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

이 책은 에이전트를 만드는 법보다도 여러 에이전트를 어떻게 조직하고 운영할 것인가에 대한 관점을 제공한다는 점에서 배울 점이 많은 서적이라고 생각한다. MCP를 통해 외부 도구와 연결하고, A2A를 통해 에이전트 간 협업 구조를 만들며, 오케스트레이터를 통해 전체 실행 흐름을 조율하는 방식은 앞으로의 AI 서비스 개발에서 매우 중요한 설계 역량이 될 수 있다.

​

'이것이 멀티 에이전트다' 추천 독자

AI 에이전트에 관심이 많은 개발자에게 유용하지만, 특히 MCP와 A2A를 활용해 실무형 AI 에이전트를 만들고 싶거나, 멀티 에이전트 구조로 확장하여 설계하고 싶은 분들에게 큰 도움이 되는 책이라고 생각한다. AI 에이전트 개발을 단순한 모듈이 아닌 서비스 설계와 운영 단계까지 확장하여 설계해보고 싶다면 충분히 읽어볼 가치가 있기에 추천하고 싶다.

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

## 배경

이전에 사칙연산을 수행하는 에이전트를 작성해봤는데, 속도가 너무 느려 개선해보고 싶었다. 이 과정에서 책에서 참고한 내용을 정리한다. 책에서 제공하는 소스 코드도 살펴봤지만, 좋은 모델을 갖고 다양한 목적을 이루는 것에 집중한 예시들이 많아, 최적화와 성능 개선에 초점을 맞춘 이번 작업에 실질적인 참고는 되지 않았다. 그보단 에이전트의 동작 원리를 다룬, 원론적인 최적화 팁에서 참고할만한 내용들을 찾아볼 수 있었다. 

## 운영 환경 고려 사항과 최적화

이 책에 나와있는 내용들은 기본적으로 고차원의 멀티 에이전트 시스템에 대한 내용이다. 그러나 이번 개선 작업에 참고할만한 내용들도 찾아볼 수 있었다. **`결정론적 요소를 결합하라`**는 표현은 간단한 로직에 불필요한 에이전트 호출을 사용할 필요가 없음을 명시하고 있다. 또 **`모델 계층화 전략`**은 작업의 복잡도에 따라 모델을 선택하여 사용하는 아이디어를 제시하고 있다. 그러나 단순한 원칙을 나열하는 수준에 그치고, 깊이 있는 통찰이나 응용 방법을 제시하고 있지는 않아, 자신의 환경에 맞게 적용시키는 기지가 필요해보인다. 

## 마치며...

멀티 에이전트 시스템 구축을 **경험/체험**해보고 싶은 입문자들에게 적합한 책인 것 같다. 패턴보다 실행 가능한 예제를 중점에 두었고, 책의 내용도 최대한 자세히 **경험 중심적**으로 서술했다. 이미 별도의 프로젝트를 진행 중인 상태에서는 이 책의 가치가 떨어진다고 생각한다. 밑바닥에서부터 사례를 따라하며, 체험을 통해 학습하기 원하는 분들에게 추천할만한 책이다.

『이것이 멀티 에이전트다』책은 저처럼 현업에서 단일 LLM 호출의 한계를 직접 체감하고 이를 어떻게 돌파해야 할지 고민하는 개발자 및 엔지니어들에게 명확한 해답을 제시하는 책입니다. 
단순히 API를 연결하는 수준을 넘어, 직접 책을 읽고 고도화된 실습을 해 보면서 단일 LLM의 구체적인 개선 방향과 멀티 LLM 엔진을 활용하는 최적의 방법론을 확인하고 실무에 즉시 적용해 볼 수 있는 완성도 높은 책입니다.

핵심 메시지: "이제 혼자 일하는 AI(LLM)의 시대는 끝났다"
이 책이 관통하는 가장 중추적인 메시지는 바로 "이제 단독으로 일하는 AI의 시대는 끝났다"는 선언입니다. GPT, Claude, Gemini와 같은 고성능 단일 모델을 단순히 호출하는 방식에서 벗어나, 각기 다른 전문적 역할을 부여받은 여러 AI 에이전트가 어떻게 임무를 분담하고 상호 통신할 수 있을지 심도 있게 고민하도록 이끌어 줍니다. 이 과정에서 아키텍처 관점의 유용한 방법론과 실전 패턴을 자연스럽게 체득할 수 있습니다.

이론적 토대 정립: 기초부터 운영 환경 최적화까지 (Chapter 1 ~ 2)
책의 전반부인 Chapter 1과 Chapter 2에서는 싱글 에이전트와 멀티 에이전트의 구조적 차이, 에이전트 간 직접 통신 , MCP, 그리고 실제 프레임워크 기반의 실행 구조와 운영 환경에서의 최적화 방법론까지 탄탄한 이론적 배경을 먼저 다룹니다.

해당 부분은 에이전트 시스템 구축을 위한 핵심 근간이자, 후반부 실습을 매끄럽게 이어나가기 위해 반드시 정독하고 개념을 정립해야 하는 이정표와 같은 장이었습니다. 관련 내용을 면밀히 살피다 보면 왜 멀티 에이전트 아키텍처를 도입해야 하는지 당위성을 깨닫게 되며 이를 뒷받침하는 오케스트레이션 및 디자인 패턴의 실체를 명확히 파악할 수 있습니다. 결과적으로 '어떤 모델을 선택하느냐' 보다  '어떻게 협업 구조를 설계하느냐'가 훨씬 중요하다는 본질을 깨닫게 되며 이를 제어할 오케스트레이터 설계 기법과 구체적인 구현 전략을 체계적으로 학습할 수 있습니다.

실전 감각을 고양하는 9가지 고도화 프로젝트
이 책이 장점은 앞서 다룬 견고한 이론적 아키텍처를 직접 코드로 구현하며, 이론이 실제 어떻게 기술적으로 구체화되는지 완벽하게 증명해 준다는 점입니다. 
책에서는 다음과 같이 실무 시나리오 기반의 다채롭고 깊이 있는 실습을 공부할 수 있습니다. 
- 영업 데이터 분석과 시각화
- 병렬 검색을 통한 처리 속도 개선
- 반복 평가 루프를 통한 응답 품질 개선
- 뉴스 기반 종목 영향 평가 및 이상 거래 탐지
- 이상 거래 탐지 
등 총 9가지 시나리오로 직접 실습을 진행해 볼 수 있도록 되어 있습니다. 
단일 에이전트의 기본적인 구현에서 출발하여 점진적으로 멀티 에이전트 협업 체계로 확장해 나가는 단계별 빌드업 구조 덕분에, 각 에이전트 간의 컨텍스트와 상태가 어떻게 유기적으로 전달되고 조율되는지 그 흐름을 직관적이고 명확하게 이해할 수 있었습니다. 실습도 단계적으로 따라하면서 쉽게 이해 할 수 있도록 되어있습니다.

솔직히 오케스트레이터 설계나 복잡한 에이전트 간 통신 구조는 개념 자체가 다소 생소하고 초기 진입 장벽이 높게 느껴질 수 있습니다. 그러나 9가지 실전 시나리오를 바탕으로 코드를 한 줄씩 수행하며 실행 결과물을 확인하다 보면, 모호했던 에이전트 간의 관계성과 인터페이스 구성 방식이 명쾌하게 머릿속에 정리됩니다.

더욱이 단순히 프로토타입 구현에 머무는 것이 아니라 엔터프라이즈 환경에서 필수적으로 고려해야 할 보안 거버넌스, 품질 평가, 비용 최적화 등 실제 서비스를 운영하며 맞닥뜨리게 되는 본질적인 문제들을 미리 짚어주고 해법을 가이드해 줍니다. 
현업에서 대규모 AI 서비스를 기획하거나 고도화된 백엔드 시스템에 에이전트를 통합하려는 엔지니어들에게 실질적으로 많은 도움이 될 거라고 생각합니다.

마치며: 주도적인 AI 설계자를 위한 완벽한 지침서
『이것이 멀티 에이전트다』책은 단일 에이전트의 수준을 뛰어넘어, 한 차원 높은 격조 있는 멀티 에이전트 시스템을 설계하고 운영하는 패러다임을 마스터할 수 있는 안내서라고 생각합니다. 
단순한 API 활용에 머물지 않고, 주도적으로 AI 아키텍처를 설계하고 운영 프로세스까지 통제하고 개발자 및 엔지니어분들에게 이 책은 훌륭한 선택이 될 것입니다. 반드시 준비된 실습 코드를 직접 구동해 보며 멀티 에이전트를 경험해 보기를 바랍니다.

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

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

『이것이 멀티 에이전트다』를 읽고 실습하면서 가장 크게 든 생각은 “익숙한 것으로 새것을 배운다”는 감각이었다. 책은 LLM에서 출발해 RAG, 에이전트, 멀티 에이전트로 사고를 확장하게 만든다. 단순히 프롬프트를 잘 쓰는 수준을 넘어, 검색과 평가, 도구 호출, 상태 전달, 에이전트 간 협업, 오케스트레이션까지 하나의 시스템으로 바라보게 한다는 점이 인상적이었다.

최근에는 CLI 기반 AI 도구를 사용하면서 hooks, sub agents, 자동화된 명령 실행 같은 기능적 접근에 관심이 많이 쏠려 있었다. 그런데 이 책을 보면서 그보다 한 단계 아래에 있는 구조를 다시 보게 되었다. MCP, A2A, RAG, Vector DB, AgentContext, 오케스트레이터 같은 요소들은 “에이전트가 똑똑하게 처리한다”는 막연한 설명을 구체적인 시스템 설계의 언어로 바꿔준다. 누가 상태를 들고 있고, 누가 검색을 담당하며, 누가 평가하고, 누가 최종 응답을 만들고, 이 전체 흐름을 누가 조율하는지 생각하게 된 것이다.

특히 오케스트레이터 개념이 마음에 들었다. 멀티 에이전트라고 하면 여러 에이전트가 각자 알아서 대화하며 문제를 해결하는 장면을 떠올리기 쉽지만, 실제 서비스를 만든다고 생각하면 자유도보다 제어 가능성이 중요하다. 검색 에이전트, 평가 에이전트, 답변 생성 에이전트, 보고서 생성 에이전트처럼 역할을 나누고, 그 사이의 흐름을 조율하는 구조가 있어야 한다. 책의 실습들은 이런 역할 분리와 워크플로우 설계를 반복적으로 보여준다. 약관 기반 질의응답, 음성 Q&A, 병렬 검색, 반복 평가, 뉴스 기반 종목 영향 평가, 이상 거래 탐지, 여행 플래너까지 사례는 다양하지만 결국 핵심은 비슷하다. 하나의 거대한 프롬프트가 아니라, 책임이 분리된 작은 단위들이 연결되어 하나의 시스템을 이룬다는 점이다.

이 흐름을 따라가다 보니 실제 서비스 아키텍처에 대한 생각도 자연스럽게 이어졌다. 멀티 에이전트 시스템을 로컬 실습이나 데모 수준으로만 볼 것이 아니라, MSA나 컨테이너 기반 구조와 연결해 보면 더 깔끔한 접근이 가능할 것 같다. 각 에이전트를 독립된 서비스처럼 두고, MCP나 A2A를 통해 도구 호출과 에이전트 간 통신을 구성한다면 유지보수성과 확장성도 좋아질 수 있다. 물론 구현하다 보면 시행착오도 생기겠지만, 서비스로 만들려면 결국 이런 구조적 사고가 필요하다고 느꼈다.

실습 자체는 주제를 따라가기 좋게 구성되어 있었다. 영업 데이터 분석과 시각화, 개인정보 탐지와 마스킹, 약관 기반 질의응답, Whisper 기반 음성 Q&A, 병렬 검색, 반복 평가, 뉴스 기반 종목 영향 평가, 이상 거래 탐지, 여행 플래너로 이어지는 예제들은 에이전트를 단순한 답변 생성기가 아니라 작업 수행 단위로 바라보게 한다. 뒤로 갈수록 검색, 평가, 개선, 보고서 생성, 알림 같은 책임이 세분화되는데, 이 흐름을 따라가다 보면 “멀티 에이전트”가 단순히 에이전트 수를 늘리는 일이 아니라 워크플로우를 설계하는 일이라는 점이 분명해진다.

다만 실습을 따라가면서 아쉬운 점도 있었다. 전체적으로 OpenAI 의존성이 강하다는 느낌을 받았다. 물론 입문자나 실습 안정성을 고려하면 가장 무난한 선택일 수 있다. 하지만 요즘은 Groq, NIM, Gemini, Gemma 같은 대안도 있고, 로컬 모델이나 오픈 모델을 섞어 쓰는 경우도 많다. 벡터 DB 역시 전용 벡터 데이터베이스뿐 아니라 PostgreSQL 기반 pgvector 같은 선택지도 충분히 현실적이다. 책이 모든 조합을 다룰 수는 없겠지만, 모델과 인프라 선택지를 조금 더 열어두었다면 실무 확장성을 고민하는 독자 입장에서는 더 좋았을 것 같다.

또 하나의 아쉬움은 구현 스택을 내 방식으로 조금 더 모던하게 가져가 보고 싶다는 점이었다. 예를 들어 패키지 관리는 uv로 정리하고, 시각화는 Plotly 기반으로 더 인터랙티브하게 구성해보고 싶다. 에이전트 워크플로우도 LangChain이나 LangGraph로 다시 구현해보면 책에서 배운 구조를 다른 방식으로 검증할 수 있을 것 같다. 특히 LangGraph의 상태 기반 그래프 구조는 오케스트레이터, 반복 평가, 조건 분기, 에이전트 간 상태 전달을 표현하기에 잘 맞아 보인다. Spring AI로도 같은 접근을 시도해보면 Java/Spring 기반의 엔터프라이즈 서비스 안에서 RAG와 멀티 에이전트 구조를 어떻게 녹일 수 있을지 확인할 수 있을 것이다.

소스 코드 제공 방식에 대해서도 약간의 생각이 남았다. 압축 소스 파일에 거의 모든 파일이 포함되어 있는 방식은 따라 하기에는 편하지만, 한편으로는 독자가 구조를 직접 만들어가며 이해할 여지를 줄이기도 한다. 처음에는 내 방식대로 변환하면서 실습을 진행했지만, 뒤로 갈수록 귀찮아져서 제공된 구조에 맞춰 따라가게 되었다. 그래도 이 과정 자체가 나름의 코드 에이전트 활용 연습처럼 느껴졌다. 주어진 코드를 해석하고, 내 환경에 맞게 바꾸고, 일부는 내가 선호하는 방식으로 정리해 보는 과정이 책의 본문만큼이나 학습이 되었다.

결국 이 책에서 얻은 가장 큰 수확은 특정 라이브러리 사용법보다 사고의 확장이었다. LLM을 호출하는 코드에서 출발해, RAG로 지식을 연결하고, 에이전트로 작업을 위임하고, 멀티 에이전트와 오케스트레이터로 시스템을 설계하는 방향으로 생각이 넓어졌다. 이전에는 AI 도구의 편의 기능이나 CLI 자동화에 매몰되어 있었다면, 이제는 그 아래에 있는 구조와 프로토콜, 데이터 흐름을 함께 보게 되었다.

『이것이 멀티 에이전트다』는 멀티 에이전트를 마법처럼 포장하기보다는, 여러 실습을 통해 하나씩 분해해 보여주는 책이다. 익숙한 개념들에서 출발하지만, 읽고 나면 그것들을 내 방식으로 다시 조합해보고 싶어진다. 그래서 이 책은 “새로운 것을 알려준 책”이라기보다, 이미 알고 있던 것들과 막연히 흩어져 있던 관심사를 하나의 구조로 다시 보게 만든 책에 가깝다. 그리고 그 점이 가장 좋았다.

#멀티에이전트 #AI에이전트 #생성형AI #LLM #RAG #MCP #A2A #벡터DB #임베딩 #오케스트레이터 #LangChain #LangGraph #SpringAI #OpenAI #ClaudeAI #Gemini #pgvector #파이썬 #개발자 #한빛미디어 #이것이멀티에이전트다

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

9년째 프론트엔드 개발을 하고 있고, 현재는 스타트업에서 R&D 팀장을 맡고 있습니다. 최근에는 Claude API를 활용해 채팅 어시스턴트와 AI 기능을 서비스에 붙이는 일을 하고 있는데, 그 과정에서 멀티 에이전트라는 주제를 자연스럽게 접하게 됐습니다.

처음 AI 기능을 만들 때는 저도 대부분의 개발자들처럼 "프롬프트를 잘 쓰면 해결되지 않을까?"라는 접근을 했습니다. 실제로 초반에는 꽤 잘 동작했습니다. 하지만 기능이 하나둘 늘어나기 시작하면서 상황이 달라졌습니다. 검색도 해야 하고, 여러 도구도 호출해야 하고, 사용자 의도를 판단해야 하고, 응답 형식도 맞춰야 하다 보니 결국 하나의 에이전트가 너무 많은 역할을 맡게 되더군요. 프롬프트는 계속 길어지고, 조금만 요구사항이 바뀌어도 예상하지 못한 결과가 나오는 경우도 많았습니다.

이 책을 읽으면서 가장 공감했던 부분도 바로 이 지점입니다. 단일 에이전트의 한계를 이야기하면서 단순히 "멀티 에이전트가 좋다"는 식으로 설명하는 것이 아니라, 왜 역할을 분리해야 하는지부터 차근차근 설명합니다. 책을 읽는 동안 저희 서비스를 계속 떠올리게 되더라고요. '이 부분은 검색 에이전트로 분리할 수도 있겠는데?', '이 작업은 오케스트레이터가 처리하는 편이 낫겠는데?' 같은 생각을 계속 하면서 읽었습니다.

특히 좋았던 점은 다양한 예제를 통해 멀티 에이전트를 실제로 어떻게 활용하는지 보여준다는 점이었습니다. 약관 기반 질의응답, 음성 Q&A, 병렬 검색, 맞춤형 여행 플래너 등 단순한 예제가 아니라 실제 서비스에서 응용할 수 있는 사례들이라 개념을 이해하는 데 도움이 됐습니다. 책을 읽는 내내 현재 만들고 있는 서비스에 어떻게 적용할 수 있을지 계속 떠올리게 되더라고요.

최근 1~2년 사이에 AI 개발을 하면서 느낀 건, 이제는 모델 성능보다 시스템 구조가 더 중요해지는 시점이 오고 있다는 점입니다. 단순히 LLM API 하나 호출하는 수준을 넘어 서비스를 만들고 있다면, 언젠가는 멀티 에이전트 구조를 고민하게 될 가능성이 높습니다.
 

이 책은 당장 모든 문제의 정답을 알려주는 책은 아닙니다. 대신 '왜 이런 구조가 필요해졌는지', '어떤 기준으로 설계를 시작해야 하는지'를 정리하는 데는 충분한 도움이 됩니다. AI 서비스를 실제로 개발하고 있거나, 앞으로 에이전트 기반 서비스를 만들어 보고 싶은 개발자라면 한 번쯤 읽어볼 만한 책이라고 생각합니다.

 #한빛미디어 #나는리뷰어다 #이것이멀티에이전트다

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

1. 도서 선택 이유

최근 실무에서 진짜로 AI Agent를 도입하여 테스트를 해야할 필요가 생겼습니다. 심지어 하나도 아닌 둘 이상의 에이전트가 필요했습니다. 업무마다 성격도 다르고 단계가 점차 많아지는데, 이 서비스를 제공해야 하는 채널은 하나의 챗봇이기 때문입니다. '멀티 에이전트'는 선택이 아닌 필수였습니다. 싱글 에이전트는 이전에 다른 도서 후기에서 살펴보았지만 멀티 에이전트만 집중적으로 살펴본 적은 없어서, 바로 이 도서를 선택하였습니다.

2. 목차와 주요 내용

파트 1에서는 멀티 에이전트에 대한 이해를 다룹니다. 싱글 에이전트와의 차이를 다루며 멀티 에이전트의 패턴들, 상태 관리와 A2A에 대해서 다룹니다. 개인적으로는 이 챕터을 통해서 헷갈렸던 LangGraph의 state 개념(이 책에서는 AgentContext)에 대해 바로잡을 수 있었습니다.

파트 2는 싱글 에이전트 구현, 파트 3부터는 본격적으로 멀티 에이전트 구현을 다룹니다. 앞서 챕터 1에서 기본 개념을 설명한 후로는 모두 실습입니다. 이론서라기보다는 핸즈온 실습서에 가깝습니다. 멀티 에이전트의 예시도 7개나 되어서, 본인이 구현해야 하는 패턴 또는 사용할 데이터와 유사한 유형을 골라 우선적으로 테스트해 볼 수 있을 것입니다. 개인적으로는 RAG를 Chain이 아닌 Graph로 옮겨보고자 챕터 6. 약관 기반 질의응답, 챕터 8. 병렬 검색으로 속도 개선, 챕터 9. 반복 평가로 응답 품질 개선을 먼저 살펴보았고 평가와 Rerank 단계에 적용할만한 힌트를 얻을 수 있었습니다.

3. 총평

코드 예제를 따라 해보면서 멀티 에이전트는 어떻게 구성되며 서비스에 따라 LLM에게는 이렇게 일을 맡길 수 있겠구나 하는 것을 느꼈습니다. 특히 매번 실습에 앞서 학습 목표와 흐름을 잡아주고 시작해서 큰 그림을 이해하기에 도움이 됩니다. 특히 아래와 같이 파이프라인, 도식도가 그려져 있어 직관적으로 이 구조가 어떻게 흘러가는지 이해할 수 있었습니다.

이 책은 멀티 에이전트 기술의 원리를 깊이 있게 설명하는 도서라기보다는 즉각적으로 구현 경험을 쌓기 위한 실무 중심 도서입니다. 따라서 무언가를 배울 때 AtoZ로 접근하기 보다는 코드를 통해 익히며 빠르게 AI서비스를 구현해보고 싶은 분들에게 추천할 만합니다. 다만 분량의 대부분이 코드인 만큼, 파이썬에 익숙하지 않거나 AI서비스에 대한 이해가 없다면 바로 이 예시들을 따라하기에는 조금 벅찰 수도 있겠다고 생각합니다.
 

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

https://www.hanbit.co.kr/store/books/look.php?p_code=B5960502602

전반적인 소감 및 마음에 드는 부분

AI업계에서 사용하고 있는 에이전트(Agent)란 설정한 목표를 달성하기 위해 외부 개입 없이 스스로 상황을 판단하고 계획을 세워 행동하는 자율형 인공지능 시스템을 의미한다. 질문에 답만 하는 기존 챗봇 형태의 LLM 시스템과 달리 직접 시스템이나 도구를 활용해 업무를 완수하는 것이 특징이다. 에이전트에 대한 자세한 설명은 한빛미디어에서 개념 정리를 해둔 페이지가 있기 때문에 이 페이지를 참고하면 좋다.

이 책에서 가장 마음에 드는 부분은 예제가 많고 무엇을 어떻게 해야하는지 자세히 알려준다는 점이다. MCP 연결하고 멀티에이전트 쓰면 좋다고 듣기만 했지 어떻게 해야할지 몰랐다면 이 책이 적합하다. '문제를 작은 판단으로 나누어 협업하게 한다'는 기본 생각을 토대로 어떻게 멀티 에이전트를 다루는지 쉽게 설명해준다.

대상 독자 및 책 난이도

LLM을 단순히 질의응답 형태로만 이용하는 것을 넘어서 여러 에이전트가 협업하는 실제 시스템을 직접 만들어보려는 사람들이 대상 독자다. 따라서 어느 정도 개발 경험이 있어야지만 책의 내용을 이해할 수 있다. 책에서 추천하는 대상 독자는 다음과 같다.

• 파이썬으로 간단한 스크립트를 작성해 본 경험이 있는 분
• OpenAI API를 한 번쯤 호출해 본 적이 있는 분
• RAG 시스템을 만들어 보았고, 그 다음 단계를 찾고 있는 분
• 딥러닝 이론보다 LLM을 '블록'으로 엮는 설계와 조립에 관심 있는 분

다루는 내용과 범위

에이전트가 무엇인지 먼저 가볍게 소개하고 나서 책의 핵심 주제인 멀티 에이전트를 다룬다. 멀티 에이전트의 이해 및 환경 설정, 싱글 에이전트 예제, 멀티 에이전트 예제로 총 3부로 구성되어있다.

• 멀티 에이전트 시스템의 기초
  • 멀티 에이전트 이해
  • 멀티 에이전트 동작 원리
  • 실습 환경 준비
• 싱글 에이전트 실전 구현
  • 영업 데이터 분석과 시각화
  • 개인정보 탐지와 마스킹
• 멀티 에이전트 실전 구현
  • 약관 기반 질의응답
  • Whisper 기반 음성 Q&A
  • 병렬 검색으로 속도 개선
  • 반복 평가로 응답 품질 개선
  • 뉴스 기반 종목 영향 평가
  • 이상 거래 탐지
  • 맞춤형 여행 플래너

예제가 많은 점도 좋으나 각 예제별로 어떻게 폴더, 파일, 설정들이 구성되어있는지 자세히 알려주는 점 역시 좋았다.

결론

책 난이도는 약간 있는 편이다. 책에 나온 파이썬 스크립트를 전부 다 알아야되냐라고 물어본다면 꼭 그렇지는 않다. 이 역시 LLM을 통해 충분히 생성해낼 수 있으니깐 말이다. 다만 파이썬 스크립트 내용이 무엇인지 정도는 알 수 있어야된다고 생각한다. 책에 나온 멀티 에이전트 구현 예제들을 연습해보면 다른 상황에서도 비슷하게 무리없이 적용할 수 있을 것이다. 다만 모든 제품이 그러하듯이 실행할때마다 결과물이 너무 달라지면 안된다고 생각한다. 따라서 책에 나온 예제와 실습들을 연습 용도로만 활용하고 실제 제품에 적용할 때는 다른 방식이 추가되어야할 것으로 판단된다. 어쨌든 멀티 에이전트 개념과 실습을 충분히 활용해보고 싶다면 이 책을 적극 추천한다.

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

이 책에 관심이 있으시다면 'AI 에이전트'라는 단어를 한 번쯤 들어보셨으면 좋겠습니다. 정확히 무엇인지는 몰라도 괜찮다고 봅니다. 다만 한 가지, AI에게 "이렇게 해줘"하고 딸깍하면서 진행하는, 흔히 얘기하는 '바이브 코딩' 과는 다른 영역을 다루고 있습니다.

에이전트 개발할 때 도움을 받을 수 있는 레퍼런스가 가득합니다.
싱글 에이전트부터 멀티 에이전트까지. 다양한 상황과 주어진 목표를 달성하기 위해 어떻게 에이전트를 만드는지 보여줍니다.
하나하나 마다 해당 에이전트를 어떤 구조로 설계하고 어떻게 만드는지 알려줍니다.
책을 모두 읽고 나니 다양한 에이전트를 지나온 듯한 느낌이 들었습니다. 꽤 괜찮은 느낌입니다.
예제를 하나씩 변형해 보고 이것저것 가져다 조합하고 적용해 보며 익히는 것처럼, 여러 형태의 에이전트를 아는 것만으로도 다양한 시너지를 얻을 수 있을 것 같습니다.

에이전트에 대해 거의 문외한이었던지라, 이해하려고 애쓰며 읽기보다 에이전트를 알아간다는 정도로 생각하며 전체를 읽어본 다음 다시 보고 있습니다. 어렴풋이라도 에이전트를 접해 본 상태가 되니 눈에 들어오는 내용이 좀 더 있습니다.
에이전트가 낯선 분들이라면 저처럼 해보시는 것도 나쁘지 않을 거라 생각합니다.

구성 면에서 자극이 되었던 부분은 적절한 순간에 등장하는 '여기서 잠깐'이었습니다.
단순히 구현 방법을 익히는 데 그치지 않고, 조금 더 고민하거나 생각해봐야 할 부분들을 알려주었습니다. 실무에 도입할 때 간과하기 쉬운 부분이나, 에이전트 구현에서 차이가 발행하는 이유와 필요성처럼 의문을 가지지만 무시하고 넘어가기 쉬운 문제들을 짚어줍니다.
배우는데 집중할 수밖에 없는 상황에서는 놓치기 쉬운 것들을 알 수 있어서 좋았습니다.

에이전트를 어렴풋이라도 알고 나면 만나게 되는 순간이 있습니다. 하긴 해야겠는데, 뭐부터 해야 하는지 알 수 없어 막막해지는 상황입니다.
이 책은 그런 막막한 순간을 헤쳐나가는데 많은 도움을 줄 수 있을 것 같습니다. 이에 더해 다양한 상황에 대응할 수 있는 적절한 아이디어까지 얻을 수 있을 거라고 봅니다.
AI 에이전트를 만들어보려고 할 때 곁에 두면 많은 도움이 되리라 생각합니다.

#한빛미디어 #나는리뷰어다 #이것이 멀티 에이전트다

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

책 표지와 제목만 보고 "멀티 에이전트"만을 위한 책이라고 착각하면 절대 안된다.

"AI Agent"를 개발하고 싶은 분들을 위한 친절한 안내서이다.

eBook을 열어 보자마자 연필로 그려진 저자가 궁금해졌다.

그런데, 책에는 저자에 대한 설명이 없어서 간단하게 검색을 해봤더니, 유명한 분이셨다 !!!

  - https://search.kyobobook.co.kr/search?keyword=%EC%84%9C%EC%A7%80%EC%98%81&target=total&totalType=kyobo&ra=date&chrcCode=1000509412

내가 봤던 많은 책의 저자이셨다! 왜 몰랐을까!? 왜 책에 저자 이력을 기재하지 않으셨을까?

아! 그렇구나!!! 진정한 실력자는 그냥 책 내용으로 승부하시는구나 !!!

좀더 찾아서 교보문고에 등록된 프로필을 보니, 역시, 마소 출신의 스페셜리스트 !!! 진정한 고수 !!!

  - https://store.kyobobook.co.kr/person/detail/1000509412

이제 책을 보면서 공부를 해보자.

참고로 한빛 전자책을 보면서 2페이지 보기로 공부를 하면서 정말 좋았는데,

듀얼 모니터를 이용해서 하나에서는 책을 보고 다른 모니터에서 코딩을 하는 것이 상당히 괜찮은 사용성이었다.

살짝 아쉬운 것은 책에 있는 URL 등을 copy&paste 할 수 없어서 좀 아쉬웠다.

IT 서적들은 종종 순서대로 읽지 않아도 된다고 말하곤 하는데,

이 책은 심지어 개인 취향에 따라 어떻게 건너 뛰어도 되는지를 친절하게 알려주고 있다.

Chapter 01/02 부분은 이론적인 내용을 설명해주고 있고,

Chapter 03 에서는 실습 환경 준비에 대한 설명이고,

Chapter 04 부터 Chapter 12 까지의 내용은 실제 구현한 Agent에 대한 설명으로만 이루어져 있다.

이 책에서의 실습은 전반적으로 Windows 환경을 기준으로 설명을 해주고 있다.

또한 실습을 위해서는 OpenAI(ChatGPT), Claude, Cursor 3종의 외부 생성형AI 서비스를 사용하고 있다고 전제한다.

무료 등급으로도 맛을 볼 수는 있지만 실습을 제대로 하고자 한다면 유료 등급이 필요하다.

책에서 제안하는 운영체제와 서비스들이 물론 당연히 필수는 아니기에,

다른 환경(Ubuntu)과 AI 서비스(Gemini, OpenCode, Openrouter 등)를 사용하겠다라고 하면

발생하는 차이 부분에 대해서는 스스로 깨우쳐 나가야 한다(개인적으로는 가장 많은 공부를 할 수 있는 추천하는 방법이다 !!!)

참고로 MCP 및 FastMCP 부분을 설명할 때,

이 책에서는 패키지를 어떻게 설치하는지 개발환경은 어떻게 맞춰야 하는지에 대한 설명은 하지 않는다.

즉, 이 책은 어느 정도 수준이 있는 개발자를 위한 도서이다.

아쉬운 부분은 실습 코드의 실행도 Windows를 기준으로 구현이 되어 있다는 점인데,

AI를 이용해 Ubuntu에서도 실행이 잘 되도록 개선해보면 공부에 많은 도움이 될 것이다.

이 책을 볼 정도라면 그 정도는 충분하게 ... ?! ^^

Chapter 04 부터는 책에서 설명해주는 내용만 보는 것 보다

실습 코드를 다운로드 받은 다음,  VSCode로 열고 GitHub Copilot을 이용해서 질문하면서 살펴보면 훨씬 더 좋다.

이 책은 생성형AI 코딩 에이전트를 이용해 코드 생성 하는 것을 알려주는 책이 아니다.

멀티 에이전트가 무엇이고 어떻게 구성해야하는지에 대한 것을 설명해주는 책이다.

그리고, Chapter 04부터 설명해주는 프로젝트들의 경우 상당히 다양하고 수준 높은 유용한 코드를 제공해주고 있다.

에이전트 개발을 하려는 분들이라면 참고해보면 많은 도움이 될 것이다.

본 책은 LLM + RAG 시스템을 만들고 그 구성 요소를 만드는 책이 아닌

그다음 개념인 에이전트를 만들어서 활용하는 책으로

더 복잡한 문제를 어떻게 하면 멀티 에이전트로 실습하면서 해결할 수 있는지가 구성된 책입니다.

​

처음 코드를 접하시는 분들이라면 익숙하지 않아 당연히 어렵게 느껴질 수도 있지만

책에서는 누구나 따라 해볼 수 있도록 폴더와 파일 하나하나를 친절하게 설명해서

​

어느 정도의 기반 지식이 있으시다면 충분히 따라 해보고

저처럼 프로젝트를 완성하실 수 있는 책이라고 생각됩니다.

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

총평

- 책의 난이도  : ★★★☆☆
- 추천 별점     : ★★★★★
- 추천 독자     : 에이전트를 잘 다루고 싶은 누구나
- 지은이         : 서지영
- 출판사         : 한빛미디어

이제 LLM을 통해서 단순히 질의 응답을 하는게 아니라 실질적으로 업무를 시킬 수 있는 시대가 도래했다.

MCP, 하네스 등 다양한 용어들이 많이 있지만 결국은 여러 에이전트를 만들고 이 에이전트 들이 잘 동작하게 만드는게 핵심 가치라 하겠다.

에이전트는 일종의 비서라고 생각하면되는데, 흔히 해당 업무를 잘하는 베타랑 조수를 만든다고 생각하면된다.

예를 들어 공모전 에이전트인데, LLM의 범용모델을 써서 공모전 정보를 수집하고 응모를 해달라고해도되지만 이런 범용 LLM은 매번 새로운 양식으로 공모전을 찾고, 때로는 원하는대로 잘 안되는 경우도 있다. (어디까지나 예시라고 생각해주길 바란다)

에이전트 방식으로 한다면, 각각의 에이전트에게 역할을 부여하고 해당 에이전트에게 전문성을 부여하게 되는 것이다.

예를들어 이런식으로 운영할 수 있다.

1. 공모전 탐색 에이전트 : 인터넷 검색을 전문으로 하며 내가 원하는 공모전 사이트에서 특정 URL 페이지에 접속해 크롤링을 전문적으로 진행한다. 그리고 해당 공모전의 제목, 응시 사이트주소, 응모 기간, 응모 양식 등을 분석한다.

특히 인터넷 웹 검색 등은 도구를 사용하는게 좋다. 그렇지 않으면 제대로 검색하지 못할 수 있다.

2. 공모전 작성 에이전트 : 실질적으로 해당 공모전에서 원하는 양식을 분석하고, 해당 양식에 맞게 공모전에 응모할 내용을 직접 작성하여 TOP3를 뽑아 낸다.

3. 공모전 평가 에이전트 : 공모전에서 제시하는 평가표에 따라 직접 평가점수를 매긴다. 그래서 해당 평가 기준에 어떤것이 충족하고 어떤 것이 미달되는지 도움을 준다.

만약 이렇게 에이전트를 나눠서 작업하지 않는다면 매번 수집을 할때마다 어떻게 수집할지 고민하는데 토큰을 사용하고, 매번 다른 양식으로 자료를 수집해서 줄 것이다. 내가 여기서 말하고 싶은건 우리가 에이전트를 사용한다는건 어떤 역할에 대한 전문성을 부여한다는데에 핵심이 있다는 것이다.

결국 이와 같이 3개의 에이전트를 만들었다면, 이것이 바로 멀티에이전트이다. 이것들이 순차적으로 진행해야할 것이다. 자료를 수집하고 -> 작성하고 -> 평가하는 로직이기 때문이다. 그럼 책에서 나온것처럼 순차 실행 패턴으로 실행하면되겠다.

만약 여기에 사실상 피드백을 조금 더 구현하고 싶다면 반복 개선 패턴을 통해서 평가 내용을 가지고 다시 생성을 진행할 수도 있다.

책의 흐름

이 책에서는 그래서 이런 에이전트를 생성해서 목적을 달성하기 위한 다양한 패턴을 적용할 수 있도록 다양한 시나리오를 제공하고 있다.

10장 흐름11장 흐름

뒤 쪽 시나리오의 흐름을 비교해보면 전부 다 필요한 라이브러리를 설치하고 에이전트의 역할을 설정하는 것을 첫번째 스텝으로 하고 있다. 그래서 규정한 에이전트를 동작시키면서 필요한 데이터를 추출하고 정리하고 평가도 하고, 필요한 부분은 피드백해서 이것들은 MCP 서버로 만드는 작업을 반복적으로 하는 것을 알 수 있다.

다양한 시나리오를 많이 제공하고 있으니 에이전트에 대한 개념과 실습을 해보고 싶은 분들에게 강력하게 추천하는 책이다.

특히 한빛미디어의 << 이것이 ㅇㅇ이다 >> 시리즈는 항상 믿고 보는 책이기 때문에 최근 AI가 기본 소양인 시대에서 꼭 읽어볼 책이라고 생각한다.

요즘 가장 많이 언급되고, 추진되는 과제가 바로 에이전트 입니다. 그냥 에이전트가 아니고 AI 에이전트 입니다.

예전부터 에이전트라는 개념은 있었습니다. 하지만 요즘은 "AI 에이젠트"라는 키워드가 2026년도에 가장 많이 회자되고 언급되는것 같습니다. 우선 AI에이전트로 무엇을 만들라고 한다면, 그것이 무엇을 만드는 것일까? 사람이 하는 업무나 동작을 무언가 자동화 하는 것인가? 생각할수 있습니다. 이책에서는 그것에 대한 정의 및 이론설명, 무엇을 할수 있는지 설명되어져 있는 책입니다.

■ 책의 구성

· 총 3항목으로 크게 구성되어 있습니다.
 

기본 개념을 살펴보고, 싱글/멀티에 대한 실전구현 측면으로 접근하고 있습니다.

이것이 중요한 것이 우리는 이론도 중요한데 실제 사례측면에서 다양한 케이스를 설명해주는 책이여서 더 현실감 있게 다가옵니다.

싱글 에이전트에서는 2가지 사례를 실습해보고, 멀티 에이전트 방식으로는 7가지 내용을 구성하고 있습니다.

· 이 책에서는 왜 책 제목이 멀티에이전트 인가?

아래 지은이의 메세지 입니다. 보통 RAG를 통해서 LLM에서 커버하기 힘든 것을 1차적으로 적용하고 있습니다.

하지만 그것으로 부족한 부분에 대한 보완책으로 멀티 에이전트기법이 필요한 사항을 책을 통해서 설명하려고 합니다.

당연히 기본적으로 LLM + RAG구성도 알아야 합니다.

■ 개발 환경 / 사용기술

· Key등록

 - Openai API

 - Claude API 

 - Tavily API : LLM환경에서 실시간 웹검색을 위한 API

 - Slack Webhook URL

· Tool, Env

 - python

 - Cursor

■ 주요 이론 설명

· 기술의 발전의 흐름대로, 각각의 구성요소들이 무슨 역할을 하는지 보면서, 기술의 발전을 살펴볼수 있습니다.

각 장표마다 설명되어진 사항을 묶어서 구성해봤습니다. 이런 흐름이 결국 멀티에이전트가 왜 필요한지 이해가 되었습니다.

· 싱글/멀티 에이전트의 구성도를 통해서 동작방식 및 차이점을 찾아봅니다.

에이전트간 통신방식에도 순차실행패턴, 순차실행패턴, 확산 전달 패턴, 반복개선 패턴, 요청-응답패턴으로 있습니다.

AgentContext를 통해서 전역상태, 누적업데이트, 오케스트레이션, 감시로그 구성에 중요한 역할을 하고 있습니다.

A2A를 통해서 에이전트간 통신하는 규약은 rest, gRPC, 메세지브로커, 스트리밍 방식으로 통신이 가능합니다.

· 멀티에이전트의 동작방식은 학습목표와 비슷합니다.
 

복수의 에이전트가 동작되어야 하기 때문에 오케스트레이션의 기능 정의 , MCP프로토콜을 이용해서 실제 AI를 연동해서 기능을 동작시키고, 그에 따른 보안, 품질, 모델평가, 성능과 비용을 최적화 하는 단계를 진행하게 됩니다.

■ 사례를 통해 살펴본 내용

· 싱글 에이전트 : 하나의 에이전트 기반으로 절차적으로 수행되는 프로세스별로 진행 과정을 살펴봅니다.
 

폴더 구성, 라이브러리 설치, MCP서버 구성, 워크플로우 조율까지 진행하는 과정으로 각 과정별 코드 예시에 대한 설명도 함께 있습니다.

이 책의 가장 큰 장점으로 실제 업무에서도 사용이 가능하고 조금만 응용해도 다른 다양한 케이스로 변경해서 사용이 가능하다는 부분입니다. 당연히 소스 코드에 대한 설명도 잘 되어 있어서 따라하면서 어떻게 동작되는지 이해하기 쉽습니다.

· 멀티 에이전트

싱글 에이전트 보다 복수의 에이전트를 수행하는 과정은 더 많은 고려사항이 있습니다.

우선 멀티 에이전트에서는 다양한 도메인에 대해서 예제가 있다는 것이 좋았습니다. 

에이전트들이 서로 조율하고, 각각의 역할을 어떻게 처리하는지, 각 모듈별 MCP와 통합해서 동작하고 워크플로우 설계를 직접 실습해볼 수 있습니다. 실무 수준으로 설계가 구성되어서 처음 동작원리 파악 및 활용에 용이하게 구성되어 있습니다

-  실습 사례

• Chapter 06 약관 기반 질의응답
• Chapter 07 Whisper 기반 음성 Q&A
• Chapter 08 병렬 검색으로 속도 개선
• Chapter 09 반복 평가로 응답 품질 개선
• Chapter 10 뉴스 기반 종목 영향 평가
• Chapter 11 이상 거래 탐지
• Chapter 12 맞춤형 여행 플래너

- 에이전트별 파이프라인을 구성해서, 데이터 flow를 살표볼수 있습니다.

각각의 에이전트를 어떻게 코드적으로 오케스트레이션을 하고 수행하는지 도움을 줍니다.

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

LLM API를 호출하고 RAG로 답변 품질을 끌어올려 본 개발자라면, 누구나 한 번쯤 벽을 느꼈을 것이다. 단순한 검색 증강 생성만으로는 풀리지 않는 복잡한 문제들, 에이전트 간의 역할 분담, 그리고 실행 결과를 다시 검증하고 수정하는 루프를 만들다 보면 자연스레 다음 단계에 대한 갈증이 생긴다. 이 책은 바로 그 지점에서 막막함을 느끼는 사람들에게 도움을준다

책에선 이제 "어떤 모델을 쓰느냐"보다 "여러 AI가 어떻게 역할을 나누고 협업하느냐"가 중요한 시대라고 말한다. 이 흐름을 따라 MCP와 A2A라는 협업 구조를 다루는데, 책은 단순히 개념 설명에 그치지 않고 실제 시스템 단계로 넘어갈 수 있도록 9가지 실전 프로젝트를 제시한다.

가장 만족스러웠던 부분은 실습의 깊이였다. 싱글 에이전트에서 멀티 에이전트로 확장해 나가는 과정에서 오케스트레이터 설계, 병렬 검색을 통한 성능 개선, 그리고 응답 품질을 높이기 위한 반복 평가 루프까지, 운영 환경에서 필수적인 아키텍처를 하나씩 구현해 볼 수 있었다. 영업 데이터 분석부터 뉴스 분석, 이상 거래 탐지까지 실무에서 즉시 활용 가능한 프로젝트들이 담겨 있어 공부하는 내내 실전 감각을 익히는 재미가 있었다.

솔직히 초반에는 조금 어려워서 뭔말인가? 하고 멍때린순간도 있었는데 실습을 차근차근 따라해보고 결과물을 확인하면서 조금씩 감이 잡히기 시작했다.

책을 읽다 보면 Anthropic의 MCP와 Google의 A2A가 왜 현재 AI 개발의 핵심 흐름인지 명확해진다. 단순히 튜토리얼을 따라 하는 것을 넘어, 운영 환경에서의 보안, 품질 관리, 비용 최적화라는 개발자의 본질적인 고민까지 다루고 있다는 점이 이 책의 가장 큰 장점이다.

RAG를 넘어 멀티 에이전트 시스템이라는 새로운 파도를 타고 싶은 개발자라면, 이 책은 꽤 든든한 나침반이 될 것이다. 구현 방법만 익히는 데서 멈추지 않고, 직접 '협업하는 AI 시스템'을 설계하고 운영해보고 싶은 개발자들에게 일독을 권한다. 이제 에이전트가 단독으로 일하는 시대는 지났으니까.