[책리뷰] Do it! LLM을 활용한 AI 에이전트 개발 입문 (서평단 리뷰)

 

이지스퍼블리싱 출판사 리뷰어 자격으로 작성된 글입니다.

 

 

책 소개

• 도서명 : Do it! LLM을 활용한 AI 에이전트 개발 입문(GPT API+딥시크+라마+랭체인+랭그래프+RAG)
  • 이지스 퍼블리싱 출판사에서 리뷰를 위해 무료로 제공
• 책 URL : https://www.yes24.com/product/goods/146036009

Do it! LLM을 활용한 AI 에이전트 개발 입문 - 예스24

 

표지 겉면

 

 

 

주요내용 및 소감

• 총평: 프로젝트성 실무 적용을 원한다면 현 시점 독자가 보기 가장 편한 책 같다.
  • 책 내용을 볼 때, 대략 2024년 9월 정도에 작성된 것으로 추정
  • 대학교, 대학원 강의는 이론 및 원리 중심이기에 LLM을 실무 중심으로 볼 기회가 적었으나, 이 책을 통해 아이디어로만 생각하던 내용들을 실현해봄
  • 최근 AI 분야 채용이 LLM으로 쏠리는 것을 생각할 때, 위와 같은 프로젝트는 진행하면 취업에 도움이 되지 않을까란 추측
    • 책에 쓰여진대로가 아니라 자신이 평소에 적용해보고 싶었던 분야 등에 실현이 필요
  • 정말 좋은 point는 GPT와 Deepseek로 실현해볼 수 있는 구조가 나눠져있어 각각 해볼 수 있음
    • GPU가 버텨준다면, 로컬에서 실행할 수 있는게 비용 부담이 없기 때문
    • 다만... 14B 정도의 작은 모델이라고 하더라도, 일반 노트북에서는 너무 헤비한데, 결국 이 부분은 GCP나 AWS를 평소에 자주 사용하던 유저여야 편하게 실행했겠다라는 생각
      • 물론, 이에 대한 설명까지 달려면 500p 정도로는 부족했을 것
      • 도커나 쿠다 설정까지 전부 달아놓기엔 분량이 너무 길어졌을 것이라서, 이 정도 설명이 가장 좋은 것 같다.

GPT로 RAG 만들기

Deepseek 로컬 활용법

 

• 추천여부 및 대상
  • 추천여부 : 추천
  • 추천대상
    • AI, 컴퓨터 분야를 전공하는 대학생
    • AI scientist, Data Analyst 등 직무에서 1~4년차로 있는 주니어
    • Python을 사용할 줄 알는 직장인

 

 

책 내용

첫째마당 | LLM과 친해지기

01장 LLM으로 어떤 일을 할 수 있을까?

• 01-1 챗GPT로 시작된 생성형 AI 시대
• 01-2 LLM을 왜 공부해야 할까?

02장 환경 설정하고 GPT API 시작하기

• 02-1 파이썬 프로그래밍 환경 설정하기
• 02-2 GPT API 시작하기

03장 오픈AI의 API로 챗봇 만들기

• 03-1 프롬프트 엔지니어링 알아보기
• 03-2 GPT와 멀티턴 대화하기
• 03-3 스트림릿으로 챗봇 완성하기

 

둘째마당 | 오픈AI의 GPT API를 활용한 업무 자동화

 

04장 문서와 논문을 요약하는 AI 연구원

• 04-1 PDF 문서 전처리하기
• 04-2 논문을 요약해 주는 AI 연구원 완성하기

05장 회의록을 정리하는 AI 서기

• 05-1 음성을 텍스트로 변환하기
• 05-2 로컬에서 음성을 텍스트로 변환하기
• 05-3 문장과 화자 구분하기
• 05-4 회의록을 정리하는 AI 서기 완성하기

06장 GPT-4o를 이용한 AI 이미지 분석가

• 06-1 GPT 비전에게 이미지 설명 요청하기
• 06-2 이미지를 활용해 퀴즈 만들기

07장 최신 주식 정보를 알려 주는 AI 투자자

• 07-1 펑션 콜링의 기초
• 07-2 GPT와 미국 주식 이야기하기
• 07-3 스트림 출력하기 180

 

셋째마당 | 랭체인을 활용한 에이전트 개발

08장 랭체인으로 에이전트 만들기

• 08-1 랭체인으로 챗봇 만들기
• 08-2 LCEL로 체인 만들기
• 08-3 랭체인 도구로 에이전트 만들기
• 08-4 스트림 방식으로 출력하기
• 08-5 스트림릿에 구현하기

09장 RAG로 문서에 기반해 답변하는 챗봇 만들기

• 09-1 RAG란 무엇일까?
• 09-2 RAG에 기반한 챗봇 구현하기
• 09-3 스트림릿으로 챗봇 완성하기

10장 인터넷 검색을 활용해 답변하는 챗봇 만들기

• 10- 1 인터넷 검색 후 답변하기 - 덕덕고 검색
• 0-2 자료 조사 후 기사 쓰기 - 타빌리 검색
• 10-3 유튜브 영상 요약하기10-4 웹과 유튜브 검색을 활용한 챗봇 만들기

11장 로컬에서 딥시크-R1 모델 사용하기

• 11-1 딥시크 모델 알아보기
• 11-2 랭체인에서 딥시크 모델 사용하기
• 11-3 딥시크에 기반한 RAG 만들기
  
  

넷째마당 | 랭그래프를 활용해 협업하는 AI 팀 만들기

12장 랭그래프와 친해지기

• 12-1 랭그래프로 만드는 기본 챗봇
• 12-2 대화 내용을 저장하는 메모리
• 12-3 인터넷 검색 후 기사를 작성하는 챗봇 만들기

13장 랭그래프를 활용해 멀티에이전트 RAG 만들기

• 13-1 랭그래프에 기반한 RAG를 위한 사전 작업
• 13-2 라우터 알아보기
• 13-3 랭그래프로 RAG 에이전트 만들기
• 13-4 그래프 정의하기

14장 랭그래프로 목차를 작성하는 멀티에이전트 만들기

• 14-1 사용자와 함께 목차를 작성하는 에이전
• 14-2 조장 역할을 하는 슈퍼바이저 에이전트
• 14-3 웹 검색과 RAG를 활용하는 벡터 검색 에이전트
• 14-4 부족한 정보 검색하는 웹 검색 에이전트

15장 스스로 판단하고 작업하는 멀티에이전트 만들기

• 15-1 에이전트의 공동 목표 만들기
• 15-2 템플릿으로 더 명확한 가이드 세우기
• 15-3 스스로 리뷰하고 수정하는 에이전트로 발전시키기

16장 인공지능 더 안전하게 활용하기

• 16-1 로컬에서 라마와 임베딩 모델 구동하기
• 16-2 LLM에 기반한 서비스 발전시키기