Annyfee/agent-craft

해결하는 문제

Agent Craft는 AI 에이전트 개념을 아는 것과 처음부터 구축할 수 있는 것 사이의 격차를 해결합니다. 많은 학습자가 이론을 이해하거나 API를 호출할 수 있지만, 완전하고 실행 가능한 에이전트를 조립하는 데 어려움을 겪습니다. 이 프로젝트는 기본 LLM 호출부터 전체 에이전트 시스템 배포까지 안내하는 구조화된 모듈별 학습 경로를 제공합니다.

작동 방식

프로젝트는 15개의 순차 모듈(현재 01–13 공개)로 구성되며, 각 모듈에는 독립적인 코드, 주석, 예제가 있습니다. 다음과 같이 진행합니다:

• 기초: 환경 설정, LLM 호출, 함수 호출 활성화.
• 프레임워크 계층: LangChain을 사용한 프롬프트, 체인, 메모리; 그 다음 벡터 저장소(FAISS, Chroma)와 리랭커를 사용한 RAG; 그 다음 상태 저장 및 디버깅 가능한 워크플로우를 위한 LangGraph(인간 개입 및 다중 에이전트 오케스트레이션 포함).
• 지능 계층: FastMCP와 langchain-mcp-adapters를 사용한 MCP 서버 및 클라이언트 구축, Swarm 패턴 및 Agents SDK 탐색.
• 실용 프로젝트: Streamlit을 사용한 채팅 UI 구축, 향후 LangGraph, RAG, MCP, Streamlit, Vercel을 결합한 종합 프로젝트 예정.

각 모듈에는 설계와 핵심 메커니즘을 설명하는 해당 CSDN 블로그 게시물이 함께 제공됩니다. 프로젝트 전체는 로컬에서 실행되는 코드와 이해하기 쉬운 원칙을 강조합니다.

대상 독자

이 프로젝트는 기본 Python을 이미 알고 있으며 프레임워크를 호출하는 것뿐만 아니라 AI 에이전트를 내부적으로 이해하려는 개발자와 학습자를 위한 것입니다. "개념을 아는 것"과 "실제로 구축하는 것" 사이에서 막혀 있거나, API를 호출할 수 있지만 기본 추론과 의사 결정을 이해하고 싶다면 Agent Craft가 당신을 위해 설계되었습니다.

주요 특징

• 점진적 학습 경로: 프롬프트 기초부터 배포까지 15개 모듈, 각각 독립적이고 실행 가능.
• 풀스택 커버리지: LLM 호출, 함수 호출, LangChain, RAG, LangGraph, MCP, Swarm/Agents SDK, Streamlit.
• 실행 가능한 코드: 각 모듈에는 주석이 달린 로컬 재현 가능한 코드가 포함됩니다.
• 개념 설명: 함께 제공되는 CSDN 블로그가 설계 근거와 메커니즘을 명확히 합니다.
• 실제 실습: 고객 서비스 다중 에이전트 클러스터와 채팅 대시보드를 구축합니다.