽게 느껴집니다. 프롬프트를 입력하면 답이 나오고, API를 호출하면 결과가 돌아오고, 랭체인이나 랭그래프 같은 도구를 쓰면 뭔가 그럴듯한 에이전트를 만들 수 있을 것처럼 보입니다.

​

하지만 막상 문제가 생기면 이야기가 달라집니다. 왜 답변이 이상한지, 왜 문맥을 제대로 못 잡는지, RAG 검색이 왜 엉뚱하게 되는지, 에이전트 흐름이 왜 꼬이는지 이해하려면 결국 내부 구조를 어느 정도 알아야 합니다.

​

이 책은 바로 그 지점을 건드립니다.

초반부에서 인상적이었던 부분은 트랜스포머를 설명하기 위해 자연어 처리의 흐름을 차근차근 쌓아간다는 점이었습니다. 단어를 토큰으로 나누고, 그 토큰을 임베딩 벡터로 바꾸고, 문맥을 처리하는 방식이 어떻게 변화해왔는지를 설명합니다.

​

트랜스포머가 갑자기 하늘에서 떨어진 기술이 아니라, 기존 순차 모델의 한계 속에서 등장했다는 흐름을 잡아주는 방식입니다.

​

특히 본문을 보면 그림과 도식을 꽤 많이 사용합니다. 토큰화, 임베딩, 트랜스포머 처리 과정처럼 말로만 설명하면 추상적으로 느껴지는 내용을 그림으로 풀어주려는 시도가 보입니다.

​

이런 부분은 좋았습니다. AI 모델의 내부 구조는 말만으로 설명하면 너무 멀게 느껴지는데, 그림이 함께 있으니 그래도 흐름을 따라가기가 조금 수월했습니다.

​

다만 수식이 등장하기 시작하면 난이도가 확 올라갑니다. 편미분, 그래디언트, 소프트맥스, 손실 함수, 강화학습의 가치 함수, RNN의 그래디언트 계산 같은 내용이 나오는데, 솔직히 제 실력으로는 전부 이해하면서 읽기는 쉽지 않았습니다.

​

그림이 있다고 해서 수식 자체가 쉬워지는 것은 아니더라고요. 읽으면서 “아, 나는 아직 입문서를 더 보고 와야 하는구나”라는 생각이 들었습니다.

그래서 이 책은 확실히 입문서라고만 보기는 어렵습니다. 물론 책 안에서 기초 개념을 설명해주기는 합니다. 자연어 처리의 시작부터 강화학습, 시퀀스 모델, 어텐션, 트랜스포머까지 흐름을 잡아주려는 구성도 있습니다.

​

하지만 다루는 내용의 깊이와 폭을 생각하면, 완전 초보자가 아무런 배경지식 없이 편하게 읽을 책은 아닙니다. 파이썬 실습만 어느 정도 따라 할 수 있다고 해서 끝나는 책도 아니고, 딥러닝과 수학 개념에 대한 기본적인 감각이 있으면 훨씬 더 잘 읽힐 책입니다.

​

저처럼 AI 에이전트나 랭체인, 랭그래프에 대한 관심으로 접근한 독자라면 초반 이론 파트에서 조금 당황할 수 있습니다.

​

“나는 에이전트를 만들어보고 싶었는데, 갑자기 편미분과 강화학습이 나오네?” 싶은 순간이 있습니다.

​

그런데 책의 의도는 이해됩니다. AI 에이전트를 제대로 이해하려면 결국 LLM이 어떻게 동작하는지, 트랜스포머가 어떤 구조인지, 모델 학습과 추론이 어떤 원리로 이루어지는지 알아야 한다는 것이겠죠. 그러니까 이 책은 빠르게 결과물을 만들고 싶은 사람보다, 도구 뒤의 원리를 알고 싶은 사람에게 더 잘 맞습니다.

중반 이후로 가면 책의 주제가 점점 요즘 AI 개발 흐름과 가까워집니다. Ollama, 허깅페이스 트랜스포머, Llama_cpp 같은 도구를 다루고, 랭체인과 랭그래프 실습으로 이어집니다. 이후에는 파인튜닝, PEFT, LoRA, QLoRA, 양자화, RAG, ChromaDB, Iterative RAG, Adaptive RAG, 멀티 에이전트, A2A, MCP까지 다룹니다.

​

목차만 봐도 상당히 넓습니다. 개인적으로는 이 점이 이 책의 가장 큰 장점이자 동시에 부담으로 느껴졌습니다.

​

장점은 AI 에이전트 개발과 관련된 주요 키워드를 한 권 안에서 큰 흐름으로 볼 수 있다는 점입니다. 요즘 여기저기서 들리는 개념들이 따로 흩어져 있는 것이 아니라, 자연어 처리와 트랜스포머라는 기반 위에서 어떻게 이어지는지 확인할 수 있습니다.

​

반대로 부담은, 이 모든 내용을 한 번에 소화하기 어렵다는 점입니다. 특히 파인튜닝이나 RAG 응용, 멀티 에이전트, MCP 같은 부분은 각각 따로 공부해도 적지 않은 주제입니다.

​

이 책은 그것들을 한 권 안에 담고 있기 때문에, 독자 입장에서는 깊이 이해하기보다 “일단 이런 구조와 흐름이 있구나”를 잡는 쪽으로 접근하는 것이 더 현실적일 것 같습니다.

이 책을 보면서 가장 크게 느낀 건, AI 관련 기술서에도 단계가 있다는 점이었습니다.

​

처음에는 AI 도구를 써보는 책이 필요합니다. ChatGPT를 어떻게 활용할지, API를 어떻게 호출할지, 간단한 챗봇이나 RAG 예제를 어떻게 만들지 알려주는 책이 입문자에게는 더 맞습니다.

​

그 다음 단계에서 필요한 것이 이런 책이 아닐까 싶습니다. 단순히 코드를 복사해서 실행하는 수준에서 벗어나, 왜 이 구조가 필요한지, 모델이 어떤 방식으로 문맥을 처리하는지, 랭체인과 랭그래프 같은 도구가 어떤 문제를 해결하려고 등장했는지를 알고 싶을 때 이 책의 가치가 살아납니다.

​

초반은 어떻게든 따라잡기는 했는데, 중반부터는... ㅠ

저는 조금 섣부르게 중급 서적에 도전한 느낌이 있었습니다. 아직은 AI 입문서나 파이썬 기반 딥러닝 기초를 조금 더 보고 오는 편이 맞겠다는 생각도 들었습니다.

​

하지만 그렇다고 책이 별로였다는 뜻은 아닙니다. 오히려 제 현재 위치를 확인하게 해준 책에 가깝습니다.

“아, 내가 지금 관심 있는 AI 에이전트라는 분야가 생각보다 훨씬 깊은 기반 위에 서 있구나.”

“랭체인이나 랭그래프를 쓰기 전에, 트랜스포머와 RAG의 구조를 어느 정도는 이해해야겠구나.”

​

이런 생각을 하게 만들었습니다.

이 책의 장점은 원리 중심의 구성입니다. 요즘 AI 개발은 도구가 너무 빠르게 바뀝니다.

어떤 라이브러리가 유행하다가 금방 다른 도구가 나오고, 새로운 프로토콜이나 프레임워크도 계속 등장합니다. 이런 상황에서는 단순한 사용법만 익히면 금방 낡을 수 있습니다.

​

반면 트랜스포머, 어텐션, RAG, 에이전트 구조 같은 원리를 이해하면 새로운 도구가 나와도 어느 정도 스스로 판단할 수 있습니다. 이 책은 그런 기준을 만들고 싶은 독자에게 도움이 될 책입니다.

​

다만 아쉬운 점은 역시 난이도입니다. 수식이 많고, 다루는 개념도 많습니다. 설명과 그림을 통해 최대한 풀어주려는 시도는 보이지만, 중급 수준의 배경지식이 없다면 중간중간 따라잡기 힘든 구간이 있습니다.

​

그래서 이 책은 “AI가 궁금한 완전 초보자”보다는 “AI 에이전트 개발을 더 깊게 이해하고 싶은 개발자”에게 더 적합합니다.

추천 대상을 정리하면 이렇습니다.

랭체인과 랭그래프를 단순히 사용하는 수준을 넘어 구조적으로 이해하고 싶은 분.

RAG, 파인튜닝, 로컬 LLM, MCP 같은 최신 AI 개발 키워드를 한 권 안에서 넓게 훑어보고 싶은 분.

트랜스포머 아키텍처가 실제로 어떤 흐름으로 LLM과 AI 에이전트까지 이어지는지 알고 싶은 분.

AI 기능을 서비스에 붙이는 것을 넘어, 내부 원리와 한계를 이해하고 싶은 개발자.

​

반대로 AI나 딥러닝을 처음 접하는 분에게는 조금 어렵게 느껴질 수 있습니다. 저처럼 아직 입문 단계(초급은 지났다고 생각했었지만...)에 있다면, 이 책을 처음부터 끝까지 완벽히 이해하려고 하기보다는 관심 있는 챕터를 먼저 훑고, 모르는 부분은 나중에 다시 돌아오는 방식이 더 좋을 것 같습니다.

마무리하자면, 『트랜스포머 아키텍처로 배우는 AI 에이전트 with 랭체인 & 랭그래프』는 가벼운 실습서가 아닙니다. AI 에이전트를 만드는 방법을 다루기는 하지만, 그 전에 “AI 에이전트가 서 있는 기반”을 설명하려는 책입니다. 그래서 읽는 데 시간이 필요하고, 수식과 이론을 마주할 준비도 필요합니다.

​

저에게는 솔직히 쉽지 않은 책이었습니다. 아직은 입문서를 조금 더 보고 와야겠다는 생각이 들 정도로 중급 이상의 밀도가 있었습니다.

​

그럼에도 이 책이 보여주는 방향은 분명합니다. AI를 블랙박스처럼 가져다 쓰는 데서 한 걸음 더 나아가, 그 구조를 이해하고 자기만의 에이전트를 설계하고 싶은 사람이라면 충분히 도전해볼 만한 책입니다.

​

지금 당장 모든 내용을 이해하지 못하더라도, AI 에이전트라는 분야가 얼마나 넓고 깊은지 확인하는 데에는 꽤 의미 있는 책이었습니다.