지능형 에이전트형 시스템을 만들어 보세요! 프롬프트, LLM, 도구가 추론과 행동을 위해 어떻게 함께 작동하는지 포함해 LangChain 에이전트의 핵심 구성 요소를 알아봅니다. OpenAI API로 에이전트를 설정하고, 사용자 정의 도구를 정의하며, 수학 계산 같은 실제 과제를 해결해 볼 거예요. 또한 LangChain이 그래프, 노드, 엣지를 사용해 데이터를 어떻게 구성하는지도 살펴봅니다.

LangChain의 에이전트

ReAct 에이전트 만들기

LangChain 에이전트의 구성 요소

사용자 지정 도구 만들기

수학 계산용 도구 만들기

맞춤형 도구와 쿼리 통합하기

ReAct 에이전트와의 대화

대화 설정

대화 기록에 대해 질문하기

LangChain 에이전트 핵심 익히기

LangChain과 LangGraph로 동적이고 도구가 보강된 챗봇을 만들어 보세요! 상태를 정의하고 외부 API를 통합해 실시간 정보 검색을 수행하며, 사용자 입력에 따라 적응하는 챗봇을 구현합니다. 이 구성 요소들을 반응형 그래프 구조로 연결해 대화와 도구 기반 응답 간 전환이 매끄럽게 이루어지도록 합니다. 마지막에는 향상된 추론과 다단계 워크플로를 갖춘, 시각적으로 표현된 챗봇 프레임워크를 완성하게 됩니다.

챗봇을 위한 그래프 구축

그래프와 에이전트 상태

노드와 엣지 추가하기

챗봇 응답 생성하기

질의와 응답

그래프 다이어그램 생성하기

챗봇에 외부 도구 추가하기

Wikipedia 도구 만들기

그래프에 도구 추가하기

메모리와 대화 추가하기

그래프를 시각화하고 도구 출력을 반환하세요

그래프 메모리 추가하기

대화를 위한 그래프 메모리 사용하기

LangGraph로 챗봇 만들기

동적 도구와 메모리로 챗봇을 확장하세요! 여러 도구를 유연한 워크플로에 정의·통합하고, 동적 도구 호출을 위한 함수를 구축하며, 복수 도구 처리를 위해 챗봇을 구성합니다. 메모리와 결과물을 체계화해 교차되는 멀티턴 대화를 가능하게 합니다. 마지막에는 복잡한 상호작용이 가능한 고급 챗봇을 만들게 됩니다.

여러 도구 정의하기

LLM을 호출하는 도구 만들기

Python 코드로 도구 만들기

여러 도구 바인딩하기

유연한 함수 호출을 위한 노드와 엣지 정의하기

챗봇을 중지하는 함수를 정의하세요

LLM 응답을 반환하는 함수 만들기

여러 도구를 위한 그래프 워크플로 만들기

메모리로 챗봇 결과물 구성하기

여러 도구에 맞게 결과물 설정하기

메모리로 멀티턴 대화를 활성화하기

축하합니다!

동적 챗 에이전트 구축하기

매일 지능형 시스템이 산업을 바꾸고 있어요. 자동화된 고객 지원, 개인화 추천, 동적인 데이터 처리까지 모두 포함됩니다. 언어 모델과 도구를 결합해 복잡한 작업을 수행하는 에이전트형 워크플로가 그 변화를 이끌고 있습니다. 이 강의는 에이전트형 워크플로의 핵심 구성 요소를 분해해 설명하고, 이를 구축·커스터마이즈·최적화하는 방법을 다룹니다. 프롬프트 구성, 도구 통합, LangGraph로 복잡한 워크플로 관리 등 LangChain 에이전트의 핵심 원리를 배우게 됩니다. 강의가 끝나면 복잡한 작업을 자동화하고 생산성을 높이며 특정 비즈니스 요구에 맞춘 동적 솔루션을 제공하는 지능형 시스템을 직접 구축할 수 있게 됩니다.

LLM과 도구를 통합해 정교한 작업을 수행하는 에이전틱 워크플로는 AI 혁신의 최전선에 있습니다. 이 강의에서는 프롬프트 구성, 도구 통합, 복잡한 워크플로 관리 등 LangChain 에이전트의 핵심 원리를 배우게 됩니다. 이 강의가 끝날 무렵에는 복잡한 작업을 자동화하고, 생산성을 높이며, 특정 비즈니스 요구에 맞춘 동적인 솔루션을 제공하는 지능형 시스템을 구축할 수 있게 됩니다.
<h2>LangChain 에이전트의 핵심을 마스터하세요</h2>
프롬프트, 언어 모델, 도구를 워크플로에 통합하는 방법을 Reasoning and Action(ReAct) 프레임워크를 사용해 배우게 됩니다. 그다음에는 에이전틱 워크플로를 설정하고, 도구를 구성하며, LangGraph로 이러한 워크플로를 시각화하면서 LangChain 에이전트의 핵심 원리를 이해할 수 있게 됩니다. 사용자 지정 에이전트를 구축하고, Wikipedia API와 같은 외부 데이터 소스에 접근하기 위한 도구를 설정하며, 에이전트 상태를 관리하게 됩니다. 노드와 엣지를 정의하고, 조건부 경로를 만들며, 다양한 조건에 맞게 조정되는 복잡한 워크플로를 구성하는 과정을 안내받게 됩니다.
<h2>동적 채팅 에이전트 구축</h2>
마지막으로, 메시지를 모니터링하고 유연한 함수 호출을 위한 노드를 정의하며, 여러 도구를 처리할 수 있도록 챗봇을 구성하는 방법을 배우게 됩니다. 이 강의를 마치면 복잡한 작업을 자동화하고 생산성을 높이며 특정 비즈니스 요구에 맞춘 동적 솔루션을 제공하는 지능형 시스템을 구축할 수 있게 됩니다.

Developing LLM Applications with LangChain

LangChain 에이전트의 기본 요소를 이해하고 맞춤형 채팅 에이전트를 구축하세요.

LangChain으로 에이전트형 시스템 설계하기

LangChain 에이전트의 기본 구성 요소를 숙지하고 맞춤형 채팅 에이전트를 구축하세요.

LangChain으로 애플리케이션 개발하기

Founder & AI Engineer, Genverv, Ltd.

유연한 함수 호출을 위한 노드와 엣지 정의

멀티 도구 워크플로 구축

워크플로 함수 정의

중지 조건 함수 만들기

동적 도구 호출자 만들기

그래프 생성

메모리 추가

연습해 봅시다!

동적 챗 에이전트 구축하기 - 유연한 함수 호출을 위한 노드와 엣지 정의하기

유연한 함수 호출을 위한 노드와 엣지 정의하기

Create Your Free Account