삽질 테크 블로그

Appearance

혼자서도 척척 해내는 AI 에이전트 만들기 with 랭체인&랭그래프 ​

블로그 글 작성 순서 정리용 목차.

PART I: 개발 전 필요한 배경지식 ​

Chapter 1: LLM과 RAG 기초 ​

  • 1.1 LLM의 개념과 작동 원리
  • 1.2 LLM의 주요 특징
  • 1.3 LLM의 실제 활용 사례
  • 1.4 RAG란?
  • 1.5 RAG 파이프라인 구성 시 LangChain 활용의 장점

Chapter 2: 벡터 저장소와 임베딩, 검색 전략 ​

  • 2.1 RAG 파이프라인의 핵심 구성 요소
  • 2.2 벡터 저장소 검색 방식 비교

Chapter 3: 프롬프트 엔지니어링 기초 ​

PART II: LangChain을 활용한 RAG 파이프라인 구성하기 ​

Chapter 4: LangChain 입문 ​

  • 4.1 LangChain이란?
  • 4.2 환경 설정과 LangChain ChatOpenAI 활용법

Chapter 5: 로컬 및 오픈소스 LLM 활용: Ollama와 허깅 페이스 ​

  • 5.1 Ollama를 활용한 로컬 LLM 활용
  • 5.2 허깅 페이스의 오픈소스 LLM 활용

Chapter 6: Chroma를 활용한 벡터 저장소 구성 ​

Chapter 7: retrieval 효율 개선을 위한 데이터 전처리 ​

Chapter 8: LLM을 효율적으로 사용하는 방법 ​

  • 8.1 분할 정복
  • 8.2 LCEL의 특징
  • 8.3 소규모 LLM을 활용한 비용 최적화

Chapter 9: LangChain을 활용하지 않는다면? ​

Chapter 10: LangChain의 유연한 AI 스택 구성 ​

PART III: LangGraph를 활용한 AI 에이전트 구현하기 ​

Chapter 11: LangGraph 입문 ​

  • 11.1 LangGraph란?
  • 11.2 LangGraph와 LangChain의 차이점

Chapter 12: 워크플로 vs. 에이전트 ​

  • 12.1 LangGraph로 구현하는 워크플로
  • 12.2 LangGraph로 구현하는 에이전트

Chapter 13: 에이전트 오케스트레이션 ​

  • 13.1 슈퍼바이저 상태 및 라우터 정의
  • 13.2 슈퍼바이저 구성 요소 설정
  • 13.3 Command 클래스와 구조화된 출력 기능을 활용한 슈퍼바이저 노드 구현
  • 13.4 에이전트 노드 구현
  • 13.5 에이전트 노드의 역할과 구현 방식
  • 13.6 그래프 구성 및 컴파일

Chapter 14: MCP를 활용한 에이전트 구현 ​

  • 14.1 MCP 서버 구현
  • 14.2 LangChain 도구를 MCP 도구로 변환

Chapter 15: LangSmith를 활용한 에이전트 모니터링 ​

  • 15.1 Input(입력)
  • 15.2 Output(출력)
  • 15.3 TOTAL TOKENS(토큰 사용량)
  • 15.4 LATENCY(지연 시간)
  • 15.5 LangSmith를 활용한 에이전트 평가

Chapter 16: 실전 AI 에이전트 구현 사례 ​

  • 16.1 우버의 대규모 코드 마이그레이션 에이전트
  • 16.2 AppFolio의 부동산 관리 코파일럿
  • 16.3 링크드인의 AI 리크루터
  • 16.4 일래스틱서치의 AI 어시스턴트
  • 16.5 Klarna의 고객 지원 AI 어시스턴트

PART IV: LLM 성능 평가 ​

Chapter 17: LLM 평가의 중요성 ​

  • 17.1 LLM의 예측 불가능성
  • 17.2 안정적인 AI 에이전트 서비스를 위한 평가의 중요성
  • 17.3 LLM 평가의 고유한 어려움
  • 17.4 체계적인 LLM 평가 접근법

Chapter 18: LLM 평가 지표 ​

  • 18.1 검색 정확도 관련 지표
  • 18.2 응답 품질 관련 지표
  • 18.3 사용자 경험 관련 지표
  • 18.4 종합 평가 지표
  • 18.5 RAG 시스템의 핵심 평가 영역
  • 18.6 평가 지표 간의 균형과 최적화

Chapter 19: LLM 평가를 위한 골든 데이터셋 ​

  • 19.1 골든 데이터셋의 개념
  • 19.2 골든 데이터셋 구축 방법
  • 19.3 골든 데이터셋의 구조화와 협업 도구 활용
  • 19.4 골든 데이터셋 활용 방법
  • 19.5 효과적인 골든 데이터셋 구축과 활용 전략

Chapter 20: 오프라인 평가 vs. 온라인 평가 ​

  • 20.1 오프라인 평가
  • 20.2 온라인 평가
  • 20.3 하이브리드 접근법
  • 20.4 RAG 시스템을 위한 평가 전략
  • 20.5 효과적인 LLM 평가를 위한 전략적 접근

Chapter 21: LangSmith를 활용한 에이전트 평가 ​

Chapter 22: 앞으로 나아갈 방향 ​

  • 22.1 에이전트의 지능 향상
  • 22.2 멀티 에이전트 시스템으로의 확장
  • 22.3 실제 비즈니스 적용을 위한 다음 단계

삽질 테크 블로그

© 2026 Shoney. All rights reserved.