모두의 AI 케인의 LangGraph로 끝내는 멀티 AI Agent ft. 5가지 Advanced AI agent 구축 프로젝트
ONLINE   #AI Agent   #Advanced LLM   #LangGraph  
모두의 AI 케인의 LangGraph로 끝내는 멀티 AI Agent
ft. 5가지 Advanced AI agent 구축 프로젝트
국.내.최.초. LLM 한계는 극복하고, 성능은 제곱하는 멀티 AI 에이전트를 가장 빠르게 배우며
AI에 복잡한 행동능력 설계하는 workflow 및 LangGraph를 비롯한 프레임워크를 익히는 강의
기본 정보
∙ 5개 대주제, 93여개 강의 클립 (약 33시간 분량)∙ 사전지식 필요
강의 특징
∙ 수강료 1회 결제로 평생 소장∙ 부가 학습 자료 제공
강의 공개
∙ 1차 공개 : 2024년 09월 19일∙ 2차 공개 : 2024년 10월 14일
∙ 3차 공개 : 2024년 11월 11일
∙ 4차 공개 : 2024년 12월 09일
LLM, RAG...
AI 기술의 Next는 무엇일까요?
정답은 AI Agent!
전 세계 AI 전문가들은 이렇게 말합니다.
“ LLM/LMM의 트렌드는 AI Agent로 가고 있다. ”
ChatGPT의 한계(학습한 내용을 기반으로 대답만 가능)를 극복해서 더 복잡하고 전문적인 답변과 행동이 가능한
다중 AI 에이전트의 실사례에 관심이 급부상하고 있습니다.
가장 빨리 학습하고 전파하는 얼리어답터
모두의 AI 케인님이 국내 최초로 알려주는 멀티 AI 에이전트
저는 멀티 AI 에이전트라는 주제에 대해 공부할 때 국내 자료가 거의 없어서 많은 시행착오를 겪었지만, 여러분은 그 고생을 덜 수 있도록 해외 자료를 밤낮으로 분석하여 체계적으로 강의를 준비했습니다. 이 강의에서는 ChatGPT 등의 챗봇 형태의 LLM을 뛰어넘는 나만의 AI 자비스를 직접 만드실 수 있도록 프레임워크 개념부터 활용. 실제 서비스 구축까지 함께 할 예정입니다. 이 AI 분야는 빠르게 변화하고 발전하고 있기 때문에, 강의를 진행하면서도 최신 정보를 반영할 것이며, 여러분이 놓치지 않도록 추가 영상과 자료로 꾸준히 지원할 계획입니다.
국내에서 가장 빠르게 이 주제를 학습할 수 있는 자료를 찾고 알기 쉽게 정리한 강의는 패캠밖에 없을 테니, 이 강의로 고도화된 AI 시스템의 정점에 도달하세요.
모두의AI 케인님 유튜브 댓글을 통해 강사님의 강의력과 정보력을 엿보세요!
케인님이 준비한 멀티 AI 에이전트 강의가
특별한 이유 9가지
Point 1
배우고 싶어도 배울 수 없었던 AI Agent,
가장 빠르고 확실하게 필요한 내용을 모두 담은
AI agent 완전 정복 커리큘럼
복잡한 아키텍처 구축 실습을 위한 5가지 AI 에이전트 구축 프로젝트까지 모두 담긴 탄탄한 커리큘럼을 확인하세요.
Step 01. 필요한 개념 총 정리
RAG를 보완할 수 있는 핫한 AI 에이전트의 개념과 장점 및 서비스 사례
∙ 단일 에이전트와 다중 에이전트 시스템
∙ RAG를 보완하는 에이전트
∙ RAG 구현 측면에서 에이전트의 필요성
∙ 에이전트가 할 수 있는 것 ∙ 에이전트를 이용한 서비스 사례
AI Agent를 구축할 수 있는 다양한 프레임워크를 배우고 각 툴의 특징을 학습
∙ Crew.AI의 특징과 구조, 개발환경 특징
∙ Autogen의 개념과 원리, 개발환경 특징
∙ Langchain 기본 다지기
∙ Langgraph 알아보기
주요 실습 확인하기
∙ Autogen으로 데이터시각화 에이전트 구축하기
∙ Langchain으로 간단한 Chain 구축하기
Step 02. 활용이 어려운 LangGraph 완전 이해
| LangGraph의 개념과 활용법
KEY POINT : 14가지 실습으로 역할에 맞는 모델 & API 연결하는 법이 까다로운 LangGraph의 활용법을 익힙니다.
-
∙ 에이전트ic RAG 구축하기
주요 실습 확인하기
∙ Self-RAG 에이전트를 통해 환각 현상 0으로 만들기
∙ CRAG 에이전트(RAG + 인터넷 검색 Tool)를 통해 환각 현상 0으로 만들기
∙ Adaptive RAG 에이전트로 완전한 RAG 시스템 만들기 -
∙ 나 대신 프롬프트를 만들어주는 에이전트 만들기
주요 실습 확인하기
∙ 인터넷 검색과 코드 실행 도구를 결합한 에이전트 만들기 -
∙ 다중 에이전트로 이미지가 포함된 리포트 자동화해보기
주요 실습 확인하기
∙ 주식 종목을 평가하는 시스템 만들어보기
∙ 차트가 포함된 리포트 만들어보기
Step 03. 복잡해서 어려운 멀티 에이전트 아키텍처 구축 까지 섭렵할 수 있는 5가지 프로젝트
KEY POINT : 성격이 다른 프로젝트로 설계부터 구축을 3번 반복하며 어려운 설계를 정복합니다.
5개 단일/멀티 에이전트 프로젝트
한국어로 된 간단한 샘플코드도 찾기 어려운 국내 실정,
5가지 ‘프로젝트’를 진행하며
간단한 단일 Agent 구축부터 맞춤화된 멀티 AI agent 구축까지 모두 경험하세요!
단일 에이전트와 멀티 에이전트란?
Point 1
현재 상용화되고 있는 AI를 반대로 거슬러 올라가 보며,
복잡한 AI 시스템 설계의 노하우를 직접 체득하는 2가지 프로젝트
멀티 에이전트의 복잡성을 이해하고 기초를 탄탄하게 다집니다.
리버스 엔지니어링이란?
-
Project 1초급단일 agent
가장 기본! LLM 답변에 웹 검색을 더하는
LLM Perplexity 따라 만들기Perplexity 리버스 엔지니어링에서의 Key Point
∙ Perplexity의 기본 에이전트 아키텍처와 focus 버전 아키텍처를 설계해봅니다.
∙ 사용자가 설정한 특정 소스로 검색을 제한하는 방향으로,
Perplexity의 focus 기능을 구현합니다. -
Project 2 중급 멀티 agent
사용자의 질의에 따라 웹 검색
또는 차트 생성을 결정하는 ChatGPT 만들기ChatGPT 리버스 엔지니어링에서의 Key Point
∙ 문서(PDF) 에서 표와 텍스트를 추출하고,
이를 저장하여 유사도 검색에 활용할 수 있도록 구현합니다.
∙ RAG + Python 코드 기반 데이터 분석 + 이미지 생성을 추가하여| ChatGPT를 재현합니다.
∙ 다양한 도구가 결합된 에이전트에 나만의 문서를 업로드하여
맞춤형 대화가 가능한 에이전트 시스템을 구축합니다.
복잡한 행동능력도 수행 가능하게 하는 AI Agent의 핵심은
초반 세팅에 Agentic workflow를 설계해두는 것입니다.
Point 3
알아서 오류를 해결하는 Agentic Workflow를 구현할 수 있도록
아키텍처 설계부터 시작하는 3가지 멀티 AI 에이전트 구축 실습
특정 분야에 효과적인 성능을 낼 수 있도록 커스터마이징하는 능력을 기르세요.
| 멀티 AI agent는 어떻게 사람처럼 기억/추론/수행을 할 수 있나요?
멀티 AI agent에게 가장 중요한 것은 논리구조를 만드는 것입니다.
Agent에 논리구조를 만들기 위해 우리는 다른 3가지 프로젝트를 통해 알맞은 용도와 도구를 매칭하는 연습을 반복합니다.
| 단계별 구현 과정
Project 3
사용자의 니즈에 따라 자동으로 검색, 요약, 분석하는,
뉴스레터 에이전트
학습 목표
∙ 주제와 관련된 최신 뉴스 기사를 가져오고 설정한 테마와 목차에 따라 뉴스레터 본문을 작성하고 편집하는 과정을 자동화합니다.
∙ 사용자가 원하는 키워드와 관련된 기사를 자동으로 검색, 요약, 분석하는 Agent를 구축합니다.
| 목적에 따라 활용된 AI agent 노드 종류
-
주제 관련 검색 Agent
· 사용자가 입력한 주제에 대해 최신 뉴스를 탐색하여 요약 제시합니다.
· 뉴스레터의 기초자료를 수집하는 역할입니다. -
테마 및 목차 설정 Agent
· 최신 뉴스를 기반으로 뉴스레터 테마를 정합니다.
· 추가 조사를 바탕으로 뉴스레터의 완성도를 제고합니다. -
목차별 세부 조사 Agent
· 정해진 테마와 목차마다 필요한 추가 자료를 조사합니다.
· 추가 조사로 뉴스레터의 완성도를 제고합니다. -
편집장 Agent
· 작성된 본문을 검토하고, Critical Reading을 통해 본문 수정을 유도합니다.
· 본문 작성보다 편집에 강점을 가졌습니다.
| 활용되는 Stack
Project 4
기존 복잡하고 어려운 기업 분석 작업을 자동화하는,
기업 분석 리포트 에이전트
학습 목표
∙ 자동으로 기업의 재무 정보와 최근 주가를 분석해서 현재 기업 주식의 가치를 판단하는 등 기업의 상황을 AI가 자가적으로 분석하는 시스템입니다.
∙ 사용자가 원하는 정보에 따라 다른 검색 API를 활용하여 정보를 끌어오는 Agent를 구축합니다.
| 프로젝트에서 활용될 API, 프레임워크 등의 스택
-
뉴스 조사 Agent
· 웹검색으로 기업의 최근 소식을 조사합니다.
· 기업의 최근 소식을 기반으로 동향을 파악합니다. -
재무 분석 Agent
· 현재 기업의 재무 상태를 분석합니다.
· SEC에서 제공하는 기업의 공시정보를 수집 및 분석합니다. -
증권 뉴스 조사 Agent
· 기업의 주가와 관련된 뉴스를 수집합니다.
· 최근 주가에 영향을 미칠만한 소식을 모아 주가를 정성적으로 분석합니다. -
주가 분석 Agent
· 최근 기업의 주가 움직임을 수집 및 분석합니다.
· N주 간의 주가 움직임을 바탕으로 기술적 분석을 수행합니다.
-
기업 분석 Supervisor
· 기업의 사업 동향과 재무 상태를 기반으로 상세한 분석 자료를 작성합니다.
-
최고 Supervisor
· 기업의 동향, 재무 상태를 통해 기업 가치를 평가하고 최근 주가 변동을 고려하여 매수/매도 의견을 냅니다.
-
주가 분석 Supervisor
· 기업의 주가 움직임과 이와 관련한 소식을 종합하여 주가의 향방을 예측합니다.
-
프로젝트에서 활용될 API, 프레임워크 등의 스택
| 활용되는 Stack
Project 4
빠르게 발달하는 AI 프레임워크를 적극 활용하는 것을 돕는, 코딩 에이전트
∙ 최신 정보들을 웹검색을 통해 가져와서 기존 LLM이 학습하지 못한 프레임워크까지도 활용할 수 있는 AI 에이전트를 구축합니다.
∙ 코드검토를 통해 일관된 방법으로 코드를 분석하고 수정하여, 수동 작업에서 발생할 수 있는 실수를 줄이는 Agent를 구축합니다.
| 프로젝트에서 활용될 API, 프레임워크 등의 스택
-
최신 기술 조사 Agent
· LLM이 잘 모르는 영역인 경우, 웹검색으로 레퍼런스를 수집합니다.
-
Coder Agent
· 주어진 레퍼런스를 바탕으로 올바른 코드를 작성합니다.
-
Code Checker agent
· 주어진 코드를 실행하고 오류가 있는 경우, Coder에게 다시 작성할 수 있도록 피드백을 남깁니다.
-
Supervisor
· 사용자의 코드 요청을 수행하기 위해 웹 검색과 코드 작성 및 코드 실행 도구를 활용합니다.
| 활용되는 Stack
Point 4
엔지니어에게 가장 필요한 것은 아키텍처를 뜯어보고 분석하는 것이죠!
멀티 에이전트 시스템을 최대로 끌어낼 수 있는 아키텍처 설계 방법론 섭렵하기
N개의 에이전트 모델들을 매니저처럼 관리하고 편집하는
Supervision 다중 에이전트 시스템
여러 개의 에이전트가 팀 단위로 협력하여 복잡한 작업을 수행하는
Hierarchical 다중 에이전트 시스템
hierarchical 모델보다 좀더 단순하고 구현하기 쉽습니다.
더 고도화된 작업물이 필요할 때 Hierarchical 모델을 활용합니다.
-
왜 ‘주식 종목 평가하기’ 실습과 함께 학습하나요?주식종목 평가항목에 대해 여러가지 기준을 갖고 있으며 모든 기준을 충족하는지 평가하고 확인하기 위해, 한 명의 매니저가 각 기준 충족 조건을 제시하고 확인하는 supervision 모델을 활용합니다.
-
왜 ‘주식 종목 평가 차트가 포함된 리포트 작성’ 실습과 함께 학습하나요?주식종목 평가를 넘어 주식 차트가 포함된 리포트는 각 정보를 분석할 뿐만 아니라 리포트를 작성하는 다른 전문 AI 에이전트가 필요하기 때문에,
각 에이전트 별로 위임할 수 있는 계층적(Process.hierarchical) 방식을 선택합니다.
Point 5
나에게 알맞은 Agent를 개발하기 위해 가장 중요한
커스터마이징 능력을 기를 수 있도록 4가지 프레임워크를 통해 배웁니다.
활용 용도와 스펙에 맞는 도구를 선택하며 AI agent 프레임워크를 결정하는 인사이트를 기를 수 있습니다.
-
∙ Crew AI로 주식 분석 에이전트 구축하기
주요 실습 확인하기
-
∙ Autogen으로 데이터시각화 에이전트 구축하기
주요 실습 확인하기
-
∙ Langchain으로 간단한 Chain 구축하기
주요 실습 확인하기
∙ RAG와 Langchain
∙ Langchain으로 RAG 구축하기 -
∙ 인터넷 검색 Tool을 결합한 에이전트 만들어보기
주요 실습 확인하기
∙ 에이전트에 기억력 만들어주기
∙ Human in the loop를 통해 직접 개입하기
BENEFIT
본 강의 수강생에게만 드리는 혜택!
모두의AI 케인님이 직접 답변해주는 게시판에서
멀티 에이전트에 대한 모든 궁금증 해소!
· 실습 중 궁금한 사항은? 케인님에게 직접 질의응답하세요.
* 질의응답 게시판을 24년 9월 19일부터 26년 8월 11일까지 운영됩니다.
빠르게 바뀌는 AI업계에 대비하는
트렌드 분석 및 구현 방법 영상의 FULL 버전 단.독. 제공
25년 1월부터 25년 11월까지, 총 6번,
강사님이 최신 논문 및 트렌드 분석을 주제로 촬영한
영상의 풀버전을 오직 패스트캠퍼스에서만 무료 제공합니다.
이 강의 듣고싶은데 따라갈 수 있을까?
걱정하지 마세요.
· Python 기초 문법 강의 : 파이썬이 익숙하지 않은 분들을 위하여, 24년 8월 12일 ~ 11월 11일까지 3개월 간 강의를 구매해주신 분들께 파이썬 기초 강의를 함께 제공합니다. (24년 11월 11일 공개 예정)
· 강의에 사용된 모든 실습 코드 : 꾸준히 업데이트 될 실습코드를 활용하여 사전 지식이 없어도 편하게 실습하고 학습하세요.
What You’ll Learn
수업만 착실히 따라와도 멀티 AI 에이전트 300% 정복 가능!
강의를 수강하면 LLM에 대한 prompt engineering 경험을 쌓을 수 있습니다. →
AI 에이전트 관련 프레임워크 Crew.AI, Autogen, Langchain, LangGraph의 개념과 활용법을 익힙니다. →
LLM API, Framework(LangChain, LangGraph)를 활용한 서비스 개발을 할 수 있습니다. →
AI 기술을 활용한 서비스를 만들기 위한 아키텍쳐 설계 방법을 실습합니다. →
다양한 수요 계층을 위한 멀티 AI agent 구축 방법론을 알고 알맞게 선택할 수 있습니다. →
Preview
귀에 쏙쏙 들어오는 설명 !
AI 에이전트가 뜨는 이유
오픈소스 LLM으로 RAG 시스템 만들기
Streamlit으로 RAG 시스템 구축하기
커리큘럼
아래의 모든 강의를 이 강의 하나로 모두 들을 수 있습니다.지금 한 번만 결제하고 모든 강의를 평생 소장하세요!
Part 1 : 에이전트란 무엇인가?
Part 2 : 에이전트 프레임워크
Part 3 : Langgraph의 개념과 활용법
Part 4 : Langgraph 실습 프로젝트
부록 1 : 기초 프로그래밍 (Python)
이 강의도 추천해요.