AI Agent
2026년 7월 16일
- AI Agent는 LLM(Large Language Model)을 두뇌(reasoning engine)로 삼아 도구(Tool) 호출, 메모리(Memory), 계획(Planning) 을 결합해 자율적으로 목표를 달성하는 시스템이다.
- 단발성 응답만 내놓는 일반 챗봇과 달리, 사용자의 요청을 분해해 어떤 행동을 할지 스스로 정하고, 도구로 외부 세계와 상호작용한 결과를 다시 추론에 반영하는 루프 구조를 가진다.
- 핵심 구성요소: LLM(Large Language Model), Tool Calling, Memory, Planning, Reflection.
- 대표 패턴: ReAct 패턴, Plan-and-Execute, Reflexion, Self-Improving Agent.
- 대표 아키텍처: Single Agent, Multi Agent, Supervisor 패턴, Swarm 패턴, Hierarchical Agent, Agent Graph, Agent as Tool.
- 대표 프레임워크: LangChain, LangGraph, LlamaIndex, Strands Agents, CrewAI, AutoGen.
목차
Concepts (개념 · 패턴)
- AI Agent란
- LLM과 Agent의 차이
- Agent vs Workflow
- Agentic Loop
- ReAct 패턴
- Plan-and-Execute
- Reflexion
- Self-Improving Agent
- Routing Workflow
- Evaluator-Optimizer
- A2A 프로토콜
- BERT
RAG (검색 증강 생성)
- RAG 개념 MOC
- RAG(Retrieval-Augmented Generation)
- 임베딩(Embedding)
- 코사인 유사도
- 벡터 데이터베이스
- 청킹(Chunking)
- Hybrid Search
- Reranking
- GraphRAG
- Knowledge Graph
- Ontology
- AI-Ready Data
- Agentic RAG
Frameworks (프레임워크)
Architecture (아키텍처 · 토폴로지)
- LangGraph 워크플로우 아키텍처
- Single Agent
- Multi Agent
- Supervisor 패턴
- Swarm 패턴
- Hierarchical Agent
- Agent Graph
- Agent as Tool
- Sub-LLM as Tool
- Parallel Agent Fan-out
- External Information MAS
- 로컬 우선 정보 수집 MAS
Components (핵심 구성요소)
- Components 개념 MOC
- Tool Calling
- LangChain @tool
- LLM Tool Selection
- LangGraph ToolNode
- SQLite 데이터 소스
- Memory
- Planning
- Reflection
- System Prompt
- Prompt Engineering
- Structured Output
- Intent Classification
- Streaming
- Trajectory
- Human-in-the-loop
- Evaluation
- LangSmith
- AI 평가 지표
- 분류 평가 지표
- 텍스트 생성 평가 지표
- 다수결 평가
- 라벨 정규화
- LLM-as-Judge
- Guardrails
- Observability
- Cost와 Token
- LLM Provider 추상화
- LLM Routing
- Prompt Caching
- MCP(Model Context Protocol)
- MCP Security
- A2A 프로토콜
- SKILL
LangGraph 실습
- AI Agent 실습 MOC
- LangGraph 개념 MOC
- Agent Middleware
- LangGraph 문법 치트시트
- LangGraph State
- LangGraph Node
- LangGraph Edge
- Workflow Node vs Tool
- Retrieve-Generate 패턴