한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

최근 회사에서 AI 활용을 적극적으로 지원해줌에 따라 어떻게 써야 실무에 도움이 될지 꽤 자주 이야기를 나누고 있다. 그러다 한 번은 한 시니어가 “어차피 바이브코딩으로 하면 되는데 스킬이나 룰이 왜 필요한지 잘 모르겠다”, “토큰이 부족하다고 느껴본 적이 없는데 왜 토큰을 아껴야 하나?”는 말을 했다. 이에 대해 반박하고 싶었는데, 막상 그 자리에서는 설득의 언어가 바로 나오지 않았다. 회의 끝나고 계속 그 말이 기억에 남아 이것저것 찾아보다가 ‘컨텍스트 엔지니어링’이라는 개념을 알게 됐고, 이 책을 신청했다.

읽으면서 제일 먼저 정리된 건 내가 그동안 프롬프트를 잘 쓰는 쪽에만 기대고 있었다는 점이었다. 질문을 정교하게 만들면 답이 좋아질 거라 생각했는데, 실무에서는 그게 전부가 아니었다. AI가 답을 잘하려면 질문보다 참고해야 할 맥락이 먼저 들어가야 한다. 업무 용어, 정책, 데이터 정의, 성공 기준 같은 게 비어 있으면 답은 금방 원론으로 흐른다. 반대로 맥락이 제대로 들어가면 같은 질문도 훨씬 구체적으로 내려온다. 책에서 프롬프트 엔지니어링과 컨텍스트 엔지니어링을 비교해 설명하는 부분이 있는데, 그걸 보고 나서야 회의에서 답답했던 이유가 정리됐다. 질문 싸움이 아니라 맥락 싸움이었다.

그래서 다음에 비슷한 얘기가 나오면 프롬프트를 잘 쓰면 된다는 수준이 아니라, 어떤 맥락을 어떤 형태로 넣어야 결과가 안정적으로 나온다는 쪽으로 설명할 수 있을 것 같다. 이 책은 왜 굳이 컨텍스트를 설계해야 하는지, 왜 스킬과 룰이 필요한지 같은 질문을 실제로 마주친 사람에게 특히 잘 맞는 책이라고 느꼈다.

내가 만든 프로덕트의 AI 답변이 만족스럽지 못할 경우가 있다. 또는 Github Copilot, 커서 AI가 엉뚱하게 동작한다거나 토큰 비용이 과다하게 발생한다. 이럴 경우 해결법으로는 대개 프롬프트를 바꾸거나 더 싼 LLM으로 갈아타거나 새로운 채팅으로 시작하라고 한다. 모두 맞는 얘기지만 그 이유를 정확히 알고 있으면 더 싸게, 더 쉽게, 더 빠르게 내가 원하는 프로덕트를 만들 수 있을 것이다. 그 비밀은 컨텍스트에 있다.(맥락) 즉 컨텍스트 윈도우에 담겨있는 내용이 모든 답을 말해준다. 이 책은 AI 에이전트에서 컨텍스트를 효과적으로 다루는 방법을 개념과 예제를 통해서 설명한다.

[책의 구성]

이 책은 전체 4개 PART, 총 14개 장과 부록으로 구성되어 있다. (344페이지 분량)

PART 01 "AI 활용의 패러다임을 바꾸는 컨텍스트 엔지니어링"에서는 컨텍스트 엔지니어링의 개념과 구성요소를 예제와 함께 비교하며 설명한다.

<1장 프롬프트 이후의 시대: 컨텍스트 엔지니어링 - 1.1.3 예제 코드로 이해하는 컨텍스트의 부재, p28~p30>

PART 02 "AI 에이전트를 위한 4가지 기초 컨텍스트 패턴"에서는

AI 페어 프로그래머, 고객 응대 챗봇, 도메인 전문 어시스턴트, AI 스토리텔러 라는 4가지 특정 상황에서 맞닥뜨리는 문제를 컨텍스트를 활용하여 해결하는 방법을 예제 코드로 설명한다.

<6장 창작 및 교육: 맞춤형 AI 튜터와 세계관을 지키는 AI 스토리텔러 - 6.1.1 설정을 잊은 작가, p162~163>

<7장 AI 에이전트의 탄생 - 7.3.3 컨텍스트 흐름 시각화 다이어그램, p192~p193>

PART 03 "나만의 AI 에이전트 구축"에서는 입력된 데이터를 기반으로 문제 해결을 위한 추론(계획) -> 행동 -> 관찰로 이어지는 워크플로를 이해한 후 개발자 에이전트, FAQ 챗봇, 의료 연구원 에이전트를 실습하면서 학습한다.

<9장 AI 고객센터 에이전트: 다중 컨텍스트 융합 - 9.4 다중 컨텍스트 융합 에이전트 만들기, p250~p257>

PART 04 "컨텍스트의 확장: 평가, 윤리, 미래"에서는 품질 관리를 위한 로그 작성 및 평가 방법, 책임 있는 AI와 보안을 위한 전략, AI 엔지니어로써 다음 관계를 위한 로드맵을 제시한다.

APPENDIX "실무 적용 노트"에서는 파이썬 3.11, LangChain v1.0, LLM API 키 설정등의 예제 코드 실습을 위한 환경 설정과 챗GPT, 클로드, 제미나이를 사용하기 위한 기본 지식, 트러블 슈팅, 용어집, 색인으로 구성되어 있다.

[소감]

프롬프트 엔지니어링과 컨텐스트 엔지니어링의 차이를 예제 코드를 통해 비교하는 책의 진행 방식은 추가 설명이 필요없을 정도로 쉽게 이해가 된다. 컨텍스트 엔지니어링이 적용된 전/후를 비교 설명하기 때문이다. 예제 코드는 OpenAI/Anthropic/Google 모델을 주석 해제 만으로 변경하기 쉽게 구성되어 있으며, AI 에이전트 프로그램에서 컨텍스트를 관리하는 방법을 완성도 높게 보여 준다. 책의 모든 코드가 LangChain v1.0.x를 지원하기 때문에 현업에서도 바로 사용할 수 있을 것이다. 특히, 10장의 스스로 진화하고 성장하는 에이전트 워크플로가 인상 깊었다.

[추천]

개발 패러다임이 하루가 다르게 진화하고 있다. 지금은 AI 에이전트 시대이다. AI 에이전트를 이해하고 AI 에이전트처럼 생각하고 행동해야 적응할 수 있다. 그렇지 않으면 AI나 다른 개발자에게 교체가 될 것이다. 그런 관점에서 이 책이 시의 적절하게 출간되었고, 완독할 수 있어서 대단히 감사하다. AI 서비스 개발자뿐만 아니라 지금 시대에 개발하시는 모든 분들께 이 책을 추천드립니다. 우리는 AI 에이전트처럼 생각해야 합니다.

### "한빛미디어 서평단 <나는리뷰어다> 활동을 위해 도서를 제공받아 작성된 서평입니다."
---

최근 회사에서 학습 컨텐츠를 만드는 일을 하면서, 생각보다 많은 시간을 프롬프트에 쓰고 있었다. 예시 문제(원본)가 있고, 사용자의 상황(직무/레벨/목표)에 맞게 문제를 re-writing한 뒤, 정해진 JSON 스키마에 맞춰 컨텐츠를 생성해 반환하는 작업이다.

겉으로 보면 단순하다. “규칙만 잘 지키면 자동으로 안정적인 결과가 나오겠지”라고 생각했다. 근데 운영으로 들어가니 제일 곤란한 문제가 생겼다. 결과가 항상 일정하지 않다. 어떤 날은 규칙이 잘 적용되는데, 어떤 날은 규칙이 누락되는 느낌이 들었고 컨텐츠 퀄리티도 들쭉날쭉했다.

특히 제일 치명적인 건 “형식”보다 “내용”이었다. 형식은 대부분 잘 맞춰주는데 정작 사용자 맥락을 제대로 반영하지 못하는 결과가 종종 나왔다. 사용자 입장에서는 “그럴듯한 문제”가 아니라 “내 상황에 맞는 문제”가 필요한데, 그걸 놓친 결과물은 결국 내가 다시 손으로 고쳐야 했다. 그리고 특정 한두가지 property값만 기대치에 못 미치면 스트레스를 받았다.

이 책을 읽고 나서 내가 바꾼 건 프롬프트 문장력이 아니라, 컨텍스트를 다루는 방식이었다. 특히 두 가지가 결정적이었다.

1. 강화형 컨텍스트 학습으로 “생성 후 보완” 루프를 만들기
2. re-writing 컨텍스트와 컨텐츠 생성 컨텍스트를 분리하기

문제는 ‘규칙이 부족해서’가 아니라 ‘규칙이 강화되지 않아서’였다. 규칙을 전부 적어놓긴 했지만 그럼에도 고려하지 못한 부분, 엣지 케이스들이 훨씬 많았다. 그래서 필요한 건 “처음부터 완벽한 규칙”이 아니라, 구멍을 발견하면 강화하는 게 맞아 보였다.

### 1. 강화형 컨텍스트 학습으로 ‘생성 후 보완’ 루프 만들기

강화형 컨텍스트 학습 플로우를 만들기 위해서 결과물을 만든 다음,그 결과물에서 “규칙을 보완할 지점”을 찾아 다음 생성에 반영해 강화했다. 그러다보니 계속 진행할수록 퀄리티가 올라갔다. 생성하고 피드백한만큼 강화되는 것이다.

### 2. re-writing과 컨텐츠 생성 컨텍스트를 분리하기

또 하나 크게 바꾼 건 “한 번에 다 하게 만들지 말자”였다.

이전에는 한 프롬프트 안에서 원본 예시 문제를 해석하고 사용자 맥락을 반영해 re-writing하고 JSON 스키마에 맞춰 컨텐츠를 생성하고 이 모든 걸 동시에 시켰다. 내용은 빠진 게 없었지만 AI가 한번에 하려니까 퀄리티가 잘 안 나왔다.

그래서 나는 컨텍스트를 의도적으로 두 덩어리로 분리했다.

1) re-writing 컨텍스트

- 사용자 맥락을 “어떻게” 반영할지에 집중

- 직무/레벨/목표를 반영하는 기준을 명시

- 원본 문제의 핵심을 유지하는 규칙 포함

→ 여기서 결과물은 “텍스트”다. (아직 JSON 아님)

2) 컨텐츠 생성 컨텍스트

- re-writing 결과를 입력으로 받아

- JSON 스키마 준수에 집중

- 금지어/길이/톤 등 출력 제약을 강하게 적용

→ 여기서 결과물은 “JSON”이다.

이렇게 하니까 퀄리티가 훨씬 올라갔고 디버깅하기도 쉬워졌다. 중간단계인 re-writing 결과를 로그로 찍어보면 re-writing 단계의 문제인지, 뒷단의 문제인지 쉽게 판단할 수 있었다. 무엇보다 “사용자 맥락 반영”이 컨텐츠 생성 과정에서 묻히지 않았다. 맥락을 반영하는 일과, 형식을 맞추는 일을 분리하니 서로의 품질을 갉아먹지 않게 됐다.

### 마무리

이 책을 읽고 나서 내가 얻은 건 “프롬프트를 잘 쓰는 법”이 아니었다. 운영 가능한 컨텍스트 설계 방법이었다.

- 규칙은 한 번에 완성되지 않는다 → 강화 루프가 필요하다

- 한 프롬프트에 모든 걸 넣으면 흔들린다 → 컨텍스트를 분리해야 한다

기존에는 너무 사람처럼 생각했는데 이제는 AI의 입장에서 조금이나마 프롬프트를 작성할 수 있게 되지 않았나 싶다.


#한빛미디어 #나는리뷰어다 #컨텍스트엔지니어링으로구축하는AI에이전트

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

생성형 AI가 등장한 지도 벌써 몇 년이 지났다. 그동안 AI 모델의 성능도 많이 개선되었으며, 그보다 AI를 사용하는 사람들이 행태도 많이 달라졌다. 이제는 프롬프트만 고민하던 시대는 지나갔다. 이제는 ‘무엇을 물어볼 것인가’보다 ‘어떤 맥락을 함께 제공할 것인가’가 더 중요하다는 깨닫는 중이다.

실제로 나 역시 업무나 개인 프로젝트를 진행하면서 AI가 맥락을 슬쩍 벗어나는 순간들을 여러 번 보았다. 분명 같은 주제인데도 이전 대화의 의도를 잊어버린 듯 엉뚱한 답을 내놓을 때가 있다. 또 업무에 활용하려고 하면, 내부 문서나 배경 정보를 어디까지, 어떤 방식으로 정리해 제공해야 할지 막막해진다. 더 솔직히 말하자면 그런 내부 문서 따위는 없기 때문에 쉽지 않다. 이 책은 컨텍스트의 중요성을 기반으로 어떤 AI를 쓰더라도 효과적으로 활용할 수 있도록 돕는다. 단순히 “프롬프트를 잘 써라”가 아니라, AI가 이해할 수 있는 구조로 컨텍스트를 설계하라는 메시지를 일관되게 던진다.

책의 구성은 컨텍스트가 부족할 때와 충분할 때 AI의 답변이 어떻게 달라지는지를 비교해 보여주는 방식 구조이다. 책에 나온 코드를 생성형 AI API와 연동하여 실행하면 답변의 차이를 직접 비교해볼 수 있다. 같은 질문이라도 맥락에 따라 답변이 완전히 달라지는 것을 알 수 있다. 그동안 내가 막연히 감으로 쓰던 프롬프트가 얼마나 즉흥적이었는지 돌아보게 된다. 단순한 이론 설명이 아니라, 실제 코드와 실행 결과를 통해 차이를 확인하도록 구성된 점도 인상적이다.

다만 나의 독서 환경은 주로 출퇴근길이거나 컴퓨터 앞이 아닌 장소라, 예제 코드를 직접 실행해보지는 못했다. 그래서 설명 위주로 이해해야 했는데, 몇몇 예제는 굳이 실행하지 않아도 충분해보인다. 전체 분량에서 소스 코드가 차지하는 비중이 크다는 점은 약간 부담스러웠다.

그럼에도 불구하고, 개발자가 아니어도 충분히 건질 수 있는 통찰이 많다. 특히 시스템 프롬프트 설계, 역할 부여, 기억을 어떻게 다룰 것인가에 대한 설명은 당장 실무에 적용해볼 만하다. 나 역시 이미 시스템 프롬프트를 사용하고 있지만, 이 책을 읽고 나니 지금 내가 AI를 쓰고 있는 방식은 너무 단편적이지 않았나라는 생각이 들었다. 단순히 지시문을 붙이는 수준이 아니라, AI가 일관된 인격과 목적을 유지하도록 환경을 설계해야 한다는 점이 와닿는다.

읽고 나니 AI를 대하는 태도 자체가 조금 달라졌다. 이전에는 질문을 잘 다듬는 데 집중했다면, 이제는 내가 충분한 배경과 재료를 제공했는지 먼저 점검하게 된다. 프롬프트 기술을 넘어, AI와 협업하기 위한 사고방식을 정리해주는 책이라는 점에서 의미가 있다. AI를 도구로만 쓰던 단계에서, 맥락을 설계하는 파트너십 단계로 넘어가고 싶은 사람에게 도움이 될 책이다.
 

컨텍스트 엔지니어링을 중심으로 사용자가 만족할 수 있는 AI 에이전트 개발에 도움이 될만한 다양한 팁과 기법들이 소개된 책.

기존 책들이 프롬프트 엔지니어링 중심으로 기술한 한계를 넘어, RAG,메모리,에이전트 아키텍처를 아우르는 컨텍스트 엔지니어링에 초점을 맞춘 책이다.

책에 등장하는 법률 어시스턴트나 고객 상담 챗봇 등을 구현하다보면 저자가 강조하는 컨텍스트 엔지니어링에 대한 감을 잡을 수 있고 유사 패턴을 반복하여 익힐 수 있게 구성되어 있다.

다양한 예제로 설명되어있지만 그 중에서도 가장 대표적으로 저자의 컨텍스트 엔지니어링 아이디어를 잘 전달하는 페이지는 9장의 다중 컨텍스트 처리 흐름을 도식화한 그림이 아닐까 한다.

고객의 입력을 받아 병렬 컨텍스트 수집을 통해 합성을 진행하는 그림 상단부분이 가장 중요한 부분인데 그 중에서도 병렬 컨텍스트 수집 박스 안의 세가지 요소가 중요하다.

CRM 데이터의 경우 DB 연동을 통해 고객의 정보를 연결하는 부분이다. 다양한 챗봇이 등장하고 있음에도 여전히 고객이 챗봇에 대해 불편을 느끼는 문제 중 하나는 자신의 상황과 동떨어진 대답을 하는데서 비롯된다.

고객이 직접 주문한 물품이 배송상황이나 구입 후 활용하는 방법에 문제가 있어 질의를 하게 되는 것이 대부분인데 고객의 상황을 고려하지 않고 엉뚱하고 뻔한 대답을 늘어놓는 것은 고객으로 하여금 시간낭비를 일으키거나 답답한 감정을 불러일으키는 요소가 된다.

다음으로 RAG를 활용하여 전문 지식을 확보한다. 전문지식의 경우 고객이 구매한 제품의 매뉴얼이 될 수도 있고, 법률 분야의 최신 판례 혹은 연구 분야의 최신 정보가 이에 해당한다.

사용자가 현재 관심을 두고 있는 영역에 대한 자세하고 정확한 지식을 사전에 학습해 둠으로써 사용자가 원하는 답변을 효율적으로 보다 정확하게 전달할 수 있다.

마지막 의도분석 영역은 보다 소통을 원활하게 해준다. AI는 전용의 페르소나를 가짐으로써, 기본적으로 행동지침, 말투, 목표 등의 특징을 설정받는다. 이 책의 예시 중 하나인 스토리 텔러 챗봇의 경우 세계관의 헌법을 지정함으로써 맥락과 엉뚱한 방향의 스토리 진행을 제어할 수도 있다.

이를 통해 사용자 입장에서의 만족도 확보는 물론, 정확도를 향상시킬 수 있고, 경험 기반 최적화 및 경험 DB 확보 등 여러 장점을 얻을 수 있게 된다.

이 책의 또 하나의 장점은 컨텍스트 엔지니어링을 에이전트화하여 결합하여 활용할 수 있는 가이드라인을 제시하는데 있다. 7장의 컨텍스트 흐름 다이어그램이 컨텍스트간의 흐름을 자동화하여 구성할 수 있음을 보여주는 좋은 도식이다.

그 외에도 몇가지 인상적인 내용들이 있다. 복잡한 강화학습 알고리즘 없이도 컨텍스트를 통해 행동의 가중치를 업데이트하는 효과를 얻을 수 있는 기법이나 접근 권한별로 RAG를 접근 제어하는 방식 등은 큰 노력을 들이지 않아도 깔끔하게 실무에서 운영중인 에이전트를 손쉽게 손볼 수 있는 아이디어를 주기에 만족스러웠다.

전반적으로 예제들이 프로덕션을 지향하는 로드맵을 제시해준다는 점도 마음에 드는 부분이다. 대부분의 예제는 저자가 실무에서 활용중인 코드를 가져온 것이 아닐까 싶을 정도로 완성도가 높으며 이를 코어로 살을 붙여나간다면 독자가 현업에 빠르게 적용할 수 있을거라는 생각이 든다.

컨텍스트 엔지니어링 사고를 중심으로 보다 사용자가 만족할 수 있는 AI 에이전트를 구현하고 싶은 독자라면 이 책을 일독할 것을 권하고 싶다.

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

책제목  : 컨텍스트 엔지니어링으로 구축하는 AI 에이전트

저자 : 박경민 지음

출판년도 : 2025/12/29

https://www.hanbit.co.kr/store/books/look.php?p_code=B3240906879

컨텍스트 엔지니어링으로 구축하는 AI 에이전트

프롬프트 시대를 넘어 컨텍스트 엔지니어링으로

www.hanbit.co.kr

책을 읽기 전에...

나는 게임 클라이언트 프로그래머로 15년 이상을 종사하고 있다보니 직업병처럼

뭔가가 기대대로 안 나오면 “그럴 수 있음”으로 넘기기보다, 입력/상태/출력을 쪼개서 원인을 찾는다.

최근 취미로 바이브 코딩을 하면서 앱을 제작해 보니, AI 에이전트는 그 방식이 잘 안 먹히는 순간이 왔다.

원하는 대로 동작하지 않아서 지시를 더 구체화하고, 예시를 더 붙이고, 금지사항을 더 추가했다.

문제는 결과가 좋아지기보단 컨텍스트만 길어지고, 어느 순간부터는 “내가 지금 무엇을 고치고 있는지”조차 흐려졌다는 것.

이 책을 통해 노하우를 배우고 앱 제작을 성공적으로 완성하면 좋을것 같다.

책을 읽으며 도움이 되었던 부분.

1. 컨텍스트를 '긴 텍스트'가 아니라 '구조화된 템플릿'으로 바꾸기

기존에는 에이전트가 원하는 방식으로 안 움직일 때마다 프롬프트를 계속 덧붙였다.

그 결과 컨텍스트가 비대해졌고, 무엇이 효과가 있었는지/부작용이었는지 분리가 안 됐다.

책에서 배운대로 개인 개발 워크플로(B)에 붙일 때, 지시를 한 덩어리로 쓰는 대신

“역할/목표/금지/입력 데이터/출력 형식/예시”를 섹션으로 분리해서 템플릿 형태로 정리했다.

그리고 매번 전부 넣지 않고, 이번 호출에 필요한 조각만 넣는 쪽으로 접근을 바꿨다.

‘길게 말하면 해결된다’는 루틴에서 벗어나, 어느 섹션이 문제를 만들었는지(혹은 충돌하는지) 확인할 수 있는 형태가 됐다.

특히 “금지”와 “출력 형식”이 뒤엉켜서 모델이 이상하게 행동하던 패턴을, 템플릿 구조로 분리하니 수정 지점이 눈에 띄었다. 

에이전트 문제는 종종 “말을 더 잘하는 법”이 아니라 입력 계약을 설계하는 법에 가까웠다.

컨텍스트가 길어질수록 품질이 오르는 게 아니라, 우선순위가 무너지고 규칙이 충돌하면서 오히려 예측 불가능해진다.

2. '원하는 대로 동작'을 요청하는게 아니라 '검증 가능한 조건'으로 바꾸기

“내가 원하는 방식”이 너무 내 생각을 단편적으로 말해서, 결과가 틀리면 그냥 다시 말 걸고 또 길어졌다.

템플릿을 만들면서 “원하는 방식”을 문장 하나로 끝내지 않고,

출력 형식을 검증 가능한 조건으로 적어두는 쪽으로 바꿨다.

그랬더니 수정할 때 ‘문장 톤’이 아니라 규칙을 고치는 흐름이 생겼고,

그래서 재시도할 때도 내 수정이 누적되기보다 정리되기 시작했다.

에이전트를 “대화 상대”로 보면 감정노동(?)이 늘고, “런타임”으로 보면 디버깅 포인트가 생긴다.

나한테는 후자가 훨씬 맞았다.

내 작업에 어떤 도움을 받았나?

이전에는 막무가내식으로 계속해서 질문을 했다.

그리고 "아까 애기했던 건데 또 이야기 해야해?", "생각 좀 하고 대답하라고"라는 

의미없는, 또는 화가나서 아무렇게나 적는 내용들도 있었다.

하지만 책을 읽고, 실습하며 노하우를 터득한 후로는 템플릿화 하여 보다 빠르게

올바른 방향으로 갈 수 있었다.

내가 힘들었던 부분은  (원하는 대로 안 됨 → 더 길게 말함 → 더 엉킴) 와 같은 부분이었다.

구조를 잡고, 체계적으로 형식화 하는게 중요하다는 걸 몰랐다.

좋았던 점 2~4개

컨텍스트를 ‘설계 대상’으로 다루게 만든다:

에이전트를 신기술로 포장하기보다, 입력/출력/규칙의 문제로 끌어내려서 내가 통제할 수 있게 만든다.

“길어지는 프롬프트”의 유혹을 끊을 핑계를 준다:

잘 안 되면 더 말하게 되는 인간의 습관을, 구조/템플릿/검증 조건으로 바꿔준다.

실무 개발자 관점과 잘 맞는다:

내가 15년 동안 해온 일(규약, 분리, 디버깅)을 그대로 가져와 적용할 수 있었다.

바이브 코딩 같은 빠른 제작 흐름에 ‘안전벨트’를 달아준다:

속도는 유지하되, 나중에 망가지지 않게 기본 틀을 잡아주는 느낌.

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

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

AI 시대의 패러다임

앞으로의 개발자는 어떤 역할을 하게 될까? 이 질문은 꽤나 많은 개발자들과 관련 업종들을 불안에 떨게 하고 있다. 그 답은 정확히 어느 누구도 알 수는 없지만 지금의 패러다임으로 본다면 제일 유력한 한가지가 있다.

인공지능의 발전은 단순히 기술의 진보를 넘어 우리 삶의 패러다임을 근본적으로 변화시키고 있다. 초기 AI는 주어진 데이터를 분석하고 패턴을 인식하는 수동적인 역할에 머물렀다면, 이제는 스스로 판단하고 행동하는 능동적인 존재로 진화하고 있다. 이러한 변화의 핵심에는 '행동하는 AI'라는 새로운 패러다임이 자리하고 있다.

과거의 AI가 정보를 제공하는 조력자였다면, 현재의 AI는 실제 업무를 수행하고 문제를 해결하는 실행자로 거듭나고 있다. 단순히 질문에 답하는 것을 넘어, 복잡한 작업을 자동화하고, 여러 시스템을 연계하며, 상황에 맞는 최적의 행동을 취하는 AI 에이전트의 시대가 열리고 있다. 이는 AI 기술이 실험실에서 실생활로, 이론에서 실천으로 확장되는 중요한 전환점이다.

하지만 이러한 행동하는 AI를 제대로 구현하기 위해서는 단순히 강력한 모델만으로는 부족하다. AI가 올바른 맥락을 이해하고, 적절한 판단을 내리며, 효과적으로 행동하도록 만드는 '컨텍스트 엔지니어링'이 필수적이다.

즉 우리는 앞으로 더이상 AI 를 단순히 ‘호출하는’ 개발자에 머무르지 않고, 자율적인 AI 동료를 ‘설계하는’ 아키텍트의 관점을 갖는 ‘컨텍스트 엔지니어’로 진화하게 될 것이다.

프롬프트 엔지니어링 vs 컨텍스트 엔지니어링

프롬프트 엔지니어링은 AI에게 단일 질문이나 명령을 효과적으로 전달하는 기술이다. 주로 정적이고 일회성 상호작용에 초점을 맞추며, 사용자가 원하는 즉각적인 답변이나 결과를 얻는 것이 목표다.

반면 컨텍스트 엔지니어링은 AI 에이전트가 복잡한 작업을 자율적으로 수행할 수 있도록 전체적인 맥락, 도구, 지식, 그리고 행동 방식을 설계하는 것이다. 이는 단순한 질의응답을 넘어 AI가 여러 단계의 작업을 수행하고, 상황에 맞게 판단하며, 다양한 시스템과 상호작용할 수 있도록 하는 포괄적인 접근법이다.

AI 를 단순히 사용하는데 머무르는 것이 아니라 AI 의 지능과 사고 구조를 설계하는 사람, 마치 피노키오를 만드는 제페토가 되는 것이다.

책 소개

• 책 제목 : 컨텍스트 엔지니어링으로 완성하는 AI 에이전트: 랭체인, RAG, CoT, ReAct, LLMOps 로 구현하는 AI 서비스 실전 가이드
• 글쓴이 : 박경민
• 출판사 : 한빛미디어
• 초판 1쇄 : 2025.12.29

책의 특징

본론으로 들어가서, 본인 뿐 아니라 위에 언급한 것처럼 꽤나 많은 개발자들이 AI 시대의 빠른 속도에 불안감을 느끼고 있을 것이라고 생각한다. 물론 해당 책이 그 명확한 답이 되어주지는 않지만 본인은 책을 읽으면서 적어도 지금 가야하는 방향성은 제대로 알게 된 기분이었다.

다수의 일반인들 뿐 아니라 개발자들 또한 자연어를 AI 가 이해하면서 마치 친구나 사람과 대화하는 것처럼 명령해왔을 것이다.

> 파이썬으로 데이터 분석하는 코드 만들어줘. 일반적인 거 말고, 뭔가 좀 특별한 걸로 해줘. 시각화도 넣어줘. matplotlib 쓰는 게 좋을까 seaborn이 좋을까? 둘 다 괜찮긴 한데 최신 사용 추이 보고 네가 알아서 해줘. 참고로 데이터는 csv 파일인데, 컬럼이 몇 개 있는지 알아서 확인하고 진행해.

AI의 응답...

> 이거 실행하니까 에러 나는데 확인해서 고쳐

AI의 응답...

> 아 됐어. 근데 이걸 웹으로 만들고 싶은데, Flask로 할까 FastAPI로 할까? 아니면 Django? 각각의 장단점 좀 설명해줘. 그리고 프론트엔드는 React가 좋을까 Vue가 좋을까?

어찌저찌 굴러가서 잘 되면 되는게 아닐까? 라고 본인 또한 생각해왔지만 사실 위처럼 사용하는데는 문제들이 수도 없이 많다.

모호한 요구사항, 불필요한 선택지 나열, 명확하지 않은 컨텍스트, 범위 특정 불가 등으로 AI가 효과적으로 작업할 수 없는 전형적인 패턴이다. (좀 찔리지 않는가…?) 구체적인 요구사항과 필요한 정보를 간결하게 제공하는 것이 중요하다.

AI 를 활용하는 애티튜드를 새기다

AI 가 나오고 환호했던 우리들은 생각만큼 AI 가 원하는 답을 정확하게 내어주지 않음에 실망했었다. 거짓말을 말하거나, 내용을 까먹는 등 고질적인 문제들이 대두되어 그에 대한 해결책으로 프롬프트 엔지니어링이 반짝했던 짧은 시간이 있었더랬다. 우리는 더 구체적으로 정교하게 질문한다면 AI 가 더 나은 답을 줄 것이라고 생각했고 그것 또한 틀린 접근은 아니었다. 그러나, 본질적인 한계에 부딪혔고 이제 새로운 답을 찾아낸 것이다.

문제의 본질은 AI 가 요리하는 그 재료. 즉 컨텍스트가 없다는데에 있었다. 남들이 다 하는 AI 에게 어떻게 질문할 것인가의 고민을 넘어서서 우리는 이제 AI 가 내 의도를 정확히 파악하고 행동하기 위해서 무엇을 알려주어야하는가 에 대해 생각하고, AI 에게 정확한 배경 지식과 직접적인 기억을 주입해주어야한다.

그리고 단순하게 AI 를 쓰는 것에만 국한되지 말고, 페르소나 설정이나, AI 추론 능력의 극대화를 위해 CoT(Chain of Thoughts) 프롬프팅을 사용하는 것부터 시작하여 AI 가 임베딩(텍스트를 벡터로 변환)해 정보를 벡터 데이터베이스로 저장하는 방식을 이해하고, 이를 기반으로 효과적인 질문을 하는 방법까지 세심하게 생각하게 만든다.

현실적인 팁

AI 에게 데이터를 넘길 때도 큰 문서를 통째로 넘기기보다 청크 단위로 나누는 것도 그렇지만 CoT의 경우 새삼 흥미로웠던 부분인데, 사람 또한 말하는 중간에 길을 잃듯이 AI 또한 그럴 수 있는데, 만일 간단하게, ‘단계별로 차근차근 생각해봐.’ 라는 문장 하나만 붙인 것으로 사람이 보기 쉬운 결과에 그치지 않고 이전보다 정확한 대답을 내놓는 다는 것이다. 마치 AI 에게 생각하는 방법을 가르치는 기분이지 않은가?

고작 몇단어 정도의 수고로움으로 AI 를 정확하게 다룰 수 있게 되는데, 이러한 작은 팁들이 모여 확연하게 컨텍스트 아키텍트로 만들어주는 것이 아닐까?

또한, 개인적으로 Cli 등을 사용하는 사람들이 제일 궁금해하는 부분 중 하나인, 토큰 최적화 전략에 대해서도 빼놓지 않고 있는데, 근본적으로 컨텍스트의 효율과 연관지어 어떻게하면 둘 다 챙길 수 있는지 생각해보게 한다.

개인적인 반성

사실 해당 책을 계속 보면서 원론적인 팁들에 가까운 내용이자, 마치 ‘음.. 이렇게까지 생각한 적은 없었지만 그렇구나’ 정도였는데 특히 반성을 하게 된 챕터가 있다.

‘컨텍스트 엔지니어링’ 으로 실무에서 마주하는 문제들을 해결해보는 부분인데, 해당 책에서 진행하는 것처럼 실제로 본인은 실무에서 PR 리뷰 자동화, 스펙/이슈 핸들링에 있어서 AI 와 페어 프로그래밍을 진행한다고 해도 과언이 아니다. 그래서 실제로 해당 책에서 언급한 것처럼 응답의 질에 있어서나, 코드의 원래 의도를 무시하는 등의 응답들에 실망했던 부분이 다수 있었다. 그러나, 해당 챕터를 읽으면서 그것이 전적으로 본인의 역량 부족이었다는 것을 느끼게 되었는데, 팀의 규칙과 프로젝트 지도 (tree), 핵심 설계도, 스펙의 원칙 등의 컨텍스트를 AI 에게 주입하고 요청했다면 결과가 달랐을 것이라는 생각이 든다. (이제 알았으니 실제로 해보러 갈 것이다.)

더 나아가 개발자 뿐 아니라 각종 직업들에서 쓰는 것처럼 챗봇이나, 법률/의료에서 사용하는 AI 어시스턴스 등 다양한 부분에 대한 실습을 진행하므로 여러 방면의 활용을 보며 시야를 넓혀나갈 수도 있다.

추천 대상

해당 책에서는 AI 의 구조적 한계를 예시와 동작 원리들과 함께 이해하고, 실제 현업에서 어떤 문제를 마주하고 어떻게 해결할 것인지 실습하며, 나아가 행동하는 AI 에이전트를 직접 구축하고 앞으로의 가능성을 함께 생각해봄으로써 독자들에게 컨텍스트 아키텍트 로 나아가는 씨앗을 심어준다.

그저 AI 를 사용하는 사람이 아니라 AI 를 가르치고 그 능력을 최대한 끌어낼 수 있는 사람이 다음 시대에서 살아남을 것이기 때문에, 전반적으로 개발자에게 한정되지 않고 여러 직군의 비개발자들에게도 해당 책은 필수적이다. 물론 그들에게도 무리가 없을 난이도와 예시들을 담고 있으나, 활용도는 무궁무진하게 넓혀주기 때문에 AI 시대에서 앞서 나아가기 위해 AI 를 잘 활용하고 싶은 모든 이들에게 추천하고 싶다.

책의 한줄평

컨텍스트 엔지니어링, AI 시대의 차별성을 만들어내는 필수 요건

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

1. 프롬프트는 ‘지시’이고, 컨텍스트는 ‘공유’다
AI를 잘 몰라서 그런지 '프롬프트 엔지니어링'이라는 말은 몇 번 들어봤는데, 
'컨텍스트 엔지니어링'은 사실 이 책을 통해 처음 접했다.

책에서는 컨텍스트를 대화나 작업의 배경이 되는 정보의 총체라고 정의한다. 

여기에는 이전 대화 내용이나 사용자 정보, 
그리고 특정 문서나 데이터처럼 AI가 답을 만드는 데 필요한 모든 배경지식이 포함된다.

컨텍스트 엔지니어링은 똑똑한 신입사원에게 아무런 설명 없이 "알아서 잘해봐"라고 던져두는 게 아니다. 

(실제로 어떤 회사에서도 이렇게 하지 않는다.) 
대신 우리가 하는 업무를 빨리 파악할 수 있게 '업무 매뉴얼'을 주고 교육하는 것과 같다.

결국 AI에게 필요한 정보를 정확히 각인시켜서, 단순히 답만 얻는 게 아니라 
나를 도와주는 유능한 동료로 만드는 것이 컨텍스트 엔지니어링의 목적이며 

이 책에서 이야기하는 내용의 전부다.

2. 컨텍스트 엔지니어링 - 10년 전 커뮤니티에서 보던 '질문의 매너'
'컨텍스트 엔지니어링'이라는 말 자체는 처음 접했지만, 내용을 보다 보니 

예전에 개발자 커뮤니티에서 봤던 '질문은 이렇게 해라'라는 글이 어렴풋이 떠올랐다. 
 

 글의 핵심은 정확한 답변을 얻기 위해 본인이 원하는 결과와 지금의 상태를 자세하게 설명하는 것이 중요하다는 것이었다.

사실 이건 단순히 질문하는 기술을 넘어, 

다른 사람과 업무를 진행하는 모든 과정에서 기본적으로 지켜야 할 예의이자 핵심이다.

상대방이 문제를 이해하도록 맥락을 잘 정리하던 그 시절의 '질문 매너'가 
이제는 AI를 다루는 공학적 원칙(Context Engineering)이 되었다는 점이 흥미롭다. 

결국 대상이 사람에서 AI로 바뀌었을 뿐 본질은 같다는 생각에, 
"AI도 별거 아니구나"라고 살짝 안심해버렸다.

3. 랭체인 - 저는 그런 걸 잘 모르는데요
AI를 사용은 해봤지만 브라우저로 접속해 프롬프트를 날리거나, 
AI 코드 에디터로 기존 코드를 분석하고 수정하는 정도의 경험밖에 없었다. 
그래서인지 1장부터 나오는 예제 코드들이 처음엔 눈에 잘 들어오지 않았다. 
(심지어 파이썬을 만져본 지도 굉장히 오래됐다.)

하지만 이 책의 핵심은 단순히 코드를 짜는 법이 아니라, 
AI가 어떤 데이터를 먹고 자라야 하는지 그 '지식의 흐름'을 설계하는 불변의 공학 원리를 다루는 데 있다. 
 

덕분에 나처럼 코드가 익숙하지 않은 사람이라도 굳이 당장 실습을 병행하지 않고 
쭉 읽어 내려가는 것만으로 내용을 이해하는 데 아무런 문제가 없었다.

실습은 일단 책을 한 번 완독한 뒤에, API 유료 결제를 하고 
다시금 차근차근 시작해도 늦지 않다고 본다. 
사실 그때부터가 진짜 시작이기도 하다.

4. "너, 내 동료가 돼라!" (해적왕이 될 건 아니다)
책의 마지막 장(14.3.3)에서는 '나만의 AI 에이전트'를 만들어 보라며, 
지식은 실천을 통해 비로소 지혜가 된다고 강조한다. 

일상이나 업무에서 반복적으로 발생하지만 기존 소프트웨어로는 해결하기 어려웠던 문제를 직접 정의하고, 
이를 해결할 나만의 AI 에이전트를 만들어 보라고 말이다.

사실 책에는 '작게 시작하기'라고 써놨지만, 그 작은 시작조차 막상 하려고 하면 쉽지 않을 것 같다. 
다만 걱정하지 않는 이유는 하나 있다. 책에서 배운 컨텍스트 엔지니어링을 활용한다면, 
 

AI는 내 일거리를 덜어주는 '훌륭한 동료'가 되기도 하지만, 
그 동료를 만드는 법을 가장 잘 알려줄 수 있는 '친절한 멘토'이기도 하다는 걸 알기 때문이다.

올해도 어김없이 도서 리뷰를 진행하게 되었다. 사실 이제 점점 책을 읽어가는 사람이 줄어들고 있는 시대가 오는 것 같다는 생각을 많이하게 되는 요즘이다.

예전에는 모르는 분야가 있으면 책을 직접 구매해서 읽는 구조였는데, 이제 요즘은 모두가 모르는 분야가 있으면 생성형 AI에게 물어보는 시대인 것 같다.

이러한 환경이다 보니 자연스럽게 AI 관심이 높아지고 사내에서나 팀에서나 AI 에이전트에 대한 관심이 굉장히 높아지고 있다.

사실 본인도 최근에 AI 에이전트를 구축한 경험이 있는터라 해당 도서가 반가운 시기였다.

더 자세하게 파악할 수 있는 시기이니 말이다.

우선 목차부터 살펴보자.

PART 1 AI 활용의 패러다임을 바꾸는 컨텍스트 엔지니어링
CHAPTER 01 프롬프트 이후의 시대: 컨텍스트 엔지니어링
CHAPTER 02 컨텍스트 엔지니어링의 핵심 도구 상자
 

PART 2 AI 에이전트를 위한 4가지 기초 컨텍스트 패턴
CHAPTER 03 소프트웨어 개발: 코드를 완벽히 이해하는 AI 페어 프로그래머
CHAPTER 04 고객 지원: 모든 고객을 VIP처럼 응대하는 AI 챗봇
CHAPTER 05 법률 및 의료: 신뢰할 수 있는 AI 전문 어시스턴트
CHAPTER 06 창작 및 교육: 맞춤형 AI 튜터와 세계관을 지키는 AI 스토리텔러
 

PART 3 나만의 AI 에이전트 구축
CHAPTER 07 AI 에이전트의 탄생
CHAPTER 08 AI 주니어 개발자 에이전트: 리팩터링과 강화형 컨텍스트 학습
CHAPTER 09 AI 고객센터 에이전트: 다중 컨텍스트 융합
CHAPTER 10 AI 의료 연구원 에이전트: 컨텍스트 수명 주기 관리
 

PART 4 컨텍스트의 확장: 평가, 윤리, 미래
CHAPTER 11 AI 품질 관리: 디버깅과 평가
CHAPTER 12 책임 있는 AI: 윤리와 공정성
CHAPTER 13 AI 에이전트 보안: 해킹과 방어
CHAPTER 14 컨텍스트 엔지니어링의 미래
 

APPENDIX 실무 적용 노트
APPENDIX A 10분 만에 끝내는 환경 설정
APPENDIX B 챗GPT vs 클로드 vs 제미나이
APPENDIX C 실전 디버깅

목차를 보면 기초 지식부터 활용 예제까지 A to Z 모두 구성되어 있는 것을 확인할 수 있다.

실제로 본인이 최근에 구축하면서 알게된 내용들도 중간 중간 배치된 것을 보니 실제로 본인이 구축을 하겠다는 분들에게 추천하고 싶은 도서이다.

우선 가장 좋았던 것은 대부분 RAG 구축에서는 메모리 이슈와 tool 등록하는 여러가지 방법들을 실제 코드와 같이 나와 있어서 좋은 가이드가 될 것 같다.

그리고 가장 인상적인 부분은 의료, 법률 등 몇 가지 도메인에 해당하는 부분에서 어떻게 RAG가 사용되며 어떤 tool들을 등록해서 사용하는지도 나와있다.

그리고 목차 전에 보이듯이 Chat GPT, Claude, Gemini 를 기반으로 도서의 기술적인 부분을 작성했고 Appendix를 보면 알 수 있듯이 3가지 모델을 기준으로 비교한 부분이 존재한다.

최근에 RAG를 구축하면서 다른 모델들 보다 Claude가 더 우월하게 좋다는 것을 느끼는 요즘인데, 해당 도서에서 각각의 장단점이 잘 보이지 않는 것은 조금 아쉬운 부분이기는 했다.

하지만 RAG를 처음 구축하는 사람들에게 해당 도서는 좋은 가이드가 될 것으로 보인다.

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

들어가며.

개발자로 일하면서 AI 도구는 꾸준히 써왔지만, 직접 코드로 에이전트를 구축한 경험은 없다. '직접 에이전트를 만든다'는 건 늘 막연하게 느껴졌다. AI 관련 콘텐츠가 넘쳐나는 요즘도, 단순 활용법 소개나 미래 예측 글들은 많아도 정작 무엇부터 시작해야 할지 갈피를 잡기 어려웠기 때문이다. 그러던 차에 [컨텍스트 엔지니어링으로 구축하는 AI 에이전트]를 읽게 되었다. 책을 읽으며, 생각보다 내가 이미 사용하고 있던 방법들에 대한 설명이 있었다. 에이전트를 구축해본 경험이 없는데, 이걸 왜 알고 있는 것인가?

잠깐 생각해보니, 직접 에이전트를 구축하지는 않았지만 GPT나 Gemini의 Gem을 목적에 맞게 설계해 사용한 경험이 있었다. 돌이켜보면 그것도 일종의 특정 역할과 배경 지식을 가지는 컨텍스트를 설계하는 행위였고, 이 책은 그 행위를 더 체계적으로 이해할 수 있게 해줬다.

책의 주요 내용.

한 줄로 요약하자면, '적절한 이론과 개념으로 버무려진 실전서'라고 생각한다.

Part1에서는 과거 프롬프트 엔지니어링이 각광받던 시대에서 지금 컨텍스트 엔지니어링이 왜 필수가 되었는지, 그 흐름을 여러 개념과 이론으로 차근차근 설명해준다. AI의 작업 기억과 컨텍스트 윈도우 관련으로 발생하는 문제부터, 이 문제를 해결하는 여러 방법들(few-shot, RAG, CoT 유도 등)을 소개한다.

Part2에서는 단순한 이론에 그치지 않고, 앞서 배운 개념을 바탕으로 주니어 개발자 에이전트, CS 상담 에이전트, 의료 연구원 에이전트처럼 실제 업무 상황을 모델로 한 예시들과 컨텍스트 패턴들을 보여주기 때문에 처음 접하는 사람도 따라가기 어렵지 않다.

Part3에서는 이렇게 쌓은 기초 지식들을 바탕으로 컨텍스트 중심의 에이전트 아키텍처를 직접 설계하는 방법을 다룬다. 컨텍스트 관리와 자동화에 대한 자세한 설명들이 이어지는데, 개인적으로 몰랐던 내용이 가장 많았던 파트였다. 이미 AI 에이전트나 컨텍스트 엔지니어링을 어느 정도 접해본 사람이라면, 초반의 친절한 설명들이 오히려 조금 지루하게 느껴질 수도 있다. 선수지식이 있는 분들이라면 Part3부터 읽는 것도 괜찮은 방법이 될 것이라 생각한다.

이 책을 읽으며 특히 좋았다고 느낀 점은 사실 Part4의 내용들이었다. 단순히 만드는 법에서 그치지 않고, 더 나은 에이전트를 위한 방향성까지 함께 고민하게 만든다. 특히 보안 관련해서, 프롬프트 인젝션이나 데이터 유출처럼 에이전트를 실제로 서비스에 배포할 때 반드시 마주치게 될 문제들을 짚어준다. OpenClaw 같은 개인화 AI 비서가 실제 기업들에서 보안 우려로 사용 금지되는 시대에, 이 챕터는 단순한 부록이 아니라 확실히 중요한 핵심 내용이라고 느꼈다.

책을 읽기 전에 알고 읽으면 좋은 점.

이 책의 예제는 파이썬 코드를 기반으로 한다. 파이썬에 익숙하지 않더라도 함수의 역할과 설명이 주석으로 친절하게 달려 있어 읽는 데 큰 무리는 없었다. 다만 책의 내용을 토대로 직접 만들어보고 싶다면, 기본적인 파이썬 문법 정도는 알아두는 편이 훨씬 수월할 것이다.

개인적으로, 이 책은 AI 에이전트를 구축할 생각이 없는 사람에게도 충분히 읽을 가치가 있다. 필자처럼 Gemini나 ChatGPT, Cursor AI를 나름대로 '에이전트스럽게' 활용하고 있는 사람이라면 더욱 그렇다. 재미있는 점은, 평소에 익숙하게 쓰던 AI 도구들이 실은 이 책에서 설명하는 개념과 원리로 동작하고 있었다는 것이다. 이미 알고 있던 원리도 있었고, 전혀 몰랐던 부분도 있었는데, 책을 읽으며 '아, 이런 원리로 동작하는 것이었구나' 하고 새삼 깨닫는 순간들이 있었다.

마치며.

이 책뿐 아니라, 요즘은 많은 사람들이 AI가 만들어낼 미래에 대한 예측을 내놓고 있다. 공통적으로 나오는 이야기는 비슷하다. 멀티모달을 활용한 AI 에이전트의 도래, 그에 따라 더 중요해지는 AI 오케스트레이션 능력, 설계와 감독 위주로 바뀌는 인간의 역할 등, 가까운 미래에 일하는 방식이 크게 바뀔 것이라는 점만큼은 분명해 보인다.

개인적으로 이 책이 좋았던 건, 단순히 그런 미래 예측이나 일자리 문제에 머물지 않는다는 점이었다. 보안, 책임 소재, 편향과 공정성, 투명성과 설명 가능성처럼 지금은 크게 주목받지 못하지만 앞으로 점점 더 중요해질 질문들을 함께 다루고 있다. 기술이 사람보다 빠르게 달려가는 지금, 가장 간과되기 쉬운 부분이 바로 이런 윤리적 문제라고 생각한다. AI 에이전트 구축 방법을 소개하는 책인 줄만 알았는데, 그 너머의 이야기까지 다룬 점이 꽤 놀라웠고, 그래서 더 인상 깊었다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

책의 부제목은 "랭체인, RAG, CoT, ReAct, LLMOps로 구현하는 AI 서비스 실전 가이드" 입니다.

단순한 현시점의 기술을 넘어서, 몇년 뒤에도 활용 가능하고 AI에 대한 조직에 적용 방향 및 원리에 대해서 근본적인 해결책을 제시하려는 책입니다. 

실습 환경은 아래와 같습니다.

■ 내용 구성

· AI의 한계 이해 → 실무 적용 → 에이전트 구축 → 실전 확장 흐름으로 구성됩니다.

1부 — AI의 구조적 한계를 진단하고, RAG·퍼소나·CoT 등 핵심 도구를 학습합니다.

2부 — 배운 도구들을 개발, 고객 지원, 전문직, 교육, 창작 등 실제 현업에 적용하는 전략과 코드를 실습합니다.

3부 — 앞서 배운 기술들을 통합해 스스로 목표를 이해·계획·행동하는 AI 에이전트를 직접 구축합니다.

4부 — AI 에이전트가 현실에서 마주하는 문제 해결법과 향후 확장 가능성을 제시하며, 컨텍스트 엔지니어로 나아가는 다음 단계를 안내

■ 1부

· 막연하게 알고 있는 프롬프트와 컨텍스트가 무엇이고, 왜 중요한지 설명합니다.

AI가 잘 답변하기 위해서는 어떻게 프롬프트를 입력해야 하는 것이 아닌, 어떤 정보를 제공해야 하는지가 관건입니다.

컨텍스트가 있는 경우와 없는 경우를 비교분석을 통해서, 그 차이를 확실히 알수 있습니다.

AI가 작업기억을 할수 있고, 흐름있는 내용으로 답변을 할수 있게 수행을 합니다.

책에서는 컨텍스트 엔지니어링을 아래와 같이 정의하고 있습니다.

· 컨텍스트 윈도우의 사이즈를 어떻게 효율적으로 사용할수 있을까요?

각 AI모델마다 제공해주는 사이즈가 다르고, 이것을 활용하기에 토큰이 필요합니다.

직접 내용 붙여넣기, 페소나 설정, 원하는 결과물을 제공해서 답변 받기, 외부지식 RAG를 활용해서 구성

RAG를 구현해보면서, pdf, 문서, 자료, text정보등을 주입하는 방식도 구현도 시도해봅니다.

CoT를 활용해서, AI추론을 극대화 하는 방법도 제시합니다.

■ 2부

· 4가지 실제 유용한 컨텍스트 패턴에 대해서 학습을 합니다.
 

AI를 사용하면서, 우리의 의도를 잘 파악 못하고 어뚱한 답을 하는 경우에 대한 해결책이 될것입니다.

· 코드 페이프로그램에 대해서 어떻게 학습할지 전략적인 사항을 설명합니다. 이제 많이 AI를 사용하시는데 팀/프로젝트에서 기준을 잡고

시작해야 효과적인 구성이 됩니다. 실제 사례기반이니 잘 활용해서 기준을 잡을수 있습니다.

· 챗봇의 경우, 이전에 문의했던 내용을 쭉 이어서 상담하지 못한 문제를 풀어가고 있습니다.

결국 최종적으로 기억,지식, 공감하는 챗봇의 형태를 구현해봅니다.

· 법률/의료에 대한 신뢰 및 전문가 적은 AI에이전트를 구성해봅니다.

최신 판례등이 매우 중요한데, AI가 그것을 알지 못하게 되면 큰 문제가 발생합니다.

최신 치료법을 모르는 AI는 큰 문제가 됩니다. 이러한 것을 어떻게 해결할수 있을지 구성되어 있습니다.

■ 3부

· 나만의 에이전트를 구성해봅니다.
 

2부에서는 각 분야의 해결 방식을 배웠다면, 3부에서는 그 기술을 하나의 자동화된 워크플로우로 구성해보는 내용입니다.

대화형 AI에서 행동하는 AI로 진화를 하고 있습니다.

AI에이전트는 감지, 판단, 행동, 학습이라는 4가지 핵심기능이 있고 유지적으로 순환 및 지능구현을 합니다.

다양한 케이스에 대해서, 코드설명이 잘 되어 있고, 아키텍처 레벨로 접근해서 워크플로우 구성을 진행합니다.

시나리오 기반으로 내용을 구성해서 코드 구현하는 부분도 좋았습니다.
 

■ 컨텍스트 관점에서 평가, 윤리, 미래에 대한 내용

· AI를 사용시에 고려해야 할 사항들이 많이 있습니다. 이러한 내용을 전반적으로 학습하고 알고 있는 것이 추후 확장성 및 안정성을 

확보하는데 많은 도움이 됩니다.

· AI에서 만들어진 코드들에 대한 디버깅은 기존에 SW개발을 진행하며서 수행하였던 디버깅과 다른 부분이 있습니다.

LLM, 컨택스트, 메모리에서 발생할수 있는데, 사전에 인지하고 미리 대비하는 것이 좋은 방향입니다.

· 잘못된 답변에 대한 책임은 누구한테 있는 것이고, 윤리적인 측면은 어떨까요? AI를 사용하는 것에 대한 설계하고 책임지는 역활이 필요합니다.

· 해킹과 방어에 대해서는 새롭게 대비해야 하는 중요한 부분입니다. 데이터에 대한 제한 처리 및 직/간접적인 공격요소에 대해서 살펴보고

방어할수 있는 시스템 및 프로세스가 필요합니다.

· 책에 전반적으로 샘플코드가 잘 작성되어 있습니다.

단순 코드 뿐만이 아니라, 하나하나 코드에 대한 설명이 주석으로 잘 전달됩니다.

AI에 대해서 더욱 잘 활용하고, 지속적으로 관리하는 구성을 만들고 싶다면 이책에 내용을 이해하고

확장해가면 구성하고 싶은 시스템 구축에 많은 도움이 될것 같습니다.

※ 한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성되었습니다.

​

일단 책을 서평하기에 앞서, 현재 한빛 미디어에서는 전자책을 위한 앱 출시를 앞두고 있는 상태입니다. 서평단도 기존에 책을 제공하던 것에서 e-book을 제공하는 형태로 바뀌었다는 점인데요. 따로 PDF를 제공하는 것이 아니라 다양한 이유 때문에 아마도 자체적인 플랫폼을 이용하는 것으로 보입니다.

​

근데!! 그런데!!! ㅠㅠ

보이십니까? 글자가 너무 흐릿해서 눈이 좀 아프더라구요. 그래서 책을 5분 이상 읽기가 좀 힘든 상태입니다. 344페이지나 되는 책인데, 하루에 5~10페이지밖에 못 읽는 상황입니다. ㅠㅠ

​

3월 중으로 앱이 출시가 된다고하니, 앱이 출시가 되어야 사실 책을 좀 더 편하게 읽을 수 있을 것으로 보입니다. 글자가 왜 흐릿한지는 현재로서는 방법을 알 수가 없는 상태입니다.

아무튼 오늘 소개할 책은 e-book이다보니 뭐 사진을 찍는다는 것이 힘들기도 해서 책에 대해서만 간단히 이야기를 하려고 합니다.

아무튼 며칠 전 리뷰를 썼던 도서 <AI 증강 독해와 AI 드리블링 바이블>을 보면서도 AI의 한계도 깨달으면서, 동시에 AI를 어떻게 활용해야할지에 대해서 심도깊은 분석을 내놓은 책이라 생각합니다. 다만 이 책의 경우에는 프로그래머라기 보다는 "일반인"을 대상으로 내놓은 책이라고 생각합니다.

​

하지만 이 책은 "개발자"로서의 좋은 아이디어를 제공해주는 책이라고 느껴집니다. 특히나 AI에서 흔히 겪는 할루시네이션과 함께 "컨텍스트"가 얼마나 중요한지에 대한 이야기를 함께 합니다.

​

일단 시작하면서 AI 모델별로 갖고 있는 컨텍스트 윈도우가 어느 정도인지 비교합니다. 현재 올라온 것을 기준으로는 제미니가 가장 큰 것으로 나옵니다. 여기서 말하는 컨텍스트 윈도우라는 것은 대화의 내용을 얼마만큼 기억하느냐에 대한 이야기입니다. 그런 점에서 현재 Genimin 3.0 Pro가 가장 성능이 좋다고 볼 수 있습니다.

​

앞서도 언급했지만, 이 책은 개발자를 위한 책이라고 말씀드렸죠? 즉, 앞서 대화형 AI를 통해서 단순히 채팅만 하는 것이 아니라 스크립트를 통해서 접근하는 부분을 많이 보여줍니다.

이후 다양한 것들을 보여줍니다. RAG를 이용하거나, CoT(Chain of Thought)라는 것 등을 이용하면서 조금 더 심화 과정으로 넘어가게 됩니다.

​

이후 소프트웨어 개발을 위한 AI 페어 프로그래머, 장기 기억(?)을 통한 유능한 AI 챗봇, 법률 AI 어시스턴트나 작가와 같은 다양한 에이전트들을 만듭니다.

​

앞서 언급한 가독성 이슈로 아직 반절도 못 읽었지만, 컨텍스트 윈도우의 한계를 뛰어 넘어서 어떻게 AI를 활용하는지 보여줍니다. 프로그래머라면 해볼만한 것들이 보입니다.

​

추후 한빛 정식 앱이 출시가 된다면 좀 더 자세히 읽어보면서 실습과 함께, 필요로 하는 기능을 하나 만들어보고 싶다는 생각이 듭니다. 근데 창의력이 부족한지 아직까지는 어떤 것을 만들면 좋을지 감을 못 잡고 있네요.

​

책에 그래도 다양한 예시와 함께 예제 코드와 아이디어도 제공되고 있기 때문에, AI 시대를 살아가는 프로그래머로서는 상당히 흥미롭게 읽을 수 있었습니다.

이 책을 간단히 리뷰하면

프롬프트 vs 컨텍스트: 단순히 AI의 말투나 역할을 지시하는 프롬프트 엔지니어링을 넘어, RAG(검색 증강 생성)와 장기 기억을 활용해 AI에게 확실한 '정답지'를 세팅하는 방법론을 다룹니다.

살아 움직이는 에이전트 구축: 단순 챗봇을 넘어 여러 도구를 자동화된 워크플로우로 엮는 과정을 보여줍니다. 파이썬 기반의 복잡한 맞춤형 에이전트 아키텍처를 설계할 때 훌륭한 뼈대가 됩니다.

놓칠 수 없는 AI 보안: 프롬프트 인젝션 방어, 데이터 유출 방지 등 에이전트 배포 시 반드시 챙겨야 할 보안 인사이트를 짚어주어 안전한 시스템 기획을 돕습니다.

추천 대상 파이썬 및 LLM 파이프라인에 대한 기초 지식을 갖추고, 기계적인 챗봇을 넘어 내 업무를 완벽히 이해하는 '스마트한 AI 동료'를 직접 개발해 보고 싶은 실무자에게 추천합니다.

단순히 말을 잘 거는 단계를 넘어 AI에게 어떤 데이터를 어떤 방식으로 기억시키고 전달할 것인가를 고민하는 개발자에게 이 책은 명확한 설계도를 제시한다. 최신 랭체인 생태계를 기반으로 RAG 파이프라인과 ReAct 패턴의 핵심을 짚어주며, 이론에 그치지 않고 실제 작동하는 에이전트를 구축하는 실무적인 감각을 일깨워준다. 특히 LLM의 한계인 환각 현상을 컨텍스트 엔지니어링으로 제어하는 과정은 서비스의 완성도를 고민하는 엔지니어에게 독보적인 인사이트를 제공한다. 깃허브 예제와 연동된 실습을 따라가다 보면 어느새 파편화된 지식들이 하나의 거대한 AI 워크플로우로 연결되는 놀라운 경험을 하게 된다. 챗봇 수준을 탈피해 스스로 사고하고 도구를 활용하는 진정한 자율 에이전트를 꿈꾼다면 이 책이 가장 확실한 이정표가 되어줄 것이다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

책의 핵심 메시지

이 책의 중심은 하나다.

모델이 올바르게 사고하도록 ‘환경’을 설계하는 것

프롬프트 엔지니어링이 질문을 다듬는 기술이라면, 컨텍스트 엔지니어링은 모델이 사고할 수 있는 환경을 설계하는 기술에 가깝다.

다루는 주요 내용은 다음과 같다.

• RAG (검색 증강 생성)
• CoT (Chain of Thought)
• 단기·장기 메모리 전략
• AI 에이전트 설계 패턴
• 품질 평가 및 디버깅
• 프롬프트 인젝션 등 보안 이슈

단순히 “이렇게 만들 수 있다”가 아니라

“왜 이렇게 설계해야 하는가”를 구조적으로 설명한다는 점이 특징이다.

이 책이 좋은 이유

1️⃣ 이론서가 아니라 설계서다

트랜스포머 수식이나 어텐션 구조를 깊게 파는 책은 아니다.

대신 이걸 실제 서비스로 만들려면 구조를 어떻게 잡아야 하지? 등을 물으며 LLM 아키텍처 관점에서 사고를 정리해준다.

2️⃣ RAG를 한 번이라도 삽질해본 사람에게 특히 좋다

이 책은 완전 입문자보다는 이런 사람에게 잘 맞는다.

• RAG를 붙여봤는데 성능이 들쭉날쭉했던 사람
• 메모리를 붙였는데도 맥락을 잃는 경험을 한 사람
• 데모는 되는데 운영은 불안했던 사람

3️⃣ LLMOps 관점까지 확장한다

많은 책이 “만드는 법”까지만 다루는데,

이 책은 “운영과 평가”까지 간다.

• 어떻게 품질을 측정할 것인가?
• 오류를 어떻게 디버깅할 것인가?
• 프롬프트 인젝션은 어떻게 막을 것인가?

이런 사람에게 추천

✔ LLM API를 이미 써본 개발자

✔ LangChain/RAG를 조금이라도 다뤄본 사람

✔ 사내 AI 도입을 고민하는 PM/테크 리더

✔ 챗봇을 넘어 에이전트를 설계하고 싶은 사람

✔ LLM을 “기능”이 아니라 “시스템”으로 만들고 싶은 사람

이런 사람에게는 조금 어려움

• 완전 비개발자
• LLM을 한 번도 안 써본 입문자
• 모델 내부 수학 이론을 깊게 배우고 싶은 사람

이 책은 기초 개념서라기보다는 실전 설계 가이드에 가깝다.

총평

이 책은 프롬프트를 잘 쓰는 법을 알려주는 책이 아니다.

이미 RAG나 에이전트를 구현해본 경험이 있다면, 이 책은 설계를 한 단계 정리해줄 것이다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

한빛미디어에서 운영중인 리뷰어 프로그램을 통해 읽게된 책이다. 평소 AI를 업무에 활용하고 있고, 이와 관련된 코드를 직접 작성해서 사용하기도 한다. 사용하면서 큰 불만은 없었지만, 한편으로는 '프롬프트 엔지니어링', '컨텍스트 엔지니어링' 같은 용어들이 계속 등장하는 것이 마음에 걸렸다. 본질적으로 무엇이 다른 것인지, 또 하나의 마케팅용 유행어인지가 궁금했다. 그 의문에서 이 책을 펼쳤다.

이 책에서 프롬프트 엔지니어링은 AI에게 질문을 잘하는 법이고, 컨텍스트 엔지니어링은 AI에게 풍부한 자료를 쥐여주는 법이라 설명한다. 나는 컨텍스트 엔지니어링이란 특별한 기술이라기 보다는 AI를 이용하여 원하는 결과를 얻어내기 위한 접근 방식으로 진일보한 것으로 이해하게 되었다. 이전에는 컨텍스트를 정보를 검색하기 위한 참고 자료처럼 생각했는데, 책을 읽은 이후에는 검색, 메모리, 도구 호출, 상태 관리 등 LLM 모델이 활용할 수 있는 맥락 전체를 기술적인 이해를 바탕으로 설계하는 접근 방식으로 바라보게 되었다.

이 관점에서 보면  컨텍스트 엔지니어링은 나의 업무 데이터를 완벽히 이해하는 전문가 동료, 즉 에이전트를 만들기 위한 구조로 이어진다. 에이전트가 단발성 응답을 넘어 자율적으로 동작하려면 지속적으로 상태를 유지하고, 외부 데이터를 검색하고, 필요하면 도구도 호출하고, 그 결과를 응축해서 다시 정리하는 흐름이 필요하다. 책은 AI를 단순한 LLM 호출, 즉 상태없는 함수로 사용할 것이 아니라 상태를 가진 객체를 사용하는 것으로 진화시켜야 한다고 이야기한다. 

최근 나오는 LLM 모델들의 컨텍스트 윈도우가 함께 확장되었지만, 단순히 많은 정보를 넣는다고 해서 결과가 좋아지지는 않는다.  책에서는 컨텍스트 윈도우가 여전히 한정된 자원임을 분명히 한다. 불필요한 정보가 섞이면 오히려 판단이 흐려지면서 비용과 응답 지연도 발생한다. 결국 중요한 것은 양적 확장이 아니라 질을 높이는 설계다. 결국 컨텍스트 엔지니어링은 정보를 쥐여주는 것이 아니라 적절한 정보를 선택하고 이를 압축하여 알맹이만 전달하는 기술이어야 한다는 생각이 들었다.

이 책은 크게  4부로 구성된다.

1부: 컨텍스트의 개념과 컨텍스트 엔지니어링의 핵심 요소

2부: 기본 에이전트 구현

3부: 더 발전된 에이전트의 구조와 설계

4부: 에이전트 디버깅 및 평가, 지속적인 개선방법

2부와 3부에서는 LangChain을 기반으로 실제 에이전트를 파이썬으로 구현한다. 코드 자체는 읽기 수월한 편이다. LangChain 프레임워크가 워낙 워크 플로와 객체를 잘 추상화해두었기 때문에 책 내용을 코드로 이해하는데 어렵지 않다.다만 혹시나 LangChain이 익숙하지 않다면 부록B를 먼저 읽고 본 내용을 보는 것이 이해에 도움이 될 것이다.

특히 재미있게 읽은 부분은 9장에서 설명하는 컨텍스트 합성기이다. 어떤 맥락을 어떻게 조합하여 모델에 전달하는 구조를 만들 것인지를 다룬다. 이 부분을 읽으면서 최근 등장한 여러 에이전트간 상호 작용 개념(A2A 등)이 왜 필요해졌는지 자연스럽게 연결되어 이해되었다.

디버깅을 다룬 4부의 내용도 실무적으로 유용하다. 에이전트가 오작동할 때 막연히 LLM의 문제라고 보기보다는 판단(LLM)의 문제인지, 감지(검색/RAG)의 문제인지, 기억(memory)의 문제인지를 구분하여 접근한다. 이 프레임이 현업에서도 도움이 될 것 같다. 다만 책이 컨텍스트 엔지니어링을 다루는 책이므로 LangSmith 도구와 관련 컬럼만 소개할 뿐 자세히 다루지는 않는다. 이 부분은 따로 살펴봐야겠다.

이 책은 에이전트를 처음 만들어 보려는 개발자 뿐만 아니라 이미 구축된 RAG 시스템이나 내부 업무용 AI 도구를 개발한 사람들에게 도움이 있다. 단순 구현을 넘어 어떤 식으로 개선할 것인지를 다루고 있다. 개발업무에 적용하는 에어전트, CRM/CS업무에 활용할 수 있는 에이전트, 학습을 돕거나 학습하는 에이전트(법률/의료/교육/창작)를 만들고 이를 개선시키는 과정 속에서 저자가 고민해 온 에이전트의 설계 구조와 개선 방향을 엿볼 수 있었다.

7장의 'AI 에이전트의 탄생' 부분을 보면 정말 AI 에이전트가 왜 나왔는지, 기존의 어떤 문제점과 한계가 AI 에이전트의 등장을 이루어 냈는지에 대해 쉽고 재미있게 설명한다. 특히, '기존의 대화형 AI에서 새롭게 행동하는 AI로' 패러다임이 진화하면서 AI 에이전트가 등장하게 된 배경을 단계별로 설명한다. 또한 AI 에이전트의 4대 구성 요소에 대해서 설명하는 7장의 내용이 이 책의 모든 킥을 담고 있다고 할 수 있다.

 

​

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

​

​

요즘 직장 생활하면서 AI 도구 하나쯤 안 써본 분들 없으시죠? 그런데 가끔은 AI랑 대화하다 보면 벽이랑 대화하는 기분이 들 떄가 있더라고요. 어제 가르쳐준 걸 오늘 까먹고나, 우리 회사 상황은 전혀 모른 채 엉뚱한 대답만 늘어놓는 바람에 결국 내가 직접 하고 말겠다며 창을 닫아버린 경험, 아마 다들 한 번쯤은 있으실 거예요.

​

저도 사회생활을 하면서 새로운 기술이 나올 떄마다 적응하느라 애를 먹었지만 이번 변화는 조금 다르게 느껴집니다. 평소에는 종이책을 선호하는 편인데, 이번에 큰맘 먹고 피벗 모니터를 장만하면서 듀얼 모니터 환경을 세팅해 보았어요. 한쪽 세로 화면에는 한빛+에서 제공하는 전자책을 시원하게 띄워놓고, 다른 모니터에서는 직접 코딩을 따라 하며 AI 에이전트를 작동시켜 보니 마치 1:1 과외를 받는 것처럼 풀코스로 지식이 흡수되더라고요. 실무에 바로 적용하고 싶은 분들께 이 세팅을 강력히 추천합니다.

​

2026년을 살아가는 우리에게 지금 꼭 필요한 지도 같은 책, <컨텐스트 엔지니어링으로 완성하는 AI 에이전트> 이야기를 시작해 볼게요.

​

​

​

진짜 동료를 만드는 설계의 힘

​

우리가 그동안 열심히 썼던 언어 모델들은 질문에 답을 주거나 코드를 짜주는 데는 탁월했어요. 하지만 실무에 적용하려고 하면 한계가 명확하더라고요. 우리 팀의 코딩 규칙이나 프로젝트의 특수한 배경은 전혀 모른 채, 그저 인터넷에 떠도는 일반적인 정답만 내놓기 일쑤였죠.

​

직장에서 진짜 유능한 동료란 단순히 일을 빠르게 쳐내는 사람이 아니라, 업무의 맥락을 이해하고 그에 맞춰 움직이는 사람이잖아요? AI도 마찬가지입니다. AI가 단순히 도구에 머물지 않고 우리 조직의 고유한 데이터를 기반으로 스스로 판단하는 파트너가 되려면, 그 배경지식을 주입하는 컨텍스트 설계 능력이 필수적이라는 뜻이죠.

AI는 훌륭한 코드 생성 도구이지만, 그 자체로 여러분의 '동료'가 될 수 없습니다.

​

블랙박스를 열어내는 디버깅의 가치

​

최근 IT 업계를 뜨겁게 달구고 있는 자율형 AI 에이전트 오픈클로 이야기, 다들 들어보셨을 거예요. 사용자가 일일이 명령하지 않아도 AI가 알아서 내 PC를 움직이면서 이메일도 보내고 파일도 정리하는 강력한 오픈소스 프로젝트죠. 기술의 발전 속도가 경이롭지만, 한편으로는 네이버나 카카오, 배달의민족 같은 주요 기업들이 사내 보안과 데이터 유출을 이유로 오픈클로 사용을 전면 금지했다는 뉴스도 연일 쏟아지고 있습니다.

​

오픈클로처럼 스스로 행동하는 에이전트가 대세가 될수록, 우리는 무작정 기술에 환호하기보다 문제가 생겼을 때 어디서 맥락이 꼬였는지 파악하고 디버깅하는 능력을 길러야 합니다. 단순히 유행하는 툴을 설치해보는 것에 그치지 않고, 그 속을 뜯어보고 평가할 줄 아는 사람만이 안전하게 진짜 성과를 낼 수 있거든요.

​

​

에이전트가 예상과 다르게 작동할 때, 즉 '기대처럼 작동하지 않을 때', 우리는 AI의 블랙박스를 열어 문제의 원인을 체계적으로 추적(디버깅)하고, 그 성능을 객관적인 '점수'로 측정(평가)할 수 있어야 합니다.

​

어떤 기술이 와도 흔들리지 않는 문제 해결력

​

시장은 계속 변합니다. 모델은 더욱 똑똑해지고 오픈클로를 뛰어넘는 새로운 에이전트들이 계속 쏟아지겠죠. 하지만 AI에게 어떤 사고의 재료를 주고, 어떤 흐름으로 문제를 풀게 할 것인지 설계하는 아키텍트의 역할은 절대 변하지 않습니다. 도구에 끌려다니는 사람이 아니라, 맥락을 지배하는 설계자가 되는 길, 이 책 안에 그 해답이 있습니다.

결국 핵심은 특정 도구의 사용법을 외우는 것이 아니라, 어떤 새로운 기술이 등장하더라도 '컨텍스트'라는 핵심 원리를 중심으로 문제를 구조화하고 해결하는 능력을 갖추는 것입니다.

​

​

여매일 러분은 지금 일하면서 AI에게 어떤 배경지식을 가장 먼저 가르치고 싶으신가요? 여러분의 고민이나 적용해보고 싶은 업무가 궁금하네요. 함께 고민하면 답은 더 빨리 보일 거예요.

​

​

​

#비즈니스스킬 #AI에이전트 #컨텍스트엔지니어링 #한빛플러스 #듀얼모니터세팅 #오픈클로 #파이썬독학 #커리어성장 #30대직장인 #업무효율향상

​

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.
 

시행착오를 줄이고 싶은 개발자 분들께 추천하는 책입니다.

AI 에이전트를 실제로 구현하고 사용하다 보면 이론적인 개념 설명만으로는 해결되지 않는 한계에 자주 부딪히게 됩니다. 이 책은 그런 실무자의 고민을 정확히 꿰뚫고 있습니다. 특히 풍부한 실무 시나리오와 상세한 코드가 수록되어 있어, AI 에이전트를 처음 설계하거나 고도화하려는 분들에게 훌륭한 내비게이션이 되어 줄 것이라 생각합니다.
 

책을 읽는 내내 작년에 AI 챗봇을 개발하며 고군분투했던 기억이 떠올랐습니다. 당시 여러 파편화된 정보를 수집하며 느꼈던 막막함이 이 책 한 권으로 깔끔하게 정리되는 기분이었습니다. '당시 이 책이 있었다면 얼마나 좋았을까?'라는 아쉬움이 들 정도로, 실전에서 바로 활용할 수 있는 인사이트가 가득합니다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

AI 는 발전이 너무 빨라서, 이를 놓치지 않기 위해서는 계속 공부를 하고 있습니다.

예전에는 AI 의 원리와 만드는 방법 등을 공부했었는데, 자원의 한계 등으로 인해 개인적으로 해보기는 어려운 부분이 많더라구요.

그래서 요즘은 AI 를 어떻게 잘 활용할 것인가에 많은 관심을 두고 있습니다.

최근에 AI 를 활용한 서비스 관련 기획서를 작성했었습니다.

개인의 주관이 어쩔 수 없이 많이 들어가게 되는 UI 만큼,

답변을 정확히 예측하기 어려운 AI 를 어떻게 해야할지 많이 고민했었습니다.

요즘에 주변에서 "그냥 AI 가 알아서 해줄거야" 라는 말을 많이 듣지만,

예측이 제한적인 AI 의 답변에 시스템의 동작을 맡기게 되면

실행의 일관성을 유지하기 어렵고 결과물의 품질을 객관적으로 측정하기도 까다로워집니다.

이번 책인 "컨텍스트 엔지니어링으로 구축하는 AI 에이전트' 은 저의 고민을 해결할 방법을 제시해줍니다.

컨텍스트 엔지니어링으로 완성하는 AI 에이전트

시작하기전에.

이번에 기획서를 작성할 때, Claude Docs 를 많이 참고했었습니다.

이번에 책을 읽다보니 상호보완하면서 읽으면 좋겠다는 생각을 많이 했습니다.

https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview

Prompt Engineering

책에서는 #, --- 등으로 구분을 하지만, Claude 에서는 <> 같은 태그를 기반으로 항목을 명확히 정의합니다.

큰 차이는 없을 것 같지만, 그래도 각 AI API 의 공식문서에서 제공하는 형태로 사용하는게 제일 효율이 좋다고 생각합니다.

아래와 같은 Golden Rule 도 있으니 API 를 사용하기 전에 자신이 사용하는 API 문서를 한번쯤 읽어보세요.

claude docs

다시 책의 내용으로 넘어가겠습니다.

컨텍스트 최적화

이 책에서는 이러한 문제를 효율적인 컨텍스트 엔지니어링으로 해결하려고 합니다.

이를 위해, "AI 메모리의 한정된 공간을 얼마나 효율적으로 활용할 것인가?" 에 대한 답을 찾아갑니다. 

최적의 컨텍스트를 AI 에게 제공할 경우, 다음과 같은 이점이 있습니다.

• 금전적 비용 : 토큰의 수가 줄어들기 때문에, 비용이 절감됩니다.
• 시간 비용 : 계산에 사용되는(읽어야하는) 토큰의 수가 줄어들기 때문에, 응답속도가 빨라집니다. 
• 성능 비용 : 너무 많은 정보는 정보를 놓치게 만듭니다. 줄어든 토큰 수는 AI 가 중요 정보에 집중하게 만듭니다. 

*AI 도 인간처럼 무한정 기억하지 못합니다. AI 가 기억하고 처리할 수 있는 정보의 양은 정해져 있고 이를 컨텍스트 윈도우라고 합니다. 이를 표현하는 단위로 토큰(AI 가 이해하는 최소단위)이 있는데, 한글은 한글자를 표현하는데 1~2 토큰 정도를 차지합니다.

AI 서비스를 만들면 내 도메인/지식에 대한 RAG 를 사용할 확률이 높습니다.

내가 제공한 검증된 데이터 내에서 정확한 답변을 제시하기 위한 방법을 많이 고민했습니다. 

이 책에서는 법률관련 AI 비서를 구현하는 예제를 통해 이 방법을 소개합니다.

출처를 표기하게 하고 AI 가 모를 경우 모른다라고 답변하라는 프롬프트를 사용합니다.

검증되고 신뢰할 수 있는 자료만으로 답안 작성하기

책의 예시는 간단하지만 조금만 더 복잡해지면,

이 출처정보를 가져오는 것 자체가 난관이됩니다.

예시에서는 메타데이터를 출처를 표기하기 위한 데이터로 활용했지만

메타데이터를 따로 더 관리하여 필터링 등으로 활용하여 유사도 검색의 범위를 줄일 수 있습니다.

이런 예시들을 따라가면 AI 의 성능을 높이는 컨텍스트 엔지니어링 기술을 배울 수 있습니다.

그리고 이를 기반으로 세세한 지시 없이도 스스로 행동하는 AI 에이전트를 만드는 법을 알려줍니다.

이 AI 에이전트도 컨텍스트가 핵심입니다.

AI 에이전트에서는 최적의 컨텍스트 환경을 설계하고 자동화하는 것이 중요하다고 소개합니다.

에이전트 4대 구성 요소와 컨텍스트의 역할

에이전트는 감지센서(읽기 도구), 판단 시스템(LLM), 행동 모듈(쓰기/수정 도구), 학습 기능(메모리 컨텍스트) 을 구성요소로 컨텍스트 중심 아키텍처를 설계한다고 합니다.

랭그래프에서 기본적으로 제공하는 아키텍처인 ReAct 패턴은  "생각 -> 행동 -> 관찰" 을 반복하여 작업을 수행합니다.

이 루프는 아주 효율적이지만 "행동" 을 수행하는 데 최적화되어 있습니다.

하지만 이는 수집된 여러 컨텍스트를 어떻게 통합하고 우선순위를 정할지에 대한 명시적이고 표준적인 계층이 부족하다고 책에서 언급합니다. 

행동 루프 이전에 컨텍스트를 체계적으로 처리하는 아래의 확장 아키텍처를 소개합니다. 

컨텍스트 엔지니어링 흐름 다이어그램

이 설계는 AI 에이전트를 단순히 "생각하고 행동하는" 존재가 아니라, "다양한 컨텍스트를 입력받아 최적의 컨텍스트를 명확한 근거를 바탕으로 행동하는 시스템"으로 정의합니다. 정보를 처리하는 흐름에 따라 5개층으로 구분합니다.

• 입력 컨텍스트 계층 : '사용자 목표', '현재 환경(파일 목록, 시간 등)', 'RAG 등의 외부 데이터' 수집
• 처리 계층 : 컨텍스트 필터링, 요약, 합성 등으로 컨텍스트 정제
• 추론 계층 : 컨텍스트와 과거 메모리를 CoT 등을 활용하여 LLM 행동계획 수립
• 행동 계층 : 도구 호출 등의 행동 
• 피드백 계층 : 학습 및 메모리 업데이트 

위 흐름에 맞춰 작성한 코드 예시입니다.

컨텍스트 AI 에이전트

저자는 지능이란 모델의 크기가 아니라, 얼마나 건강하게 호흡하고 순환하는 컨텍스트 생태계를 만들었는가에 달려 있다고 합니다.

(물론, 어느정도 지능을 가진 LLM 이어야한다고 생각합니다)

이후에는 단일 컨텍스트 한계를 극복하기 위한 다중 컨텍스트 융합 아키텍처도 소개합니다.

다중 컨텍스트 융합

사실상 많은 경우가 다중 컨텍스트일 것입니다.

저는 여기서 조금 정보간에 상호작용하도록 구성하기도 했는데요.

고객 정보의 특징을 기반으로 의도를 분석하기도 하고, RAG 의 우선순위나 필터링에 사용하기도 했습니다.

실시간성이 중요하지 않다면 시도해는것도 좋을 것 같습니다.

제가 공식 문서를 쭉 읽어가면 적용했던 부분들을 정리된 책으로 보니,

머릿속에 다시 정리되는 기분이었습니다.

요즘엔 AI Agent 툴들이 아주 좋지만, 동작방식을 파악하고 제대로된 정보를 주입할 수 있다면

기존 툴들도 더 효율적으로 사용할 수 있다고 생각합니다.

그리고 내용 자체가 어려운 내용들은 아니니 부담없이 읽으실 수 있습니다.