실전 AI Agent의 모든 것 : 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연)

실전 AI Agent의 모든 것 : 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연)

정가~~800,000원~~

할인 금액(-63%) 507,000원

현재 판매가293,000원

월 24,417원

* 12개월 무이자 할부 시

바로 구매하기

MCP의 등장으로 AI Agent 발전이 가속화되었습니다.

2023 - 2025 AI 발전 톺아보기

그.러.나.
AI Agent 실전 활용, 자꾸만 어려움에 부딪히시나요?

AI Agent 시대에 뒤처지고 싶지 않다면

지금 이 강의로 시작하세요!

Agent 전혀 몰라도!
국내에서 가장 다양한 프로젝트를 담은 이 강의로
상상만 했던 실전 AI Agent 를 구현하세요.

34개 프로젝트를 만들며 익히는
AI Agent 실전 활용

공식 예제를 단순히 구현하는 게 아닌 다양한 실무 케이스에 활용할 수 있는 34개의 프로젝트를 통해,
Agent 작동원리를 이해하고 본인의 케이스에 적용할 수 있는 설계 역량을 기릅니다.

Starter | LangGraph와 Agent 기본 개념 익히기

LangGraph 기본 사용법을 익히는 Agent 입문 프로젝트 5가지

Agent 입문자를 위해 LangGraph 기본 구동법을 싱글 에이전트 구현 실습을 통해 익힙니다.

프로젝트 리스트 보기

∙ Basic - 가장 기본적인 챗봇 만들기
∙ Tool Calling - 웹검색을 하는 챗봇 만들기
∙ State - 할 일 목록을 관리하는 챗봇 만들기
️∙ Structured Output - 원하는 형태로 논문 정보 반환하기
∙ 문법 교정과 번역기능이 있는 영어 회화 챗봇 만들기

답변을 스스로 수정하며 반복하는 Agent 기본기 구현 프로젝트 3가지

최선의 답변을 위한 Agent의 기본인 반복 실행과 수정, 계획을 스스로 짜는 기능을 구현합니다.

프로젝트 리스트 보기

∙ Reflexion - 최선의 답변을 위한 반복
∙ Plan & Execute 이해하기 스스로 계획하고 실행하는 Agent
∙ 코드 수정을 반복하는 데이터 분석 Agent 🗒️

Advanced | Agent 활용을 위한 아키텍처 설계

컨텍스트 품질 강화를 위한
RAG Agent 구현 아키텍처 5가지

벡터 DB 기반 기본 RAG부터 컨텍스트 품질 강화를 위한 RAG Agent 구현까지 실습합니다.

프로젝트 리스트 보기

Multi Agent 아키텍쳐
이해하고 적용하기 5가지

Network, Supervisor 등 각 아키텍처의 특징을 배우고 각 agent를 LangGraph로 제작합니다.

프로젝트 리스트 보기

∙ Network - 검색 결과를 차트로 그려주는 Agent
∙ Network - 여행 날씨와 장소를 추천하고 저장하는 Agent
∙ Supervisor - 학습자의 약점을 기반으로 문제를 생성하는 Agent
∙ Hierarchical - 웹 검색 기반 조사 + 문서 작성 전문가 Agent

사전구축 Agent 개념
이해하고 적용하기 3가지

파이썬 라이브러리 LangGraph Supervisor와 LangGraph Swarm을 더 쉽게 사용합니다.

프로젝트 리스트 보기

∙ LangGraph Supervisor - 자료검색과 코딩 전문가
∙ LangGraph Swarm - 시장조사와 마케팅 전문가
∙ AI Data Science Team Agent

Advanced | Agent 활용을 위한 아키텍처 설계

FastAPI와 LangGraph 연결 프로젝트

서비스와 연동하기 위해 API로서 Agent 를 관리하고, 응답을 호출 반환하는 것을 실습합니다.

장기기억보존 성능을 강화한 추천시스템 Agent 구현 프로젝트

유저의 상태/취향/사전지식을 기억하도록 하여 관리를 해주어 이를 기반으로 추천시스템을 Agent로 구현합니다.

LangGraph MCP Adapters를 활용한 Agent 구현 프로젝트 2가지

LangGraph MCP Adapters 활용법을 익히며 직접 single/multi Agent 을 각각 구현합니다.

프로젝트 리스트 보기

∙ 데이터 분석 Agent (싱글 에이전트)
∙ 내부 문서와 웹검색 Agent (멀티 에이전트)

Graph의 이해부터 시작하는 GraphRAG Agent 프로젝트 4가지

Neo4j 의 사용법, 그래프 쿼리언어 Cypher 의 기본 설명을 포함하여 Vector, Graph 기반의 RAG 와 Agent 구현 실습을 진행합니다.

프로젝트 리스트 보기

∙ Vector 기반 GraphRAG 구현하기️
∙ Graph 기반 GraphRAG 구현하기
∙ Vector + Graph RAG 구현하기
∙ GraphRAG Agent

MCP 연동법을 활용한
고도화된 멀티 AI 에이전트 제작 프로젝트

| 학습 Point

∙ Langchain-MCP-Adapters 를 사용하여 LangGraph와 MCP를 연동하는 방법을 학습합니다.
∙ 2개 이상의 MCP 서버를 구축하여 Multi Agent를 구현합니다.
∙ Agent에 필요한 도구가 포함된 MCP 서버를 직접 구축하며 MCP 기반 Agent의 활용 방식을 이해합니다.

| 목적에 따라 활용된 AI agent 노드 종류

| 활용되는 Stack

Neo4j 기반 Graph RAG 입문부터
실무 수준의 RAG 기반 Agent 개발까지

고도화된 RAG 아키텍처를 통한 정확한 답변을 출력하는

GraphRAG란?

데이터를 구조화한다는 점에서 큰 강점을 가지는 Graph 데이터베이스를
기반으로 맥락을 파악하는 답변을 낼 수 있는 RAG를 말합니다.

Step 01 GraphRAG를 시작하기 위한 GraphDB의 기초

데이터 DB 구축 방법 및 검색 방법론
∙ 복잡한 맥락을 반영하는 Graph Data 이해하기
∙ GraphDB의 언어, Cypher
∙ GraphDB 사용하기 (Neo4j, Cypher)
∙ GraphRAG 란?

Step 02 실제 환경에서 Graph RAG를 원활하게 활용하는 방법

Vector 기반 GraphRAG 구현하기

Vector 검색만으로는 분산된 텍스트 청크들에 의존하여 단편적인 답변을 내놓는 단점이 있습니다.

Graph 기반 GraphRAG 구현하기

그래프 구조의 지식베이스를 활용하여 데이터 속 복잡한 관계를 추적하는 멀티홉(Multi-hop) 추론으로, Vector 기반의 RAG를 보완합니다.

Vector + Graph RAG 구현하기

관련 텍스트 청크(Vector)와 더불어 주변의 맥락(Graph)을 함께 문서 검색을 진행하여 더욱 풍부한 지식 검색을 기반으로 한 상황에 맞는 답변이 가능한 RAG 입니다.

Step 03 실무 수준의 agent 고민을 한번에 끝내기

Text2cypher Agent 구현
LLM 이 생성한 쿼리에 대해 컨텍스트 결과를 고려하여 Agentic하게 스스로 확인하고 수정하는 시스템을 코드 단으로 개발합니다.

학습 내용

실제 데이터를 GraphDB에 넣은 후 DB 조회하기

사용자 질문의도를 파악한 쿼리문 생성하기

생성된 쿼리의 DB 실행 결과를 기반으로 쿼리문 수정하기

DB에서 검색된 결과를 기반으로 사용자에게 최종 답변 제공하기

이 강의를 들은 후

사용자 질문의 맥락에 맞게 GraphDB를 쿼리할 수 있는 Cypher 쿼리문을 작성할 수 있어요.

실제 환경에서 Graph RAG를 원활하게 구동하기 위해 Text2Cypher Agent 를 활용하는 법을 체득할 수 있어요.

기존의 Data Architecture를 고려하여 Graph 기반/Vector 기반/Hybrid 기반의 실전 RAG 구축 인사이트를 얻을 수 있어요.

난이도 있는 기술 + 실무 경험으로 다져진
공원나연님이 실습으로 완성하는 AI Agent

실무에서 운영 가능한 수준의
RAG 기반 Agent 제작 노하우를 알려드립니다.

안녕하세요. 공원나연이라는 유튜브를 운영 중인 공원나연입니다.

AI Agent가 기술 트렌드의 중심에 자리 잡은 지금, 다양한 AI Agent, LLM 관련 개념들이 빠르게 쏟아져 나오고 있습니다. 하지만 막상 이를 실무에 어떻게 적용해야 할지, 어디서부터 시작해야 할지 막막함을 느끼는 분들이 많습니다. 그래서 저는 AI Agent의 핵심 개념부터 차근차근 소개드리며, 실제 상황에서 어떻게 쉽게 구현하고 활용할 수 있는지에 대해 구체적으로 풀어드릴 수 있습니다.

이번 강의에서는 GraphRAG, MCP, 추천시스템 Agent 등 다른 곳에서는 쉽게 접할 수 없는 실무 중심의 예제들과 활용법을 준비했습니다. Agent 를 구현하기 위해 이해해야 할 복잡한 개념을 쉽게 풀어내고, 여러분의 현업에 바로 도움이 될 수 있도록 프로젝트 중심으로 실습을 구성했으니, 많은 인사이트를 얻어가셨으면 좋겠습니다.

주요 경력

∙ 오픈소스 LLM 및 API 기반 RAG 챗봇 개발 경험
∙ 머신러닝, 딥러닝 기반 학생 성취도 진단, 문제 추천모델 연구 및 개발

강의 경험

∙ 유튜브 <공원나연> Neo4j 기반 GraphRAG, AI Agent, LLM 등 개념 및 활용법 공유
∙ 패스트캠퍼스 강사
∙ 천재교육 주관 머신러닝, 추천시스템 강사
∙ NCS직종 정보기술전략•계획(200101), 정보기술개발(200102), 인공지능(200107) 확인강사

'공원나연' 유튜브 바로가기 강사님 링크드인 바로가기 강사님 Tistory 바로가기 강사님 위키독스 바로가기

BENEFIT

본 강의 수강생에게 드리는 혜택!

* 5월 12일, 영상 부록 형태로 제공 예정입니다.

* 7월 31일, PDF 형태로 제공 예정입니다.

* 매차 오픈 시, Github 형태로 제공 예정입니다.

복잡한 AGENT 구축을 위한
LangGraph의 핵심 기능을 정복하는 5가지 실습

Agent의 기본 프레임워크, LangGraph가 중요한 이유

기초적인 그래프 작동 방식을 충분히 이해하여
LangGraph 기반의 복잡한 사고를 하는 Agent를 완성하세요!

Agent 시대에 뒤쳐지지 않는
필수 스펙 스택 마스터

실전 Agent 개발에 필요한
8가지 스택 총정리

오직 패스트캠퍼스 수강생을 위한
오픈 커뮤니티 질의응답까지
강사님 답변 기간 : 2025.05.12 ~ 2027.04.13
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.

한 번의 구매로 평생 소장!
언제든, 몇 번이든 다시!
한 번 결제로 평생 동안 무제한 반복 학습이 가능합니다.
바쁜 일정에 걱정할 필요 없이, 원하는 때에 학습하고 필요할 때마다 복습하세요.

QUESTION 1
어떤 분들이
수강하시면 좋을까요?

파이썬 개발 경험은 있지만, LangGraph 기반 Agent의 이해가 부족하고 활용도 높은 프로젝트들을 직접 구현하고 싶은 입문자에게 적합한 강의입니다.

QUESTION 2
실습을 하며 비용이 발생할 수 있나요?

강의 도중 아래의 툴을 활용하는 과정에서 비용이 부과될 수 있습니다.
- OpenAI Model API 사용
- Anthropic Model API 사용
- Tavily Search API 사용
(**Tavily Search API의 경우 1,000 credits/month가 부여됩니다.)

QUESTION 3
강의를 수강한 후에 어떤 내용을 학습할 수 있나요?

Agent 에 대해 이해하고 특히 LangGraph 기반의 Agent 시스템을 파이썬으로 구현할 수 있습니다. 또한, NN개의 프로젝트를 통해 단순히 공식 예제가 아닌 실무 케이스에 활용할 수 있는 방안을 다양하게 제공하므로, 본인의 케이스에 적용할 수 있는 힘을 기릅니다.

실전 AI Agent의 모든 것 : 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연)

정가~~800,000원~~

할인 금액(-63%) 507,000원

현재 판매가293,000원

월 24,417원

* 12개월 무이자 할부 시

바로 구매하기

Fast Campus

실전 AI Agent의 모든 것 : 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연)

강의 정보