인프런 영문 브랜드 로고
인프런 영문 브랜드 로고
BEST
인공지능

/

AI · ChatGPT 활용

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

대기업 AI Agent 담당자의 노하우를 가득 담은 LangGraph. 현업에서 얻어맞으면서 습득한 지식을 전달드립니다

(5.0) 수강평 16개

수강생 328명

프롬프트엔지니어링LLMAI AgentLangGraphMCP

초급자를 위해 준비한
[AI · ChatGPT 활용, LangGraph] 강의입니다.

이런 걸 배울 수 있어요

  • LLM Agent

  • LLM

  • Prompt Engineering

  • Retrieval Augmented Generation(RAG)

  • AI Agent

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

✅방대한 공식문서에서 핵심만!

LangGraph 공식문서는 방대하지만, 필요한 정보는 한정적입니다. 현업 엔지니어의 경험을 담아 직접 선정한 주요 컨셉위주로 커리큘럼을 준비했습니다.

✅현업에서 쓰이는 방식 그대로!

프롬프트 작성과 디버깅 과정을 편집 없이 그대로 보여드립니다. 강의를 통해 실제 엔지니어들이 어떻게 에러를 해결하고 프롬프트를 최적화하는지 경험할 수 있습니다.

이런 분들께 추천해요

LangChain 경험이 있는 개발자

LangChain의 한계를 경험했다면 이 강의를 통해 에이전트 개발에 날개를 달 수 있습니다

LLM Agent가 궁금한 개발자

2025 CES 에서 엔비디아 젠슨 황이 언급한 Agentic AI에 대해 현업 전문가가 알려드립니다

기술 창업가 및 스타트업 팀

AI 기반 제품이나 서비스를 개발하고자 하한다면 에이전트 개발 최신 기술을 배울 수 있습니다

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

1⃣프롬프트 엔지니어링 전략

같은 기능을 수행하더라도 사용하는 모델에 따라 프롬프트를 다르게 작성해야 합니다. LangGraph의 PromptTemplate과
ChatPromptTemplate을 사용해 상황에 맞는 프롬프트를 효율적으로 작성하는 방법을 배웁니다.

I am teaching a course on how to write prompt to use LLM. can you generate drawings that depict prompt engineering_ 1

2⃣LLM 에이전트 최적화 꿀팁

gpt-4o와 같은 비싼 고급 모델을 사용하는 대신, 작업을 작은 단위로 나누고 gpt-4o-mini와 같은 경량 모델을 반복적으로 활용하는 것이 더 효율적입니다. 프롬프트를 작은 단위로 나누어 비용과 성능을 최적화하는 방법을 학습합니다.

how to optimize process to save money. put a huge dollar sign at the center and depict how we can tackle it to make it smaller 1

3⃣ LangGraph 도구(tool) 활용의 모든 것

LangChain의 기본 도구 활용법은 물론, 필요에 따라 에이전트가 직접 활용할 커스텀 툴(custom tool)을 개발해 기능을 확장하는 방법을 배웁니다. 또한, 사람이 작업에 개입하는 시스템(human-in-the-loop)을 설계해 더 신뢰도 높은 에이전트를 구현할 수 있습니다.

how to use different available tools 1

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?

Q. LangChain과 LangGraph의 차이점은 무엇인가요?

LangChain은 주로 체인 형태로 작업을 연결하는 반면, LangGraph는 그래프 구조를 사용하여 더 복잡한 워크플로우를 구성할 수 있습니다. LangGraph는 유연한 노드 연결을 통해 다양한 에이전트 작업을 지원합니다.

Q. LangChain을 처음 접하는데 강의를 수강해도 되나요?

파이썬 활용 경험이 있다면 강의를 수강하시는데는 문제 없지만 LangChain 문법에 익숙하지 않으시면 이해하는데 어려울 수 있습니다.

LangChain이 처음이시라면 강사의 초급 강의를 추천드립니다

Q. 수강 중 이해되지 않는 부분이 있다면 어떻게 하나요?

수강 중 궁금한 점이 있으면 언제든지 인프런 질문으로 올려주세요! 최대한 빠르게 답변 드리고,
필요 시 추가 촬영을 통해 강의를 업데이트 하도록 하겠습니다

수강 전 참고 사항

실습 환경

  • 운영 체제 및 버전(OS): MacOS

    • 파이썬을 구동할 수 있는 환경이라면 Windows, Linux 등 운영체제와 관계없이 강의를 따라오실 수 있습니다

  • 사용 도구:

    • 모든 라이브 코딩은 Notebook 환경에서 진행합니다.

    • 특별히 추천하는 에디터는 없지만 강의에서는 Cursor를 사용합니다

학습 자료

  • 강의에서 사용된 Notebook들의 소스코드를 GitHub Repository로 제공합니다

    • 강의 영상에는 없는 "주석"과 "Markdown"을 통한 부연설명이 포함되어 있습니다.

  • 이론 설명을 위한 Notion 페이지를 제공합니다

선수 지식 및 유의사항

  • 필수 지식: Python

  • 선택 지식 : LangChain

    • 이 강의는 LangChain 경험이 있는 분들을 타겟으로 하는 중급강의 입니다.

      • LangChain 사용 경험이 없어도 강의를 이해하실 수도 있지만, LangChain 사용경험이 전무하면 강의를 따라오는데 어려우실 수 있습니다.

      • LangChain을 먼저 공부하고 싶으시면 강사의 초급 강의를 추천드립니다

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • LLM에 관심있는 개발자

  • LLM Application을 배포/운영중인 개발자

  • LLM Application을 고도화 하고싶은 개발자

선수 지식,
필요할까요?

  • Python

안녕하세요
강병진입니다.

4,331

명

수강생

282

개

수강평

243

개

답변

4.9

점

강의 평점

8

개

강의

더보기

커리큘럼

전체

27개 ∙ (6시간 4분)

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!