datawhalechina/deepagents-in-action

이 프로젝트는 무엇인가

Deep Agents 실전은 LangChain 및 LangGraph 프레임워크를 사용하여 AI 에이전트를 구축하는 방법을 가르치는 무료 중국어 온라인 강좌입니다. DataWhale 오픈소스 커뮤니티에서 출판했으며 LangChain 인증 앰배서더인 창하이주쑤(沧海九粟)가 작성했습니다.

이 강좌는 17개 챕터의 삽화가 포함된 서면 레슨과 바로 실행 가능한 실험 템플릿을 포함하며, 비디오 보충 자료가 점차 추가되고 있습니다. 첫 에이전트부터 시작하여 작업 계획, 파일 시스템, 하위 에이전트 협업, 컨텍스트 관리를 점진적으로 다룹니다.

대상 독자

똑똑하지만 전문가가 아닌 학습자로 AI 에이전트를 직접 경험하고 싶은 사람들을 대상으로 합니다. 이 강좌는 이론을 읽는 것뿐만 아니라 실험을 따라 하며 진행한다고 가정합니다. 강좌는 중국어로 제공됩니다.

배울 내용 (챕터 맵)

준비 — AgentSeek이라는 도구를 사용하여 개발 환경을 설정하고, 코딩 중에 프레임워크 수준의 지침을 제공하는 AI 코딩 어시스턴트 "스킬"을 설치합니다.

버전 업데이트 가이드 — Deep Agents v0.7에서 변경된 사항(더 가벼운 기본 설정, 단순 턴에서 기본 입력 토큰 약 65% 감소, 새로운 파일 도구 동작)과 v0.5/v0.6에서 마이그레이션하는 방법을 설명합니다.

인지 챕터

• 1장: "Agent Harness"란 무엇이며 Deep Agents, LangChain, LangGraph가 책임을 어떻게 나누는지
• 2장: 5분 만에 첫 에이전트 구축

핵심 챕터

• 3장: 가상 파일 시스템 — 에이전트가 콘텐츠와 중간 결과를 저장하는 방법
• 4장: 작업 계획 — 에이전트에게 복잡한 작업을 분해하도록 가르치기
• 5장: 하위 에이전트 — 작업 위임 및 컨텍스트 격리
• 6장: 비동기 하위 에이전트 — 여러 하위 작업을 병렬로 실행

고급 챕터

• 7장: 스킬 — 재사용 가능한 기능 패키지
• 8장: 장기 기억 — 대화 간 기억
• 9장: 인간 개입 — 안전한 인간 승인 흐름
• 10장: 샌드박스 실행 — 코드를 안전하게 실행
• 11장: 파일 시스템 권한 — 선언적 읽기/쓰기 경계
• 12장: MCP — 에이전트의 도구 생태계를 확장하는 표준 프로토콜

프론티어 미리보기

• 13장: 평가 루브릭 — 에이전트가 수용 기준에 대해 자기 반복
• 14장: 스트리밍 — 에이전트 및 도구 이벤트를 실시간으로 관찰
• 15장: 인터프리터 — 에이전트가 코드로 도구를 오케스트레이션
• 16장: 동적 하위 에이전트 — 코드로 오케스트레이션된 멀티 에이전트 패턴
• 17장: 결정 모델 하네스 — 모델 라우팅 및 자동 모드를 통한 에이전트 제어

따라 하는 방법

각 챕터에는 실험 템플릿이 있습니다. AgentSeek을 설치하고 템플릿을 생성한 다음(예: agentseek create deepagents/default), .env 파일을 구성하고, agentseek doctor로 환경을 확인한 후 agentseek dev로 시작합니다. 모델은 클라우드 모델 플랫폼인 SiliconFlow(硅基流动) 를 통해 액세스합니다. 강좌 스폰서는 신규 사용자에게 16위안 바우처를 제공하며, 남은 추천 크레딧은 풀링되어 할당량을 소진한 학생들을 보조합니다.

접근 방법

• 온라인 읽기: datawhalechina.github.io/deepagents-in-action/
• Bilibili 비디오: README에서 링크
• 샤오홍슈 게시물: README에서 링크

사이트 자체의 기술 스택

강좌 웹사이트는 Astro 6, Tailwind CSS 4, TypeScript로 구축되었습니다. 챕터 콘텐츠는 content/ 폴더의 Markdown 파일로 저장되며, 빌드 전에 scripts/chapters.json에서 메타데이터를 주입하는 전처리 스크립트가 실행됩니다. 로컬 개발에는 Node.js ≥ 22.12.0이 필요합니다.

라이선스

• 강좌 텍스트: CC BY-NC-SA 4.0 (동일조건변경허락, 비영리)
• 웹사이트 소스 코드: MIT

기여 방법

풀 리퀘스트를 환영합니다 — 오타 수정, 레이아웃 개선, 콘텐츠 토론 등. 모든 기여자는 README의 "특별 감사" 섹션에서 언급되며 LangChain 공식 커뮤니티(중국) 선물을 받습니다.

주요 정보 요약

항목	세부 사항
언어	중국어
가르치는 프레임워크	LangChain / LangGraph / Deep Agents
챕터	17 + 준비 + 버전 업데이트 가이드
저자	창하이주쑤 (LangChain 인증 앰배서더)
모델 제공자	SiliconFlow (硅基流动)
콘텐츠 라이선스	CC BY-NC-SA 4.0
코드 라이선스	MIT
현재 버전	Deep Agents 0.7.x 권장

참고: README에는 이 강좌가 2000개 이상의 GitHub 스타를 받았고 Trendshift에 등장한다고 언급되어 있지만, 정확한 스타 수는 README 자체에 명시되어 있지 않습니다.