올라마와 오픈소스 LLM을 활용한 AI 에이전트 개발 입문 (ebook)

로컬 LLM을 활용한 보안과 비용 걱정 없는 지능형 AI 에이전트 구축

지은이 서영배, 김병규, 임재봉

#생성형 AI #AI 에이전트 #MCP #올라마 #오픈소스 LLM

도서 정보

출간일: 2026년 3월 13일
쪽수: 364쪽
판형: 175*235*15mm
ISBN: 9791158396732
시리즈: 생성형 AI 프로그래밍 시리즈_024
정가: 22,400원
난이도: 입문 초급 중급 고급

구입처

리디북스 ↗ 교보문고 ↗ YES24 ↗ 알라딘 ↗

ZIP 예제 코드 ERR 오탈자 등록

도서 소개

저자 소개

예제 코드

도서 소개

급작스럽게 다가온 AI 시대를 헤쳐나가기 위한 실용적인 가이드!

이 책은 AI 전공자가 아닌 일반 개발자들이 AI 프로그래밍에 입문할 수 있도록 세심하게 구성했습니다. 단순히 랭체인과 에이전트, MCP의 사용법만을 나열하는 것이 아니라, 각각의 동작 원리를 이해하는 데 필요한 AI 관련 기초 지식도 충실히 다루고 있습니다. 이 책을 읽고 나면 여러분이 원하는 AI 애플리케이션을 구현하기 위한 첫걸음을 내디딜 수 있을 것이며, 이후부터는 자연스럽게 여러분이 원하는 바를 직접 구현해 나갈 수 있을 것입니다.

이 책에서 다루는 내용에 관한 토론이나 오탈자 업데이트, AI 새소식 등을 홈페이지와 커뮤니티를 통해 제공해 드립니다.

홈페이지: https://hellollama.net/
네이버 카페: https://cafe.naver.com/hellollama

★ 이 책에서 다루는 내용 ★

랭체인, 랭스미스, 랭그래프 사용법
올라마(Ollama)와 LLM 사용법
AI 프로그래밍을 위한 기초 지식
AI 에이전트를 만드는 방법
랭체인/MCP/AI 에이전트를 활용한 실전 예제
다양한 용도로 활용할 수 있는 AI 에이전트 템플릿 코드

도서 소개

저자 소개

서영배

하고자 하면 못할 것이 없다는 개발자. 모바일부터 프런트엔드/백엔드를 거쳐 현재는 임베디드 프로젝트에 참여 중이다. 되면 한다!

김병규

‘Mobile’ 분야에서 임베디드 개발자로 시작했다. ‘Mobility’를 위해 SDV와 자율주행을 만들었다. 이제 세 번째 ‘M’을 찾아, ‘Medical’ AI와 로보틱스로 향하는 여정을 시작했다.

임재봉

AI 개발자와 임베디드 개발자 사이의 어딘가에 위치한 개발자. 로봇, 자동차, 공장, 농장, 병원 등 다양한 필드를 누비며 임베디드 AI를 개발하고 있다.

▣ 01장: 대규모 언어 모델과 AI 에이전트
1.1 일상에 다가온 AI 에이전트
__1.1.1 AI 에이전트를 시작하는 방법
__1.1.2 오픈소스로 일상에 더 다가온 LLM
1.2 내 컴퓨터에서 작동하는 AI 에이전트
__1.2.1 오픈소스 LLM의 장점
__1.2.2 오픈소스 LLM 생태계: 라마와 올라마
__1.2.3 한국어 LLM의 가능성과 Qwen 모델
1.3 LLM과 AI 에이전트의 이해
__1.3.1 LLM이란?
__1.3.2 LLM의 발전 과정
__1.3.3 LLM의 구조와 작동 원리
__1.3.4 최신 LLM 구조
__1.3.5 LLM의 훈련과 활용
▣ 02장: LLM과 올라마
2.1 올라마 시작하기
__2.1.1 올라마 설치
__2.1.2 올라마 실행
__2.1.3 모델 관리
__2.1.4 올라마로 다양한 오픈소스 LLM 사용해 보기
__2.1.5 올라마로 다양한 크기의 LLM 사용해 보기
__2.1.6 올라마로 양자화 LLM 사용해 보기
2.2 AI 에이전트 개발환경 설정
__2.2.1 AI 프로그래밍에 적합한 언어, 파이썬
__2.2.2 uv 패키지 관리자 설치와 사용법
2.3 올라마 API와 SDK 연동
__2.3.1 상용 LLM API와 같은 REST API 방식
__2.3.2 올라마 파이썬 SDK 사용
2.4 올라마 GUI와 웹 UI
__2.4.1 올라마에 연결할 수 있는 GUI 도구
__2.4.2 Open WebUI 설치 및 사용법
__2.4.3 올라마 GUI
▣ 03장: 랭체인: AI 프로그래밍의 시작
3.1 랭체인의 개념과 특징
__3.1.1 랭체인이란?
__3.1.2 랭체인의 구성 요소
3.2 올라마를 이용한 채팅 예제
__3.2.1 올라마 채팅 예제 분석
__3.2.2 LLM 모델 변경 방법
3.3 상용 LLM을 사용하는 방법
__3.3.1 상용 LLM 채팅 예제 소개
__3.3.2 OpenAI 채팅 예제 분석
__3.3.3 상용 모델의 장단점과 주의사항
3.4 스트리밍 출력 예제
__3.4.1 스트리밍 출력 예제 소개
__3.4.2 스트리밍 출력 예제 분석
__3.4.3 출력 방식과 출력 형식
3.5 출력 형식 변경 예제
__3.5.1 JSON 출력으로 바꾸는 예제
__3.5.2 소스코드 분석
__3.5.3 다양한 출력 형식
3.6 LCEL을 이용한 기본 예제
__3.6.1 LCEL 예제 소개
__3.6.2 LCEL 예제 분석
__3.6.3 LCEL의 장점
▣ 04장: 프롬프트 엔지니어링
4.1 프롬프트 엔지니어링이란?
__4.1.1 프롬프트와 프롬프트 엔지니어링
__4.1.2 프롬프트 엔지니어링이 필요한 이유
4.2 랭체인에서 프롬프트를 제어하는 방법
__4.2.1 프롬프트 템플릿 예제 소개
__4.2.2 프롬프트 템플릿 예제 분석
__4.2.3 프롬프트와 변수
4.3 대화 내용을 기억하는 연속 채팅
__4.3.1 연속 채팅 예제 소개
__4.3.2 연속 채팅 예제 분석
__4.3.3 대화 기록 기능의 활용
4.4 프롬프트 클래스와 출력 스트림 처리
__4.4.1 프롬프트 클래스와 출력 스트림 처리 예제 소개
__4.4.2 프롬프트 클래스와 출력 스트림 처리 예제 분석
__4.4.3 프롬프트와 출력 스트림의 활용
▣ 05장: 검색 증강 생성(RAG)
5.1 RAG의 개념과 특징
__5.1.1 RAG란?
__5.1.2 RAG의 구성 요소
5.2 올라마를 이용한 임베딩
__5.2.1 임베딩이란?
__5.2.2 올라마 임베딩 예제
__5.2.3 올라마 임베딩 예제 분석
5.3 벡터 저장소와 검색
__5.3.1 랭체인 벡터 저장소 예제
__5.3.2 올라마 임베딩 예제 분석
5.4 랭체인을 이용한 RAG 구현
__5.4.1 랭체인 RAG 예제
__5.4.2 랭체인 RAG 예제 분석
5.5 PDF를 활용한 RAG
__5.5.1 랭체인 PDF RAG 예제
__5.5.2 PDF RAG 예제 분석
__5.5.3 RAG 예제의 활용
▣ 06장: 랭스미스: AI 애플리케이션 모니터링
6.1 랭스미스: LLM 테스트, 평가 및 모니터링 도구
6.2 랭스미스 작동 모니터링
__6.2.1 프로젝트 생성과 API 키 발급
__6.2.2 테스트용 예제 코드 소개
__6.2.3 작동 모니터링
6.3 랭체인 허브 시작하기
__6.3.1 랭체인 허브를 이용한 뉴스 요약 예제
__6.3.2 랭체인 허브를 이용한 뉴스 요약 예제 분석
__6.3.3 랭체인 허브 사용의 효과
6.4 랭스미스 클라이언트를 통해 랭체인 허브 사용하기
__6.4.1 랭스미스 클라이언트 예제 분석
▣ 07장: 에이전트: 지능적인 LLM 사용법
7.1 에이전트가 필요한 이유
__7.1.1 LLM의 한계와 도구
__7.1.2 에이전트의 등장
__7.1.3 에이전트의 작동 구조
__7.1.4 에이전트의 시작: ReAct
7.2 검색엔진을 이용한 챗봇 에이전트
__7.2.1 검색엔진 챗봇 에이전트 예제 소개
__7.2.2 검색 엔진을 이용한 챗봇 에이전트 분석
__7.2.3 에이전트 작동 모니터링
7.3 다양한 도구를 활용하는 에이전트 구현
__7.3.1 멀티 도구 에이전트 예제 소개
__7.3.2 여러 개의 도구를 사용하는 에이전트 예제 분석
__7.3.3 에이전트 작동 모니터링
▣ 08장: 랭그래프와 멀티 에이전트 시스템
8.1 랭그래프와 멀티 에이전트 시스템 소개
__8.1.1 랭그래프란?
__8.1.2 랭그래프의 구성 요소
8.2 랭그래프 챗봇 예제
__8.2.1 프로젝트 생성과 테스트
__8.2.2 랭그래프 챗봇 예제 분석
__8.2.3 랭그래프 챗봇 실행 모니터링
8.3 랭그래프 에이전트 구현 예제
__8.3.1 프로젝트 생성과 테스트
__8.3.2 랭그래프 도구 추가 예제 분석
__8.3.3 작동 모니터링
8.4 랭그래프 기능 확장 예제
__8.4.1 사용자 입력과 일시 중지 기능 테스트
__8.4.2 작동 모니터링
8.5 멀티 에이전트 예제
__8.5.1 멀티 에이전트 예제 테스트
__8.5.2 멀티 에이전트 예제 분석
__8.5.3 작동 모니터링
▣ 09장: MCP 활용법
9.1 MCP 소개
__9.1.1 MCP란?
__9.1.2 MCP의 작동 구조
__9.1.3 MCP 저장소, Smithery.ai
9.2 클로드 데스크톱과 MCP 테스트
__9.2.1 클로드와 클로드 데스크톱
__9.2.2 클로드 데스크톱 설치 및 실행
__9.2.3 클로드 데스크톱에 도구 연결하기
__9.2.4 클로드 데스크톱에 연결된 도구 활용하기
9.3 MCP 에이전트 구현 예제
__9.3.1 프로젝트 생성과 테스트
__9.3.2 MCP 에이전트 예제의 파일 구조와 MCP 코드
__9.3.3 MCP 에이전트 예제 메인 파일
__9.3.4 MCP 에이전트 작동 모니터링
▣ 10장: [예제 프로젝트] AI 뉴스 블로그 작성 자동화하기
10.1 노션 블로그 생성 및 노션 MCP 연결
__10.1.1 노션 블로그 만들기
__10.1.2 노션 MCP 연결하기
__10.1.3 노션 MCP 테스트하기
10.2 긱뉴스 MCP 연결 및 AI 뉴스 블로그 자동화하기
__10.2.1 긱뉴스 MCP 연결하기
▣ 11장: [프로젝트] 멀티모달 AI로 구현하는 자동 회의록 애플리케이션
11.1 멀티모달 LLM과 음성인식 AI 모델
__11.1.1 멀티모달 LLM
__11.1.2 위스퍼 음성인식 모델
__11.1.3 회의록 워크플로 설계
11.2 회의록 구현 예제
__11.2.1 위스퍼와 LLM을 이용한 AI 회의록 예제 소개
__11.2.2 메인 로직(main.py)
__11.2.3 전체 파이프라인 구현(pipeline.py)
__11.2.4 음성 파일 전사(transcriber.py)
__11.2.5 로컬 LLM을 통한 요약(summarizer.py)
__11.2.6 요약 파일 저장(file_handler.py)

예제 코드

랭체인 버전 관련 안내

본 서적의 예제 코드는 집필 당시 기준으로 안정적인 버전을 기준으로 작성되었습니다. 다만 최근 랭체인의 빠른 업데이트와 MCP 서비스 변경 등으로 인해 일부 예제는 최신 환경에서 수정이 필요한 상황이 발생하고 있습니다. 이에 따라 독자분들께 최신 환경에서도 활용하실 수 있는 예제 코드를 제공하기 위해 예제 깃허브 저장소를 통해 지속적으로 유지보수하여 업데이트를 제공드릴 예정입니다. 수정된 내용과 주요 변경 사항은 깃허브 저장소의 별도 브랜치(아래 링크 참고) 및 README 문서를 통해 자세히 안내드리겠습니다.