책소개
랭체인부터 랭그래프, RAG, AI 에이전트 그리고 MCP까지직접 만들며 익히는 생성 AI 애플리케이션 개발의 모든 것 MCP 활용법 특별 수록: 개념 이해부터 서버 구축, 실전 활용까지LLM 애플리케이션, 어디서부터 시작해야 할지 막막한가? 챗GPT 이후의 시대, 검색 증강 생성(RAG), 멀티 에이전트, 랭그래프, MCP 같은 용어들이 쏟아지지만 정작 무엇부터 어떻게 시작해야 할지 고민이라면, 『러닝 랭체인』이 지금 꼭 필요한 이유이다. 이 책은 LLM 기반 애플리케이션 개발의 효율을 극대화하는 랭체인과, 복잡한 아키텍처 설계를 가능하게 하는 랭그래프를 중심으로, 기초 개념부터 실전 배포·운영까지 전 과정을 체계적으로 안내한다.
저자소개
랭체인 라이브러리의 초기 개발 컨트리뷰터이자 어드보킷이다. 데이터 기반 AI ‘채팅’ 분야에서 선구자로 활동하며 지금까지 500만 명이 넘는 이들에게 영향력 있는 아이디어를 전달했다. 아마존, 링크드인, 에버코어, 비자, BCG 등 여러 유수 기관에서 수백 명의 엔지니어와 제품 관리자를 대상으로 상담과 교육을 하고 있다.
목차
CHAPTER 00 랭체인을 위한 기초 AI 지식_0.1 LLM 기초_0.2 프롬프트 기초_0.3 랭체인은 무엇이며 왜 중요한가?CHAPTER 01 랭체인의 기본 LLM 사용법_1.1 랭체인 사용 환경 구축_1.2 랭체인을 통한 LLM 호출_1.3 LLM 프롬프트 템플릿_1.4 LLM에서 특정 형식의 답변 지정_1.5 구성 요소를 조합한 LLM 애플리케이션_1.6 요약CHAPTER 02 RAG 1단계: 데이터 인덱싱_2.1 목표: LLM을 위한 적절한 컨텍스트 선정_2.2 임베딩: 텍스트를 숫자로 변환_2.3 문서-텍스트 변환_2.4 텍스트를 여러 조각으로 분할_2.5 텍스트 임베딩 생성_2.6 벡터 저장소에 임베딩 저장_2.7 문서의 변경 사항 추적_2.8 인덱싱 최적화_2.9 요약CHAPTER 03 RAG 2단계: 데이터 기반 대화_3.1 RAG 시작하기_3.2 쿼리 변환_3.3 쿼리 라우팅_3.4 쿼리 구성_3.5 요약CHAPTER 04 랭그래프를 활용한 메모리 기능_4.1 챗봇 메모리 시스템 구축_4.2 랭그래프_4.3 StateGraph 생성_4.4 StateGraph에 메모리 기능 추가_4.5 채팅 기록 수정_4.6 요약CHAPTER 05 랭그래프로 구현하는 인지 아키텍처_5.1 아키텍처 #1: LLM 호출_5.2 아키텍처 #2: 체인_5.3 아키텍처 #3: 라우터_5.4 요약CHAPTER 06 에이전트 아키텍처 I_6.1 계획-실행 반복_6.2 랭그래프 에이전트 구축_6.3 툴 우선 호출_6.4 복수 툴 호출_6.5 요약CHAPTER 07 에이전트 아키텍처 II_7.1 성찰_7.2 서브그래프_7.3 다중 에이전트 아키텍처_7.4 요약CHAPTER 08 LLM의 성능을 높이는 패턴_8.1 구조화된 출력_8.2 요약CHAPTER 09 AI 애플리케이션 배포_9.1 준비 사항_9.2 랭그래프 플랫폼 API 이해하기_9.3 랭그래프 플랫폼에서 AI 애플리케이션 배포_9.4 보안_9.5 요약CHAPTER 10 테스트: 평가, 모니터링, 개선_10.1 LLM 애플리케이션 테스트 기법_10.2 설계 단계: 자체 보정 RAG_10.3 사전 제작 단계_10.4 운영_10.5 요약CHAPTER 11 LLM 애플리케이션 개발_11.1 챗봇_11.2 LLM과의 협업_11.3 앰비언트 컴퓨팅_11.4 요약APPENDIX A. MCP 서버의 구축과 활용
.png){kind=logo}
