chemark/ai-agent-book

해결하는 문제

신뢰할 수 있는 AI 에이전트를 구축하는 것은 보기보다 어렵습니다. 에이전트는 대규모 언어 모델(LLM), 적절한 컨텍스트, 그리고 일련의 도구를 결합해야 하며, 엔지니어링 세부 사항이 매우 중요합니다. 이 책은 기본 개념부터 고급 협업 및 자기 진화에 이르기까지 모든 것을 다루며, 이론에서 실제 작동하는 코드로 추측 없이 나아갈 수 있도록 에이전트를 이해하고 구축하는 완전한 실습 경로를 제공합니다.

작동 방식

이 책은 'Agent = LLM + context + tools'라는 하나의 핵심 공식을 중심으로 구성되어 있습니다. 총 10개의 장으로 나뉘어 있으며, 각 장은 집중적인 주제와 실행 가능한 코드를 포함합니다. 기초(1장)부터 시작하여 컨텍스트 엔지니어링(2장), 사용자 메모리 및 지식 베이스(3장), 도구 및 MCP(4장), 코딩 에이전트(5장), 평가(6장), 모델 사후 학습(7장), 에이전트 자기 진화(8장), 멀티모달 및 실시간 상호작용(9장), 그리고 마지막으로 멀티 에이전트 협업(10장)으로 진행됩니다. 전반에 걸쳐 이론, 실용적인 지침, 그리고 92개의 실습 실험을 혼합하여 제공합니다. 일부 실험은 외부 저장소를 복제해야 하며, README에는 원클릭 복제 명령과 시작을 위한 적절한 API 키 제공업체(DeepSeek 또는 Kimi 등) 목록이 포함되어 있습니다.

대상 독자

이 책은 실습을 통해 AI 에이전트를 배우고자 하는 개발자, 학생, 연구자를 위한 것입니다. 어느 정도 코딩 배경이 있고 실험을 실행하며 구조화된 학습 경로를 따를 의지가 있는 분들에게 적합합니다. 효율적으로 읽는 방법에 대한 권장 사항이 포함되어 있으며, 각 장의 실험은 명확하게 라벨링(실행 가능, 재현 가능, 또는 설계 전용)되어 있어 원하는 학습 깊이를 선택할 수 있습니다.

주요 특징

• 핵심 공식: Agent = LLM + context + tools
• 10개 장에 걸친 92개의 오픈소스 실험
• 컨텍스트 엔지니어링, 메모리, 도구, 코딩 에이전트, 평가, 사후 학습, 자기 진화, 멀티모달 및 멀티 에이전트 시스템 포함
• 더 깊은 실험에 필요한 19개의 외부 저장소를 복제하는 원클릭 스크립트 포함
• 쉬운 설정을 위한 학습 제안 및 API 키 권장 사항 제공