← Admin Night로 돌아가기

AI Agent Bloom

AI Agent, 같이 만들고 피워보는 Bloom

처음부터 거창한 멀티 에이전트를 만들지는 않습니다. 작은 LLM 호출 하나에서 시작해 LCEL, Memory, LangGraph, RAG fallback까지 차근차근 이어갑니다.

바이브코딩을 적극 활용해 실제 구현 흐름을 함께 따라가고, 각자 떠올린 아이디어도 가볍게 나눠보는 자리로 준비하고 있습니다. 참가비는 30,000원이며, 결제 완료 즉시 참가권이 확정됩니다.

진행 방식

오프라인 고정

강의 방식

바이브코딩 적극 활용

참가비

30,000원

제공 기간

결제 직후부터 모임 종료까지

서비스 제공 기간

결제 완료 직후부터 해당 오프라인 모임 종료 시까지 (결제일로부터 1년 이내 제공). 확정 일시와 장소는 결제 전 상품 페이지와 안내 이메일로 고지하며, 모임은 결제일로부터 1년 이내 진행됩니다. 결제 완료 후 상세 안내는 1일 이내 이메일로 제공합니다.

AI Agent Bloom 참가권

30,000원

서비스 제공 기간: 결제 완료 직후부터 해당 오프라인 모임 종료 시까지 (결제일로부터 1년 이내 제공)

관심 투표하기 어젠다 보기

이런 분에게 맞아요

LLM 호출 예제에서 멈추지 않고, Agent 구조까지 한 단계씩 이어가보고 싶은 사람
바이브코딩을 써서 아이디어를 빠르게 코드로 옮기는 흐름을 직접 보고 싶은 사람
State, Node, Edge, Reducer 같은 LangGraph 문법이 실제 실행 흐름에서 어떻게 쓰이는지 알고 싶은 사람
DB, CSV, Web, RAG를 한 흐름 안에서 나누어 쓰는 감각을 잡고 싶은 사람
평가, 관측, fallback처럼 “만들고 난 뒤”에 필요한 기준까지 같이 보고 싶은 사람

끝나면 가져갈 것

Prompt, Parser, Memory가 어떻게 Agent 흐름으로 이어지는지 큰 그림을 잡습니다.
바이브코딩으로 빠르게 만들고, 바로 실행해보며 고치는 리듬을 경험합니다.
직렬 실행, 조건부 분기, 병렬 fan-out이 왜 필요한지 코드 흐름으로 이해합니다.
DB/CSV처럼 확실한 데이터와 Web/RAG처럼 보강이 필요한 경로를 나누어 보는 기준을 얻습니다.
trace, tool log, judge 평가처럼 결과를 확인하는 최소한의 체크포인트를 가져갑니다.

2 Hours Flow

2시간 공유 실습 흐름

작은 호출에서 시작해 그래프 구조로 넓혀갑니다. 중간중간 실행 결과를 확인하면서, 어디서 Agent가 필요하고 어디서는 Workflow가 더 나은지 함께 봅니다.

0~15분

핵심 개념 정리

Agent, Tool, Skill, Workflow가 어디서 갈라지는지 먼저 맞춥니다.

15~35분

LLM 직접 호출과 LCEL

작은 호출 하나에서 Prompt, Parser, Chain으로 자연스럽게 이어갑니다.

35~55분

Prompt / Parser / Memory

출력 형식을 잡고, 대화 기억이 필요한 순간을 확인합니다.

55~75분

LangGraph 기본 그래프

State, Node, Edge를 직접 붙이며 그래프가 도는 모습을 봅니다.

75~95분

조건부/병렬 그래프

분기하고, 병렬로 보내고, 다시 합치는 구조를 만들어봅니다.

95~115분

로컬 우선 MAS + RAG fallback

DB/CSV/Web/RAG를 역할별로 나누고, 비어 있는 정보를 보강합니다.

115~120분

고도화 포인트 정리

관측, 평가, 검색 고도화를 다음 단계로 어떻게 붙일지 정리합니다.

Agenda

강의 어젠다

단순히 데모 하나를 완성하는 자리는 아닙니다. 만든 흐름을 어떻게 확인하고, 실제로 쓸 수 있는 구조로 어떻게 넓혀갈지에 더 초점을 둡니다.

Part 01

핵심 개념 정리: LLM, Agent, Tool, Skill, Workflow

먼저 말을 맞춥니다. Agent를 단순한 답변 생성기가 아니라, 목표를 보고 도구를 고르는 실행 구조로 놓고 시작합니다.

Agent와 Workflow의 차이Tool과 Skill의 역할중요 흐름은 Graph로 통제하고 판단은 Agent에 위임

Part 02

LLM 직접 호출에서 LCEL Chain까지

LangGraph로 바로 들어가지 않습니다. `invoke`, Prompt, Parser, Chain, Memory처럼 자주 쓰는 조각부터 짧게 연결해봅니다.

ChatOpenAI invokePrompt | LLM | ParserJSON Parser와 RunnableParallel세션별 Memory

Part 03

LangGraph 기본 그래프: State, Node, Edge, Reducer

StateGraph를 하나의 흐름도로 보고, 노드와 edge를 붙여가며 실행 순서를 직접 눈으로 확인합니다.

직렬 그래프조건부 분기병렬 fan-outoperator.add와 add_messages reducer

Part 04

로컬 우선 MAS: DB Agent + CSV Agent + Web Agent + RAG Agent

확실한 데이터는 DB/CSV에서 먼저 찾고, 부족한 부분은 Web/RAG로 보강합니다. 여러 Agent를 억지로 많이 붙이기보다 역할을 나누는 감각을 봅니다.

entry_node 라우팅DB/CSV 병렬 수집Web fallbackRAG Agent 의미 검색 보강Reporter 합류

Part 05

그래프 시각화, X-Ray, 경로 테스트

답변이 그럴듯한지만 보지 않습니다. 내가 의도한 경로로 실제 실행됐는지 trace와 used_agents로 확인합니다.

Mermaid / X-Ray 시각화로컬 키 경로 검증RAG fallback 경로 검증Reporter 종료 검증

Part 06

고도화 포인트: Hybrid Search, Observability, Judge

마지막에는 더 잘 만들기 위한 갈림길을 정리합니다. 검색, 관측, 평가, 모델 정책을 어디서부터 붙이면 좋을지 이야기합니다.

BM25 + Embedding + Rule SearchRRF MergeTool ObservabilityGolden TestLLM-as-JudgeProvider Policy

AI Agent Bloom · Build & Share

AI Agent, 같이 만들고,
서로 피워볼 사람?

작은 LLM 호출 하나에서 시작해 Prompt, Memory, LangGraph, RAG fallback까지 천천히 이어가보려 합니다.

바이브코딩을 적극 활용해 실제 구현 흐름을 함께 따라가고, 만든 아이디어를 서로 나눠보는 자리로 준비하고 있습니다. 지금은 먼저 같이 해보고 싶은 사람과 가능한 일정을 모으는 단계입니다.

공유용 강의 페이지 보기 바로 투표하기

어젠다 공개

어떤 흐름으로 볼지, 어느 정도까지 실습할지 먼저 열어둡니다.

관심 투표

듣고 싶은 사람과 가능한 요일, 원하는 진행 방식을 먼저 모읍니다.

일정 확정

관심이 충분히 모이면 날짜, 장소, 준비물, 참가비를 따로 안내합니다.

Current Signal

votes

ready

ready는 “일정 맞으면 참여”를 고른 사람입니다. 숫자가 쌓이면 실제 날짜와 장소, 참가비 범위를 따로 안내하겠습니다.

Hot Topics

아직 투표 데이터가 없습니다. 첫 시그널을 남겨주세요.

Interest Form

AI Agent Bloom 투표

오프라인으로 진행할 예정입니다. 아직 신청 확정은 아니고, 먼저 관심도와 가능한 시간을 모으는 단계입니다.

진행 방식: 오프라인 고정

세부 구성은 투표 결과를 보고 정합니다. 듣기 좋은 방식과 가능한 시간을 편하게 남겨주세요.

로그인 없이도 투표할 수 있어요.

나중에 일정 안내를 보낼 수 있도록 본명, 이메일, 연락처만 정확히 남겨주세요.

실제 본명 *

안내 받을 이메일 *

연락처 *

참여 의향 *

현재 경험 수준 *

선호 Bloom 형식 *

좋은 Bloom 시간 *

음식/음료 선호 *

희망 요일 *

가능한 시간대 *

듣고 싶은 주제 *

얻어가고 싶은 것 (선택)

추가로 남길 말 (선택)

← Admin Night로 돌아가기

AI Agent Bloom

AI Agent, 같이 만들고 피워보는 Bloom

처음부터 거창한 멀티 에이전트를 만들지는 않습니다. 작은 LLM 호출 하나에서 시작해 LCEL, Memory, LangGraph, RAG fallback까지 차근차근 이어갑니다.

진행 방식

오프라인 고정

강의 방식

바이브코딩 적극 활용

참가비

30,000원

제공 기간

결제 직후부터 모임 종료까지

서비스 제공 기간

AI Agent Bloom 참가권

30,000원

서비스 제공 기간: 결제 완료 직후부터 해당 오프라인 모임 종료 시까지 (결제일로부터 1년 이내 제공)

관심 투표하기 어젠다 보기

이런 분에게 맞아요

LLM 호출 예제에서 멈추지 않고, Agent 구조까지 한 단계씩 이어가보고 싶은 사람
바이브코딩을 써서 아이디어를 빠르게 코드로 옮기는 흐름을 직접 보고 싶은 사람
State, Node, Edge, Reducer 같은 LangGraph 문법이 실제 실행 흐름에서 어떻게 쓰이는지 알고 싶은 사람
DB, CSV, Web, RAG를 한 흐름 안에서 나누어 쓰는 감각을 잡고 싶은 사람
평가, 관측, fallback처럼 “만들고 난 뒤”에 필요한 기준까지 같이 보고 싶은 사람

끝나면 가져갈 것

Prompt, Parser, Memory가 어떻게 Agent 흐름으로 이어지는지 큰 그림을 잡습니다.
바이브코딩으로 빠르게 만들고, 바로 실행해보며 고치는 리듬을 경험합니다.
직렬 실행, 조건부 분기, 병렬 fan-out이 왜 필요한지 코드 흐름으로 이해합니다.
DB/CSV처럼 확실한 데이터와 Web/RAG처럼 보강이 필요한 경로를 나누어 보는 기준을 얻습니다.
trace, tool log, judge 평가처럼 결과를 확인하는 최소한의 체크포인트를 가져갑니다.

2 Hours Flow

2시간 공유 실습 흐름

0~15분

핵심 개념 정리

Agent, Tool, Skill, Workflow가 어디서 갈라지는지 먼저 맞춥니다.

15~35분

LLM 직접 호출과 LCEL

작은 호출 하나에서 Prompt, Parser, Chain으로 자연스럽게 이어갑니다.

35~55분

Prompt / Parser / Memory

출력 형식을 잡고, 대화 기억이 필요한 순간을 확인합니다.

55~75분

LangGraph 기본 그래프

State, Node, Edge를 직접 붙이며 그래프가 도는 모습을 봅니다.

75~95분

조건부/병렬 그래프

분기하고, 병렬로 보내고, 다시 합치는 구조를 만들어봅니다.

95~115분

로컬 우선 MAS + RAG fallback

DB/CSV/Web/RAG를 역할별로 나누고, 비어 있는 정보를 보강합니다.

115~120분

고도화 포인트 정리

관측, 평가, 검색 고도화를 다음 단계로 어떻게 붙일지 정리합니다.

Agenda

강의 어젠다

단순히 데모 하나를 완성하는 자리는 아닙니다. 만든 흐름을 어떻게 확인하고, 실제로 쓸 수 있는 구조로 어떻게 넓혀갈지에 더 초점을 둡니다.

Part 01

핵심 개념 정리: LLM, Agent, Tool, Skill, Workflow

먼저 말을 맞춥니다. Agent를 단순한 답변 생성기가 아니라, 목표를 보고 도구를 고르는 실행 구조로 놓고 시작합니다.

Agent와 Workflow의 차이Tool과 Skill의 역할중요 흐름은 Graph로 통제하고 판단은 Agent에 위임

Part 02

LLM 직접 호출에서 LCEL Chain까지

LangGraph로 바로 들어가지 않습니다. `invoke`, Prompt, Parser, Chain, Memory처럼 자주 쓰는 조각부터 짧게 연결해봅니다.

ChatOpenAI invokePrompt | LLM | ParserJSON Parser와 RunnableParallel세션별 Memory

Part 03

LangGraph 기본 그래프: State, Node, Edge, Reducer

StateGraph를 하나의 흐름도로 보고, 노드와 edge를 붙여가며 실행 순서를 직접 눈으로 확인합니다.

직렬 그래프조건부 분기병렬 fan-outoperator.add와 add_messages reducer

Part 04

로컬 우선 MAS: DB Agent + CSV Agent + Web Agent + RAG Agent

확실한 데이터는 DB/CSV에서 먼저 찾고, 부족한 부분은 Web/RAG로 보강합니다. 여러 Agent를 억지로 많이 붙이기보다 역할을 나누는 감각을 봅니다.

entry_node 라우팅DB/CSV 병렬 수집Web fallbackRAG Agent 의미 검색 보강Reporter 합류

Part 05

그래프 시각화, X-Ray, 경로 테스트

답변이 그럴듯한지만 보지 않습니다. 내가 의도한 경로로 실제 실행됐는지 trace와 used_agents로 확인합니다.

Mermaid / X-Ray 시각화로컬 키 경로 검증RAG fallback 경로 검증Reporter 종료 검증

Part 06

고도화 포인트: Hybrid Search, Observability, Judge

마지막에는 더 잘 만들기 위한 갈림길을 정리합니다. 검색, 관측, 평가, 모델 정책을 어디서부터 붙이면 좋을지 이야기합니다.

BM25 + Embedding + Rule SearchRRF MergeTool ObservabilityGolden TestLLM-as-JudgeProvider Policy

AI Agent Bloom · Build & Share

AI Agent, 같이 만들고,
서로 피워볼 사람?

작은 LLM 호출 하나에서 시작해 Prompt, Memory, LangGraph, RAG fallback까지 천천히 이어가보려 합니다.

공유용 강의 페이지 보기 바로 투표하기

어젠다 공개

어떤 흐름으로 볼지, 어느 정도까지 실습할지 먼저 열어둡니다.

관심 투표

듣고 싶은 사람과 가능한 요일, 원하는 진행 방식을 먼저 모읍니다.

일정 확정

관심이 충분히 모이면 날짜, 장소, 준비물, 참가비를 따로 안내합니다.

Current Signal

votes

ready

ready는 “일정 맞으면 참여”를 고른 사람입니다. 숫자가 쌓이면 실제 날짜와 장소, 참가비 범위를 따로 안내하겠습니다.

Hot Topics

아직 투표 데이터가 없습니다. 첫 시그널을 남겨주세요.

Interest Form

AI Agent Bloom 투표

오프라인으로 진행할 예정입니다. 아직 신청 확정은 아니고, 먼저 관심도와 가능한 시간을 모으는 단계입니다.

진행 방식: 오프라인 고정

세부 구성은 투표 결과를 보고 정합니다. 듣기 좋은 방식과 가능한 시간을 편하게 남겨주세요.

로그인 없이도 투표할 수 있어요.

나중에 일정 안내를 보낼 수 있도록 본명, 이메일, 연락처만 정확히 남겨주세요.

실제 본명 *

안내 받을 이메일 *

연락처 *

참여 의향 *

현재 경험 수준 *

선호 Bloom 형식 *

좋은 Bloom 시간 *

음식/음료 선호 *

희망 요일 *

가능한 시간대 *

듣고 싶은 주제 *

얻어가고 싶은 것 (선택)

추가로 남길 말 (선택)

AI Agent Bloom | 김승찬 블로그

AI Agent, 같이 만들고 피워보는 Bloom

이런 분에게 맞아요

끝나면 가져갈 것

2시간 공유 실습 흐름

핵심 개념 정리

LLM 직접 호출과 LCEL

Prompt / Parser / Memory

LangGraph 기본 그래프

조건부/병렬 그래프

로컬 우선 MAS + RAG fallback

고도화 포인트 정리

강의 어젠다

핵심 개념 정리: LLM, Agent, Tool, Skill, Workflow

LLM 직접 호출에서 LCEL Chain까지

LangGraph 기본 그래프: State, Node, Edge, Reducer

로컬 우선 MAS: DB Agent + CSV Agent + Web Agent + RAG Agent

그래프 시각화, X-Ray, 경로 테스트

고도화 포인트: Hybrid Search, Observability, Judge

AI Agent, 같이 만들고,서로 피워볼 사람?

어젠다 공개

관심 투표

일정 확정

AI Agent Bloom 투표

AI Agent, 같이 만들고 피워보는 Bloom

이런 분에게 맞아요

끝나면 가져갈 것

2시간 공유 실습 흐름

핵심 개념 정리

LLM 직접 호출과 LCEL

Prompt / Parser / Memory

LangGraph 기본 그래프

조건부/병렬 그래프

로컬 우선 MAS + RAG fallback

고도화 포인트 정리

강의 어젠다

핵심 개념 정리: LLM, Agent, Tool, Skill, Workflow

LLM 직접 호출에서 LCEL Chain까지

LangGraph 기본 그래프: State, Node, Edge, Reducer

로컬 우선 MAS: DB Agent + CSV Agent + Web Agent + RAG Agent

그래프 시각화, X-Ray, 경로 테스트

고도화 포인트: Hybrid Search, Observability, Judge

AI Agent, 같이 만들고,서로 피워볼 사람?

어젠다 공개

관심 투표

일정 확정

AI Agent Bloom 투표

AI Agent, 같이 만들고,
서로 피워볼 사람?

AI Agent, 같이 만들고,
서로 피워볼 사람?