416 LangChain 에이전트 개발
LangChain의 Tool, Agent Executor, Prompt, Memory 개념을 활용해 외부 도구를 사용하는 자동화 에이전트를 개발하는 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
이 교육의 궁극적 목표는 학습자가 LangChain 에이전트 구조를 이해하고, 검색·계산·문서처리 같은 도구를 조합해 복합 요청을 처리하는 프로토타입을 구현하는 것이다.
참고한 유료형 교육 흐름
- 한국·미국·영국·유럽의 민간 AI 엔지니어링 부트캠프처럼 개념 설명보다 작동하는 에이전트 자동화 시스템을 매 차시 완성하는 흐름
- 전문 생성형 AI 개발 과정처럼 Tool Calling, Function Calling, MCP, 에이전트 SDK, 워크플로우 설계를 하나의 파이프라인으로 연결하는 흐름
- 기업형 AI 자동화 워크숍처럼 실제 업무도구, API, 데이터, 문서, 외부 서비스 연동을 기반으로 자동화 에이전트를 구축하는 흐름
- 상용 AI Agent 서비스 개발 교육처럼 보안, 권한, 로그, 오류 복구, 비용, 평가, 운영 가능성을 함께 검증하는 흐름
1일차 · LangChain Tool과 Agent 구조 · 3시간
LangChain 에이전트 기초
LangChain 에이전트 개발 과정의 1단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | Tool 정의와 설명 작성 | 계산기, 문서검색, 문자열 변환, CSV 조회 같은 도구를 LangChain Tool로 정의한다. 도구 설명이 모델의 선택에 미치는 영향을 테스트하고 잘못 호출되는 사례를 수정한다. |
| 목표 2 | Agent Executor 구성 | LLM, Tools, Prompt를 연결해 사용자 요청에 따라 도구를 선택하는 Agent Executor를 구성한다. verbose 로그를 확인하며 에이전트의 thought, action, observation 흐름을 분석한다. |
| 사용 플랫폼 | Python, LangChain, OpenAI API 또는 Ollama 선택, ChromaDB 선택, Streamlit, VS Code |
|---|---|
| 강사 스펙 | LangChain Agent, Tool 설계, Prompt Template, Memory·Retriever 연동, Python 디버깅 지도 가능자 |
| 수업대상 | 고등학생 이상, Python·RAG 기초 또는 LLM API 경험자 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | Python 환경, API 키 또는 로컬 LLM, 샘플 도구 함수, 문서 데이터, 테스트 질문 목록 |
| 산출물 | LangChain 에이전트 개발 2일 완성 AI Agent 프로젝트, 코드, 실행 로그, 오류수정 기록 |
| 평가방법 | 실습 완성도 35%, 에이전트 실행 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |
2일차 · 문서검색 연동 에이전트 완성 · 3시간
복합 업무 에이전트 구현
LangChain 에이전트 개발 과정의 2단계 실전 개발 활동
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | Retriever Tool 연동 | ChromaDB 또는 간단한 retriever를 Tool로 연결해 문서 기반 질문에 답하도록 만든다. 일반 대화, 계산 요청, 문서 질문이 섞인 테스트셋으로 도구 선택이 적절한지 확인한다. |
| 목표 2 | Streamlit 프로토타입 제작 | 질문 입력, 선택된 도구, 중간 결과, 최종 답변이 표시되는 UI를 만든다. 도구 선택 오류, 검색 실패, 과도한 반복 호출을 기록하고 프롬프트와 도구 설명을 개선한다. |
| 사용 플랫폼 | Python, LangChain, OpenAI API 또는 Ollama 선택, ChromaDB 선택, Streamlit, VS Code |
|---|---|
| 강사 스펙 | LangChain Agent, Tool 설계, Prompt Template, Memory·Retriever 연동, Python 디버깅 지도 가능자 |
| 수업대상 | 고등학생 이상, Python·RAG 기초 또는 LLM API 경험자 |
| 소요시간 | 총 6시간 · 1일 3시간씩 2일 편성 |
| 준비물 | Python 환경, API 키 또는 로컬 LLM, 샘플 도구 함수, 문서 데이터, 테스트 질문 목록 |
| 산출물 | LangChain 에이전트 개발 2일 완성 AI Agent 프로젝트, 코드, 실행 로그, 오류수정 기록 |
| 평가방법 | 실습 완성도 35%, 에이전트 실행 정확도 30%, 오류수정·개선 20%, 발표·문서화 15% |