or
이 연습은 강의의 일부입니다
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.
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.
현재 연습
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.