귀여운 12띠 동물을 3개씩 맞춰 터뜨리는 퍼즐! 띠 궁합과 내 띠 기술로 큰 점수를 노려요

LLM의 발전 연대표와 공급자별 모델 비교, 오픈 소스·클로즈드 소스·라이선스의 차이에서 출발해, 원시 LLM이 가진 여섯 가지 한계와 이를 넘어서는 에이전틱 AI의 개념을 정리합니다. 이어서 LangChain이 컨텍스트 창·도구 오케스트레이션·작업 조정 문제를 어떻게 다루는지, langchain-core부터 파트너 패키지까지의 패키지 구조, LangGraph·LangSmith로 이어지는 생태계를 살펴봅니다.

책의 마지막 장입니다. 21가지 패턴을 핵심 실행과 작업 분해, 외부 환경과의 상호작용, 상태·학습·자기 개선, 협업과 통신이라는 네 범주로 묶고, 자율형 AI 리서치 도우미 하나에 계획 수립·도구 사용·멀티 에이전트 협업·리플렉션·기억 관리가 어떻게 함께 엮이는지 살펴봅니다. 뉴로심볼릭 접근, 휴먼 인 더 루프에서 휴먼 온 더 루프로의 전환, MCP·A2A 표준화, 안전성·정렬·견고성이라는 과제까지 에이전트 개발의 다음 장을 전망합니다.

바이브 코딩에서 출발해, 개발자가 특화된 코딩 에이전트 팀을 이끄는 협업 프레임워크를 정리합니다. 인간 주도 오케스트레이션·컨텍스트 우선·모델 직접 접근의 세 원칙, 오케스트레이터와 컨텍스트 스테이징 영역, 스캐폴더·테스트 엔지니어·문서화·최적화·프로세스 에이전트의 역할과 호출 프롬프트, context.toml·/prompts 디렉터리·pre-commit 훅으로 이루어진 설정 체크리스트, 그리고 증강된 팀을 이끄는 네 가지 원칙을 다룹니다.

에이전트의 '마음' 역할을 하는 LLM에게 직접 묻습니다. '너는 어떻게 추론하니? 단계별로 설명해 줘.' 제미나이, 챗지피티, 그록, 키미, 클로드, 딥시크 여섯 모델이 내놓은 답을 정리하고, 모두가 공통으로 그려 낸 '해체 → 지식 활성화 → 구조 계획 → 생성 → 검토' 틀과 모델마다 다른 강조점, 그리고 자기 보고를 어디까지 믿을 수 있는지를 짚어 봅니다.

프롬프트 엔지니어링과 콘텍스트 엔지니어링의 관계, LLM과 독자 양쪽에 부여하는 페르소나, 제로샷·원샷·퓨샷의 장단점과 모델 크기에 따른 효과 차이, 생각의 사슬(CoT)이 오답을 정답으로 바꾸는 과정을 정리합니다.

같은 종합부동산세 봇을 LangGraph 워크플로와 에이전트 두 방식으로 만들어 비교합니다. 상태·노드·에지로 흐름을 고정하는 방식과, 노드를 @tool로 바꿔 LLM이 스스로 도구를 고르게 하는 방식의 차이, 그리고 에이전트에서 코드 가독성이 곧 성능이 되는 이유를 정리합니다.

골든 데이터셋으로 하는 오프라인 평가와 실제 사용자로 하는 온라인 평가를 비교합니다. A/B 테스트의 6단계 절차와 다중 비교·피킹·심슨의 역설 같은 통계적 함정, 행동 지표 분석의 강점과 한계, 개발 단계별 평가 전략과 카나리 배포, 그리고 RAG 시스템을 컴포넌트별로 평가하는 방법을 정리합니다.

종합부동산세 에이전트와 소득세 에이전트를 슈퍼바이저로 조율합니다. 오케스트레이터-워커 패턴을 쓰지 않는 이유, 노트북을 파이썬 스크립트로 추출할 때의 함정, py-zerox로 PDF를 전처리하는 법, Command 클래스와 구조화된 출력, 그리고 에이전트 노드가 어댑터 패턴인 이유를 정리합니다.

책의 마지막 장입니다. 에이전트가 스스로 프롬프트와 도구를 만드는 메타프롬프팅, 파이프라인·병렬처리·합의 기반의 멀티 에이전트 협력 패턴, 그리고 프로덕션에 필요한 보안·모니터링·비용 최적화·거버넌스를 정리합니다.