이 챕터에서는 LlamaIndex로 에이전틱 워크플로를 구축하는 데 필요한 핵심 개념과 설정을 소개합니다. Tavily와 OpenAI 모델 같은 도구를 직접 다뤄 보고, 첫 번째 도구 함수를 정의한 뒤, 웹과 상호작용할 수 있는 지능형 에이전트를 만들어 봐요. 끝나면 LlamaIndex로 제작한 완전한 기능의 AI 에이전트를 갖추게 되어, 실제 과제를 해결할 준비가 됩니다.

환영합니다!

LlamaIndex 시작하기

에이전트란 무엇일까요?

에이전트 만들기

에이전트는 기억하나요?

에이전트 실행 간 상태 유지하기

스트리밍 출력과 이벤트

한 명의 에이전트에 멈출 필요가 있을까요? 팀을 만들 수 있다면요! 이 챕터에서는 전문화된 에이전트들이 연구팀처럼 각자의 역할로 협력하는 멀티 에이전트 시스템의 힘을 익힙니다. 검색하고 작성하고 리뷰하는 협업형 에이전트 워크플로를 직접 구축하면서, 팀워크가 AI를 더 똑똑하고 확장 가능하게 만든다는 점을 보여 드립니다.

멀티 에이전트 시스템이란 무엇인가요?

AgentWorkflow로 만드는 멀티에이전트 시스템

처음부터 에이전트형 워크플로 만들기

사용자 지정 이벤트로 다단계 워크플로 설계하기

동시성 및 이벤트 수집

멀티 에이전트 시스템 하나로 묶기

워크플로에 자기 성찰 추가하기

마무리

딥 리서치 워크플로 만들기

나만의 AI 에이전트 팀을 만들어 볼 준비가 되셨나요? 이 강의에서는 하나의 스마트 어시스턴트로 시작해, 계획하고 검색하고 기억하며 협업하는 완전한 에이전틱 워크플로까지 단계적으로 확장해 봅니다. LlamaIndex를 사용해 깊이 있는 리서치와 보고 같은 복잡한 작업을 처리하는 강력한 시스템을 만들어요. 그 과정에서 도구, 메모리, 멀티 에이전트 협업을 조율해 AI 워크플로에 생동감을 불어넣는 방법을 배웁니다.

<h2>스마트하고 유능한 AI 에이전트를 처음부터 직접 만들어 보세요</h2>

LlamaIndex라는 강력한 프레임워크를 사용해 AI 동작을 조율하는 지능형 에이전틱 워크플로를 기초부터 구축하는 방법을 배워보세요. 단일 에이전트 설정으로 시작해 멀티 에이전트 협업으로 나아가면서, 연구를 수행하고 보고서를 생성하며 자체 출력물을 검토할 수 있는 시스템을 만들게 됩니다.
<br></br>

<h2>에이전트 워크플로를 생성하고 오케스트레이션하기</h2>

AgentWorkflow 클래스를 사용해 간단한 AI 에이전트를 설정하고, 웹 검색과 같은 기능에 연결하는 것부터 시작합니다. 컨텍스트를 활용해 에이전트에 “응답”을 부여하고, 스트리밍 출력으로 더 역동적인 응답을 만드는 방법을 배우게 됩니다. 강의가 진행됨에 따라 이벤트 처리, 동시 실행, 그리고 단계 기반 로직을 사용한 맞춤형 워크플로 생성과 같은 고급 기능을 살펴보게 됩니다. 또한 에이전트가 자신의 출력을 개선할 수 있도록 자기 성찰 루프도 구현하게 됩니다.
<br></br>

<h2>LlamaIndex로 멀티 에이전트 시스템 설계하기</h2>

마지막 단계에서는 단일 에이전트 시스템을 넘어, 함께 협업하는 AI 에이전트 팀을 설계하게 됩니다. 각 에이전트가 조사, 작성, 검토처럼 전문적인 역할을 맡고 공통 컨텍스트를 통해 정보를 공유하는 워크플로를 구축하게 됩니다. 여러 에이전트를 활용해 복잡한 작업을 관리하는 방법에 대한 인사이트를 얻으며, 순차적, 반복적, 분기형 워크플로를 실험하게 됩니다.

Intermediate Python

LlamaIndex를 사용하여 계획, 검색, 기억, 협업할 수 있는 AI 에이전트 워크플로를 구축하세요.

LlamaIndex로 에이전틱 워크플로 구축하기

LlamaIndex를 사용하여 계획, 검색, 기억 및 협업이 가능한 AI 에이전트 워크플로를 구축하세요.

에이전트 실행 간 상태 유지하기

LlamaIndex로 에이전틱 워크플로 구축하기

연습 안내

실습형 인터랙티브 연습문제