트랜스포머 아키텍처로 배우는 AI 에이전트 with 랭체인 & 랭그래프

장철원

저자:장철원
충북대학교에서통계학을전공하고고려대학교에서통계학석사학위를받은후플로리다주립대학교통계학박사과정에진학했다.어렸을때부터게임을좋아하여크래프톤데이터분석실에서머신러닝을활용한이탈률예측,고객분류업무등을담당했다.특히배틀그라운드핵탐지관련업무를하면서IT보안에흥미를느끼게되었다.이후NHN클라우드사업본부IT보안실에서머신러닝을활용한매크로자동탐지시스템을개발하고특허를등록했다.삼성전자,KB국민은행,LG에너지솔루션등여러기업에서IT관련강의를했으며,현재도다양한교육활동을진행하고있다.꾸준히IT도서를집필하고소프트웨어를개발한다.또한지식을공유하는데보람을느껴블로그,카페,유튜브를운영하며많은이들과활발히소통하고있다.

CHAPTER1실습환경구축하기
_1.1비주얼스튜디오설치
_1.2미니콘다를활용한가상환경구축
_1.3CPU환경-파이썬라이브러리설치
_1.4GPU환경-파이썬라이브러리설치

CHAPTER2자연어처리기초
_2.1자연어처리의개념
__2.1.1자연어처리의발전
__2.1.2word2vec
__2.1.3토큰화
__2.1.4임베딩
__2.1.5청킹
_2.2기초수학
__2.2.1스칼라,벡터,행렬
__2.2.2내적
__2.2.3외적
__2.2.4편미분
__2.2.5그래디언트디센트

CHAPTER3강화학습기초
_3.1강화학습의개념
__3.1.1강화학습의정의
__3.1.2강화학습의구성요소
_3.2상태가변하지않을경우의보상추정
__3.2.1다중슬롯머신문제
__3.2.2행동에따른가치추정방법
__3.2.3점진적업데이트방식
_3.3마르코프결정프로세스
__3.3.1마르코프결정프로세스의정의
__3.3.2누적보상
__3.3.3정책과가치함수
_3.4몬테카를로방법
__3.4.1몬테카를로방법의개념
__3.4.2몬테카를로방법을활용한상태가치예측
__3.4.3상태가치예측실습
_3.5시간차학습
__3.5.1TD(0)의개념
__3.5.2TD(0)실습
__3.5.3Sarsa의개념
__3.5.4Sarsa실습
__3.5.5Q-learning의개념
__3.5.6Q-learning실습
__3.5.7Q-learning을활용한자연어처리강화학습

CHAPTER4시퀀스모델
_4.1순환신경망의개념
__4.1.1순환신경망기초
__4.1.2손실함수의그래디언트
_4.2LSTM
__4.2.1LSTM의개념
__4.2.2LSTM구조
__4.2.3양방향LSTM
__4.2.4넘파이를활용한LSTM실습
_4.3seq2seq
__4.3.1seq2seq의개념
__4.3.2빔서치

CHAPTER5어텐션
_5.1어텐션의기본원리
__5.1.1어텐션의정의
__5.1.2어텐션의구조
__5.1.3Query,Key,Value
_5.2셀프어텐션
__5.2.1셀프어텐션의개념
__5.2.2입력벡터기준으로보는셀프어텐션구조
__5.2.3입력행렬기준으로보는셀프어텐션구조
_5.3멀티헤드어텐션
__5.3.1멀티헤드어텐션의개념
__5.3.2멀티헤드어텐션의구조
_5.4크로스어텐션
__5.4.1크로스어텐션의개념
__5.4.2크로스어텐션의구조

CHAPTER6트랜스포머
_6.1트랜스포머의개념
_6.2포지셔널인코딩
__6.2.1포지셔널인코딩의개념
__6.2.2포지셔널인코딩의구조
_6.3트랜스포머아키텍처
__6.3.1전체구조
__6.3.2트랜스포머의인코더
__6.3.3트랜스포머의디코더
_6.4트랜스포머를활용한학습및추론
__6.4.1트랜스포머를활용한학습
__6.4.2트랜스포머를활용한추론

CHAPTER7LLM의발전
_7.1LLM의개념
__7.1.1LLM의유형
__7.1.2LLM기술발전연대기
_7.2강화학습을적용한LLM
__7.2.1기존언어모델의문제점
__7.2.2사용자피드백을활용한강화학습
__7.2.3PPO알고리즘의등장
__7.2.4강화학습에적용된PPO알고리즘
__7.2.5few-shot,one-shot,zero-shot학습방법
__7.2.6InstructGPT
__7.2.7유익하고안전한언어모델
_7.3LLM의종류
__7.3.1GPT
__7.3.2LLaMA
__7.3.3BERT

CHAPTER8LLM에이전트개발도구
_8.1Ollama
__8.1.1Ollama소개
__8.1.2Ollama기본실습
_8.2트랜스포머라이브러리
__8.2.1허깅페이스소개
__8.2.2트랜스포머라이브러리소개
__8.2.3트랜스포머라이브러리의두가지활용방법
__8.2.4LowLevelAPI기본실습
__8.2.5HighLevelAPI기본실습
__8.2.6LowLevelAPI&HighLevelAPI혼합방식
_8.3Llama_cpp라이브러리
__8.3.1Llama_cpp라이브러리소개
__8.3.2GGUF모델다운로드
__8.3.3Llama_cpp라이브러리기본실습
_8.4랭체인라이브러리
__8.4.1랭체인라이브러리소개
__8.4.2LangChainExpressionLanguage(LCEL)
__8.4.3랭체인+트랜스포머기본실습
__8.4.4랭체인+Ollama실습
__8.4.5Ollama를활용한RESTAPI방식
__8.4.6메모리기능을활용한대화형에이전트
_8.5랭그래프라이브러리
__8.5.1랭그래프라이브러리소개
__8.5.2랭그래프구성요소
__8.5.3랭그래프기본실습
__8.5.4랭그래프+랭체인+트랜스포머실습
__8.5.5랭그래프+랭체인+Ollama실습

CHAPTER9파인튜닝과로컬LLM
_9.1Fullfine-tuning
__9.1.1Fullfine-tuning의개념
__9.1.2기본분류실습
__9.1.3Fullfine-tuning실습
__9.1.4Fullfine-tuning된모델을불러온후추가학습
__9.1.5Fullfine-tuning된모델을불러온후예측
_9.2PEFT
__9.2.1PEFT의필요성
__9.2.2PEFT의공통개념
__9.2.3PEFT의종류
_9.3Adapter
__9.3.1Adapter의개념
__9.3.2Adapter의내부구조
__9.3.3Adapter의종류
_9.4AdapterFusion
__9.4.1AdapterFusion의개념
__9.4.2AdapterFusion의내부구조
_9.5LoRA
__9.5.1LoRA의개념
__9.5.2LoRA의내부구조
__9.5.3LoRA실습
__9.5.4LoRA를활용해학습된모델을불러온후예측
_9.6QLoRA
__9.6.1양자화의개념
__9.6.2QLoRA의개념
__9.6.3QLoRA실습
__9.6.4QLoRA를활용해학습된모델을불러온후예측

CHAPTER10RAG
_10.1RAG의개념
__10.1.1RAG의등장배경
__10.1.2RAG의특징
_10.2RAG아키텍처
__10.2.1RAG전체구조
__10.2.2RAG-Sequence모델
__10.2.3RAG-Token모델
__10.2.4Retriever
__10.2.5Generator
_10.3벡터DB기초
__10.3.1벡터DB의개념
__10.3.2벡터DB의종류
__10.3.3임베딩실습
__10.3.4ChromaDB실습
__10.3.5CSVtoChromaDB실습
__10.3.6청킹실습
_10.4RAG기초실습
__10.4.1트랜스포머사용을위한ChromaDB구축
__10.4.2트랜스포머를활용한RAG실습
_10.5RAG응용실습
__10.5.1랭체인사용을위한ChromaDB구축
__10.5.2트랜스포머,랭체인을활용한무기억성RAG실습
__10.5.3트랜스포머,랭체인을활용한대화형RAG실습
__10.5.4트랜스포머,랭체인,랭그래프를활용한RAG실습
__10.5.5Llama_cpp,랭체인,랭그래프를활용한RAG실습
__10.5.6Ollama,랭체인,랭그래프를활용한RAG실습
_10.6IterativeRAG
__10.6.1IterativeRAG의개념
__10.6.2IterativeRAG실습
_10.7AdaptiveRAG
__10.7.1AdaptiveRAG의개념
__10.7.2AdaptiveRAG실습

CHAPTER11멀티에이전트
_11.1멀티에이전트의개념
__11.1.1싱글에이전트와멀티에이전트
__11.1.2A2A
_11.2MCP
__11.2.1MCP의개념
__11.2.2MCP실습

CHAPTER12Streamlit으로나만의AI에이전트만들기
_12.1Streamlit기초
__12.1.1Streamlit소개
__12.1.2VSCode설치및파이썬가상환경연동
_12.2Streamlit을활용한AI에이전트개발
__12.2.1누구나쉽게만드는전래동화AI에이전트
__12.2.2대화내용을기억하는채팅에이전트
__12.2.3랭그래프기반AI에이전트
__12.2.4RAG기반AI에이전트

도구를넘어구조를읽는힘
트랜스포머아키텍처부터운영가능한AI에이전트까지

AI에이전트개발도구는쉬워졌지만,원하는동작을안정적으로설계하고문제를스스로진단하려면도구사용법만으로는부족합니다.이책은단순한API활용서가아니라,AI에이전트에서LLM과트랜스포머가어떻게문맥을이해하고답을생성하는지부터설명합니다.트랜스포머동작을이해하기위한자연어처리기초,핵심수학개념,강화학습,RNN,LSTM,seq2seq,어텐션을거쳐트랜스포머구조로올라가는촘촘한학습흐름을통해,독자는최신도구의추상화뒤에있는원리를자연스럽게이해할수있습니다.
실습역시단순한예제실행에서끝나지않습니다.파인튜닝은Fullfine-tuning부터LoRA,QLoRA,양자화까지모델크기와목적에따른선택기준을제시하고,RAG는기초파이프라인부터대화형,Iterative,AdaptiveRAG로확장하면서실무에서피할수없는RAG평가의어려움까지짚습니다.다음으로싱글에이전트의한계를분석한뒤A2A기반멀티에이전트를설계하고,에이전트간통신을표준화하는MCP프로토콜도구현해봅니다.마지막으로앞서배운모든요소를Streamlit웹서비스로통합해배포까지진행합니다.이책을통해단순히예제를재현하는데서끝나지않고,자신만의요구사항에맞게에이전트를설계하고확장하는기준을세울수있습니다.

대상독자
-AI에이전트를단순히사용해보는수준을넘어,내부원리까지이해하며개발하고싶은개발자
-AI에이전트내부의LLM과트랜스포머아키텍처를체계적으로배우고싶은주니어엔지니어
-랭체인,랭그래프,RAG를실무서비스구조로연결하는지식이필요한실무엔지니어
-A2A,MCP,멀티에이전트,Streamlit배포까지포함해PoC를운영가능한AI서비스로발전시키고싶은개발자


주요내용
●자연어처리의기본개념과기초수학,강화학습의핵심원리
●RNN,LSTM,seq2seq,어텐션구조
●트랜스포머내부의인코더와디코더아키텍처구조
●Ollama,트랜스포머,Llama_cpp,랭체인,랭그래프를활용한AI에이전트실습
●Fullfine-tuning,PEFT,Adapter,LoRA,QLoRA,양자화로이어지는로컬LLM과모델재학습방법
●ChromaDB기반RAG,대화형RAG,IterativeRAG,AdaptiveRAG를통한검색증강생성실습
●A2A와MCP로이해하는멀티에이전트및외부도구연동
●Streamlit으로대화기억,랭그래프,RAG를결합한AI에이전트서비스구현