• 컴퓨터/IT > 프로그래밍 > 델파이/파이썬
• 컴퓨터/IT > 컴퓨터공학 > 소프트웨어공학론
• 컴퓨터/IT > 컴퓨터공학 > 인공지능/신경망/퍼지

반디앤루니스 리뷰

출판사 리뷰

어떤 프레임워크도 사용하지 않고 처음부터 끝까지 파이썬으로 만들면서 배우는
AI 에이전트의 본질과 설계, 운영 노하우!

국내 최초로 매닝 출판사에서 영어 원서로 출간하고 해외 독자들의 극찬을 받은 책 『Building AI Agent From Scrach』의 한국어판 출간!

"AI 에이전트를 만드는 데 실질적인 도움이 되는 안내서" ★★★★★
"프레임워크보다 기본 원리, 오늘날 에이전트 개발자에게 꼭 필요한 능력" ★★★★★
"AI 에이전트 시스템에 대한 더 깊은 직관을 길러 주는 훌륭한 책" ★★★★★
"프레임워크 없이 설계하는 AI 에이전트 아키텍처의 명강의" ★★★★★
"놀라울 만큼 쉽게 따라갈 수 있는 AI 에이전트 개발서!" ★★★★★
"눈속임 없이 이해하는 에이전트" ★★★★★
"AI 분야에서 실력을 높이기 원하는 이라면 꼭 읽어야 할 책" ★★★★★
"마침내 에이전트 내부에서 실제로 무슨 일이 일어나고 있는지 이해하게 됐다" ★★★★★
"AI 에이전트를 이해하는 가장 좋은 방법은 직접 만들어보는 것이다" ★★★★★
"블랙박스처럼 감춰진 프레임워크에 지친 이들을 위한 최고의 실습 가이드" ★★★★★

AI 에이전트를 밑바닥부터 하나씩 만들어가는 방법을 차근히 안내해 주는 실전 가이드다.
이 책의 목표는 특정 프레임워크의 사용법을 알려주기 위함이 아니라, 각 계층을 직접 구현해 봄으로써 에이전트가 무엇으로 어떻게 이뤄져 있는지에 대한 완전한 사고 모델을 갖추게 하는 것이다.
책을 다 읽고 나면 어떤 인기 에이전트 프레임워크이든 간에 소스 코드를 열어서 따라갈 수 있을 것이며, 자신의 요구에 맞는 에이전트를 직접 설계하고 운영할 수 있게 될 것이다.

| 이 책에서 다루는 내용 |
- 프레임워크를 사용하지 않고 파이썬만으로 자율형 AI 에이전트를 구축하는 방법
- MCP, 벡터 기반 RAG, 장기 메모리, 샌드박스 코드 실행을 포함한 고급 실전 통합
- 멀티 에이전트 오케스트레이션과 자동화된 LLM 평가자(LLM-as-a-judge) 평가 파이프라인

| 이 책의 대상 독자 |
- LLM API는 써봤지만 에이전트의 내부는 여전히 뚜렷하게 그려지지 않는 개발자
- 프레임워크의 마법 뒤에 무엇이 있는지 들여다보고 싶은 엔지니어
- 자신의 데이터, 도구, 워크플로에 맞는 에이전트를 만들어야 하는 팀
- 프로덕션에서 에이전트를 안정적으로 운영해야 하는 실무자

| 이 책의 구성 |
[1부 나의 첫 에이전트를 만들어보자]
1장 'AI 에이전트의 원리와 쓰임새 이해하기'에서는 에이전트가 무엇이고 왜 중요한지 살펴본다. 워크플로와 에이전트의 경계를 긋고, 책 전체에서 다룰 구성 요소의 전체 지도를 그린다.
2장 'LLM을 선택하고 API와 프롬프트 다루기'에서는 에이전트의 가장 낮은 계층인 통신 채널을 이해하기 위해 LLM API를 직접 호출한다. LiteLLM을 사용해 특정 제공자에 종속되지 않는 추상화도 마련한다.
3장 '검색과 계산 도구로 LLM이 행동하게 만들기'에서는 LLM이 바깥 세계와 상호작용하는 방식인 도구 호출을 구현한다. 웹 검색과 계산기를 예로 함수 호출의 동작 원리를 살펴보고, 도구 표준인 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)도 다룬다.
4장 '생각과 행동을 반복하는 ReAct 에이전트 만들기'에서는 생각하고 행동하는 ReAct 루프를 구현해 처음으로 완전히 동작하는 에이전트를 완성한다. 여기서 도입하는 핵심 추상화인 ExecutionContext는 이후 모든 장이 확장해 가는 기반이 된다.

[2부 AI 에이전트에 고급 기능을 더하자]
5장 'RAG를 이용해 필요한 지식을 찾아 활용하기'에서는 임베딩과 벡터 검색으로 외부 지식을 다루는 검색 증강 생성(retrieval-augmented generation, RAG)을 구현하고, 파일시스템을 탐색하는 도구를 추가한다. 콜백 패턴으로 도구 동작을 유연하게 제어하는 방법도 보여준다.
6장 '메모리로 대화와 경험을 기억하게 만들기'에서는 대화가 길어지면서 생기는 컨텍스트 문제를 다룬다. 슬라이딩 윈도, 압축, 요약으로 단기 메모리를 다듬고, 세션과 장기 메모리로 대화에 연속성을 부여한다.
7장 '계획과 성찰로 복잡한 문제 해결하기'에서는 ReAct만으로는 풀 수 없는 문제를 다루기 위해 계획과 성찰을 도입한다. 에이전트는 스스로 작업을 분해하고 진행 상황을 점검하는 일종의 메타인지를 갖게 된다.
8장 '코드를 작성하고 실행하는 에이전트 만들기'에서는 도구 호출을 넘어, LLM이 직접 코드를 작성하고 실행하는 CodeAct 접근을 구현한다. 샌드박스 환경 안에서 파일시스템과 명령줄 인터페이스(command-line interface, CLI)까지 다루는 진정한 실행 에이전트를 만난다.
9장 '여러 에이전트가 역할을 나누고 협업하게 만들기'에서는 단일 에이전트에게는 벅찬 문제를 전문 에이전트들의 협업으로 해결한다. Workflow, Agent as Tool, Transfer라는 3가지 협업 패턴과 함께, 네트워크 경계를 넘어 협업을 가능하게 하는 A2A 프로토콜을 다룬다.
10장 '에이전트의 품질을 평가하고 지속적으로 개선하기'에서는 에이전트를 평가하고 운영하는 방법을 보여주며 책을 완성한다. 에이전트가 실제로 잘 작동하는지 측정하는 기준을 세우고, 자동화된 평가와 관찰·분석·개선의 규율 있는 순환을 통해, 한 번 돌아간다고 끝난 것으로 여기지 않고 에이전트를 계속 개선해 가는 방법을 다룬다.

각 장은 순서대로 읽도록 설계되었다. 각 장의 코드가 앞 장의 코드 위에 바로 쌓이므로, 장을 건너뛰면 구현에 공백이 생기기 쉽다. LLM API나 RAG에 이미 익숙하다면 2장과 5장은 빠르게 지나가도 되지만, 그 조각들이 지금 조립하고 있는 에이전트와 어떻게 연결되는지 보기 위해 훑어보기는 해야 한다. 이 책의 진짜 가치는 읽으면서 코드를 함께 실행할 때 나오므로, 책과 함께 제공되는 노트북을 열어둔 채 읽어나가길 권한다.