LangGraph를 활용한 LLM Agent 개발

LLM 에이전트 개발!
LangGraph로 더 쉽고 강력하게

LLM 에이전트는 사용자의 요구를 이해하고 복잡한 작업을 자동화하며 문제를 해결하는 핵심 역할을 합니다. 하지만 에이전트 설계와 구현 과정은 구조적으로 복잡하고 반복 작업이 많아 쉽지 않습니다. LangGraph는 이러한 과정을 단순화해, 강력한 LLM 에이전트를 효율적으로 개발할 수 있게 도와줍니다.

이론은 컴팩트하게
디버깅과 최적화는 실전처럼

이런 분들께 추천해요

수강 후에는

• LangGraph와 LangChain의 차이점 이해: 두 프레임워크의 구조적 차이와 활용 방식을 파악해, 프로젝트에 가장 적합한 도구를 선택할 수 있습니다.

• 에이전트 설계 및 구현: Retrieval 에이전트, Self-RAG, Corrective RAG 등 다양한 에이전트를 설계하고 워크플로우를 자동화할 수 있습니다.

• 복잡한 워크플로우 구성: Multi-Agent 시스템과 RouteLLM을 활용해 복잡한 작업을 효율적으로 처리하는 워크플로우를 설계할 수 있습니다.

• 도구 활용 능력: LangGraph 내에서 다양한 도구를 활용하여 에이전트의 기능을 확장하고, 문제 해결 능력을 향상시킬 수 있습니다.

  
  

이런 내용을 배워요

이 강의를 만든 사람

• (현) GS 그룹 GenAI Platform 개발 및 운영

• (전) 시리즈 C 의료 인공지능 스타트업 Tech Lead

• (전) 항해플러스 AI 코스 코치

GS 그룹 해커톤 코칭과 다양한 현업 프로젝트를 개발/운영하면서 얻은 노하우를 담았습니다.

궁금한 점이 있나요?

수강 전 참고 사항