LangGraph로 만드는 실전 LLM AI 에이전트 [한국어 리메이크]

단순한 LLM 호출을 넘어, 스스로 판단하고 도구를 사용하는 AI 에이전트를 직접 만들어보세요.

이 강의는 LangGraph의 기본 구조부터 실전 AI 에이전트 설계와 구현까지 단계적으로 배우는 과정입니다.

처음에는 State · Node · Edge · 조건 분기를 통해 LangGraph의 핵심 구조를 이해합니다.

이후에는 생성과 비평을 반복하며 결과를 개선하는 Reflection · Reflexion Agent, 웹 검색과 외부 도구를 활용하는 에이전트로 확장합니다.

Agentic RAG

단순한 문서 검색을 넘어, 스스로 검색 결과를 평가하고 보완하는 RAG를 구현합니다.

• Corrective RAG — 검색 결과를 평가하고 부족하면 보완

• Self-RAG — 생성된 답변을 스스로 검증

• Adaptive RAG — 질문에 따라 적절한 검색 경로 선택

문서 로딩부터 청킹 · 임베딩 · Chroma 기반 검색 파이프라인까지 직접 구축합니다.

ReAct & Tool Use

ReAct와 Function Calling을 활용해 AI가 상황에 따라 검색·계산 등 필요한 도구를 직접 선택하고 실행하도록 만듭니다.

Human-in-the-Loop

체크포인트와 interrupt를 활용해

AI 작업 → 중단 → 사람의 확인 → 다시 실행

이 가능한 실제 업무형 워크플로를 구현합니다.

병렬 실행과 배포

후반부에서는 Fan-out · Fan-in 기반 병렬 실행과 LangGraph Studio · API를 활용한 배포 구조를 배웁니다.

또한 실제 서비스에서 중요한 비용 · 속도 · 신뢰도 · 보안 · UX · MCP까지 함께 살펴봅니다.

이론 + 실습으로 직접 구현합니다

각 핵심 주제는 이론 + 실습으로 구성되어 있습니다.

먼저 개념과 전체 구조를 이해한 뒤,
Jupyter Notebook에서 직접 코드를 실행하며 결과를 확인합니다.