[IT] AI 에이전트 마스터 클래스: 지금 당장 에이전트를 개발해야 한다면 펼쳐야 되는 책

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

 

---

도서 선택 이유

 

실무에서 LLM을 단순 분류기, 추출기로 사용하다보니 다소 답답한 감이 있었습니다. 이런 작업은 일반 NLP에서 했던 건데, 이거 하자고 LLM을 도입하는 것이 맞나..? 다만 언어모델을 도입하기에는 정확도를 보장할 수 없는 상황이었고, 정확하지 않은 정보가 제공될 바에는 보수적으로 정보를 제공하지 않는 편이 낫다고도 생각했습니다. 이 결정때문에 프로세스는 복잡해졌고, 다양하게 작성되는 자연어 입력을 처리하기에도 부담이 되었습니다. 결국 에이전트를 도입하는 것이 역시 맞겠다는 생각에 이르렀습니다. 당장 서비스 오픈이야 지금 프로세스대로 진행할 지라도, 더 유연하고 올바른 처리를 위해서는 에이전트가 필요하다는 의견에 모두 동의하였습니다.

 

본 도서에 "기획, 구현, 운영, 배포까지 현업에서 바로 적용하는 에이전트 개발 가이드"라고 소개가 적혀있어 주저하지 않고 후보 도서로 선택하였습니다. 실무 적용을 타겟팅하는 소개를 보고 나니, 이 도서에서 제공하는 정보를 잘 이해하고 내제화하면 실무에서 바로 적용할 수 있을 거라는 믿음이 생겼습니다. 실제로 이 기술이 해결하려는 과제에 완전히 fit할지는 직접 적용해봐야 좀 더 와닿겠지만, 지금보다는 낫지 않을까 하는 생각에 기대를 갖고 읽기 시작했습니다. 도서를 읽던 도중 랭체인을 이미 도입했던 다른 과제가 자연스럽게 떠올랐는데요, 그 과제를 다시 상기하며 어느 지점을 발전시켜야 하는지 생각해보며 읽어보기에도 좋았습니다.

 

---

목차와 주요 내용

 

 

본 도서는 크게 1부과 2부로 나누어져 있습니다. 1부는 "랭체인을 활용한 LLM 애플리케이션 개발의 핵심 원리와 기초문법"을 다룹니다. 특히 Runnable을 활용해 조건부 분기와 같은 로직 처리를 간편하게 처리하는 과정이 인상적이었습니다. 챗봇에서는 특히 어떤 의도를 가진 입력이 들어올지 알 수 없기 때문에 사실상 모든 입력마다 라우터를 거쳐야 하는데요. 입력을 기본 라우터에 통과시키고 결과에 따라 자연스럽게 다음 프로세스로 진행시킬 수 있다는 점이 간편하면서도 확장성이 좋아 보였습니다.

 

다만 간혹 정의한 범위 외의 질문 혹은 처리하면 안되는 질문이 아니라, 정의한 클래스 내에서 헷갈려할 수도 있는 질문이 들어올 때도 있을 텐데요. 이런 경우는 어떻게 하는 편이 좋을지 좀 더 고민해봐야 될 것 같습니다. 예시의 경우 '수학', '과학', '기타' 중 하나로만 분류하라고 했는데, '수학'과 '과학' 중에 무엇으로 분류해야할지 어려워할 수도 있으니까요. 이 경우에 사용자에게 '수학'인지 '과학'인지 선택해달라고 오히려 AI가 질문해야할 필요가 있어보입니다.

 

2부는 1부에서 배운 기초를 바탕으로 AI 에이전트를 본격적으로 구축하는 방법을 다룹니다. 개인적으로 챕터 8 RAG 파트에서, ReAct 기반으로 에이전트가 검색 전략을 최적화하는 코드가 도움이 되었습니다. 특히 펫보험 사례처럼 질문의 의도에 따라 검색 범위를 '보험'으로 타겟팅하고, 결과의 품질에 따라 데이터 검색 건수를 유동적으로 조절하는 방식은 그 어떤 예제보다 실무 지향적이었습니다. 제가 기존에 개발한 서비스에 이 방법을 도입한다면 즉시 개선이 가능할 것 같다는 확신을 얻을 수 있었습니다. 현재 UI에서 사용자에게 검색 범위를 선택할 수 있도록 지원하고는 있지만, 많은 경우에 사용자들이 검색 범위를 디폴트인 "전체"를 그대로 두고 사용하고 있는 것을 관찰한 적이 있습니다. 때문에 들어오는 질문을 분석해 내부적으로 검색 범위를 좁히고 (시간이 좀 더 걸릴지라도) 단계적으로 검색을 해보는 작업도 실험해보면 큰 도움이 될 것 같습니다. 

 

 

---

도서 총평

 

 

사실 작년 나는리뷰어다 마지막 리뷰 도서가 '러닝 랭체인'이었습니다. 해당 도서에서도 랭체인, 랭그래프를 다루었지만 설명이 친절하다는 느낌은 많이 못받았는데, 이 도서는 코드에 대한 설명들이 꽤 친절했고 좀 더 step-by-step으로 과정을 밟아가며 프로젝트를 완성한다는 느낌을 받았습니다. 개념이나 코드와 파라미터의 설명들이 자세하기도 하고 스토리라인이 명확해서 기술도서이기도 하면서 소설을 읽는 것 같기도 했습니다.

 

이 도서의 큰 장점은 실무에 즉시 투입 가능한 수준의 코드를 제공한다는 점입니다. 특히 앞서 언급한 RAG의 검색 범위 타겟팅 및 건수 조절 로직은 기존 파이프라인이 있다면 바로 이식할 수 있을 만큼 실용적이었습니다. 최신 기술인 MCP 예제 역시 직관적이어서, 제가 해결해야 할 과제를 프롬프트로 작성해 즉시 테스트해 볼 수 있었습니다. 사용자의 계좌 보유 현황(0개~다수)에 따라 모델이 유연하게 대응하며 적절한 답변을 내놓는 것을 확인했구요. 물론 사용할 모델, 대규모 계좌 정보 처리 시의 정확도나 속도 측면에서는 추가적인 최적화 단계가 필요하겠지만, 제공된 예제를 본인의 상황에 맞게 가공하는 과정만으로도 기술적 이해도를 충분히 높일 수 있을 것입니다.

 

 

 

앞서 도서가 크게 1부와 2부로 나눠져 있다고 했는데, 각 파트의 도입에 챕터별 목표를 요약해주고 있어서, 이 도서의 큰 그림이 무엇인지 한 눈에 이해하기 좋았습니다. 기본적인 개념을 알고 있는 사람이라면, 본인이 필요하다고 생각하는 부분만 선택하여 원하는 정보를 얻어갈 수 있을 것 같고요. 처음 랭체인, 랭그래프를 접하는 사람이라도 기본 원리를 우선 익힌 후에 단계별로 로드맵을 갖고 최종 프로젝트까지 나아갈 수 있을 것이라 생각합니다.

 

 

또한 RAG 챕터에서는 벡터 검색을 위해서 오픈소스 벡터 데이터베이스인 Chroma를 적용하고 있는데요. Chroma가 다른 오프소스들 보다 상대적으로 가볍고, 랭체인과의 통합이 잘 되다고 하니 처음 벡터DB를 다뤄야 한다면 이 도서와 함께 Chroma로 시작해보면 좋을 것 같습니다.

 

도서 자체에 아쉬운 점은 없었는데, 한빛 웹뷰어를 사용하며 개인적인 아쉬운 점이 조금 보였습니다. 워낙 IT 도서들이 두껍고 무거운 편이라, 개인적으로 전자책으로 읽는 것을 선호하는 편인데요. 다만 아직 뷰어가 업데이트 되지 않은 시점이어서, 필기나 형광펜 기능이 없는 점이 아쉬웠습니다. 다행히 3월 초에 관련 기능이 업데이트 된다고 하니 그 이후에 구매하면 더 편리하게 전자책을 사용할 수 있을 것 같습니다.

 

브라우저에서 전체화면이 아닐 때 글씨가 깨지는 점도 아쉬웠습니다. 다행히 전체화면으로 전환하면 훨씬 선명하긴 한데요. 전체화면이 되면 다른 창으로 전환이 번거롭고 하니, 전체화면이 아닐 때에도 화질이 좋으면 더 만족스럽게 웹뷰어 이용을 할 수 있지 않을까 생각했습니다.

 

(왼) 전체화면이 아닐 때 (오) 전체화면일 때

 

 

이제 에이전트는 잠깐 반짝하고 지나갈 유행 기술이 아니라고 보여집니다, 에이전트의 핵심을 이해하고 코드 단계에서부터 차근차근 이해하고 싶은 분, 저처럼 "실질적인 비즈니스 가치를 창출할 수 있는 LLM 서비스"(56쪽)에 관심있는 분이라면 <AI 에이전트 마스터 클래스> 를 읽어보시고 적용해 보시면 좋겠습니다.

 

---