IT 기술 따라잡기

그동안 Application 개발은 프로그래밍 언어를 배운 사람들만의 전유물이었다면,

AI Application 개발은 그렇지 않은 사람들에게도 어플리케이션 개발의 기회를 줍니다.

AI 는 인간의 언어를 이해하고 인간의 언어를 통해서 작동되는 툴이라서 그렇습니다.

이 추론은 AI 로 부터 좀 더 Quality 높은 답변을 받도록 하는 기술 입니다.

이 부분이 바로 인간의 언어로 프로그래밍 할 수 있는 부분입니다.

이 기술을 배우면 굳이 AI 어플리케이션 개발 뿐만 아니라 일상 생활에서도 AI 를 좀 더 잘 활용하는데 도움이 됩니다.

이 비디오는 AI Agent Application 개발에 관심이 있는 분들을 대상으로 만들어 졌지만
IT 전문가가 아니더라도 알아두면 도움이 될 만한 추론 관련 정보를 얻으 실 수 있을 겁니다.

-------------------------------------------------------------------

오늘은 본격적으로 REWOO 추론 방법론 LangGraph Tutorial 을 공부를 시작합니다.

AI Agent Application을 개발 하다 보면 도구 사용 관련해서 빈번하게 LLM API call 이 이뤄지게 됩니다.
이 추론 방법론은 추론과 도구사용을 분리함으로서 API call을 줄여 비용 절감을 할 수 있게 해 줍니다.
게다가 성능 향상까지 이루어 줍니다.

이 REWOO 추론 방법론이 비용절감과 성능향상을 동시에 이룰 수 있었던 비밀을 제대로 파헤쳐 보겠습니다.

https://youtu.be/qtob6xrZLwM?si=CctYX3di5F2XjoNi

이제 본격적으로 Plan & Execute 의 소스코드를 분석하고 실행해 봅니다.

AI 어플리케이션 개발자가 되시고 싶거나 어떻게 개발하는지 대략이라도 알고 싶으신 분들에게 도움이 될 겁니다.

이 AI 어플리케이션은 User의 질문을 받으면 그 질문에 답하지 않습니다.

더 좋은 답을 만들기 위해서 정답을 찾을 계획을 세웁니다.

바로 Plan 단계를 구현한 소스코드를 분석하고 직접 실행해 보겠습니다.

State Management, create Tool, create_react_agent, 

AI Agent 어플리케이션을 개발하기 위한 핵심 개념들을 배웁니다.

그리고 그 기술들을 사용해서 Planning Agent를 만드는 방법을 배웁니다.

"가장 유명한 K-Pop Girl group 멤버들의 생일은?"

이 질문에 과연 이 AI Agent 는 어떻게 답했을까요?

이 영상에서 확인해 보세요.

https://youtu.be/-FHz4VQh8qE?si=-G_egrCsjd7Q_mqC

오늘은 Hierarchical Arcitecture를 적용한 AI Agent Web Application 소스코드 분석 마지막 시간 입니다.

AI는 맥락을 이해하고 판단하는 능력이 있습니다.

기존의 앱은 속도와 정확성 면에서 탁월합니다.

Agentic AI는 이러한 구기술과 신기술의 장점을 활용해서 더 나은 서비스를 제공하는 것이 목표입니다.

이와 관련해서 Memory 관리, Human in the Loop 기능, 프롬프트 관리, Agentic Workflow 등 많은 기술과 개념들이 나오고 있습니다.

그리고 그러한 기술과 개념들을 적용하는 실험들이 많이 이루어 지고 있습니다.

이번 소스코드 분석은 그러한 새로운 기술과 개념 중 하나인 Prompting 관점에서 Backend 소스코드를 집중적으로 분석해 보겠습니다.

Agentic AI 를 조금 더 깊게 이해하는데 도움이 될 것입니다.

https://youtu.be/BCn3ZjI5nFY?si=TPzHajs_p_jTSSb4

여러분 새해 복 많이 받으세요.

오늘은 지난 시간에 Frontend 소스코드 분석에 이어서 Backend 소스 코드 분석에 들어갑니다.

AI Agent 어플리케이션 개발 Tool이 새로 나오는 이유는 이 프로그래밍이 기존의 프로그래밍과 다른 점이 있기 때문에 그 부분을 구현 한 새로운 개발 툴이 나오는 겁니다.

바로 AI Agent 프로그래밍과 Traditional 프로그래밍의 다른 점을 알아 봅니다.

그것을 알면 AI Agent 프로그래머가 되려면 어떤 부분을 잘 알아야 될지 명확해 집니다.

오늘은 어플리케이션 개발자가 아닌 분들이 보셔도 AI Agent 를 이해하시는데 도움이 되는 내용이 많이 있습니다.

2025년 새해는 AI 가 보다 대중화 되면서 우리 곁으로 좀 더 다가 올 겁니다.

그 중심에 AI Agent 가 있을 겁니다.

새해를 맞아 AI 지식을 쌓아 보세요.

https://youtu.be/lCvOOboeDRc?si=ArkQ-MfpvNfrUPNc

오늘은 AI Agent가 무엇인지 아주 쉽고 간단하게 설명해 주는 비디오가 있어서 소개해 드리려고 합니다.

ToolFlow AI 의 CEO인 Alfie Marsh 가 AI Agent 가 AI 와는 어떻게 다른지 그리고 어디에 어떻게 활용할 수 있는지 쉽고 자세하고 설명해 드립니다.

이 자료는 AI Camp 에서 진행 한 5 Day Challenge for Agentic AI 라는 Study Group 에서 AI Agent를 이해할 수 있는 자료로 추천된 영상입니다.

제가 이 영상을 좀 더 이해하기 쉽도록 한국어로 자막을 달았습니다.

https://youtu.be/40fB4UGJZM4?si=ArOgh2LiW8wIQR88

원본은 아래로 가시면 보실 수 있습니다.

https://youtu.be/hLJTcVHW8_I?si=SpUlPyfRa3edXtFh

작년에 제가 올린 IBM 에서 제작한 AI Agent에 대해 설명한 이 영상도 보시면 AI Agent를 이해하는데 더 도움이 되실 겁니다.

https://youtu.be/F8NKVhkZZWI?si=-dMYAf2-B_hcRUXe

그리고 이 AI Agent를 좀 더 잘 활용하기 위한 아이디어와 실험 결과 등을 이야기 하는 Andrew Ng 교수의 Agentic Workflow 관련 영상을 보시면 훨씬 이해의 폭이 넓어 지실 겁니다.

https://youtu.be/8b7CLBCS3pg?si=DNuvGrdvfctkuOpV

오늘은 Hierarchical Agent Architecture 마지막 시간 입니다.

지금까지 만들어 놓은 도구들과 Agent들, 함수들 그리고 LangGraph 에서 제공하는 모듈들로 레고 블럭 처럼 조립해서 만듭니다.

먼저 Document Team 을 만들고 지난 시간에 만들었던 Researching Team 과 합쳐서 더 큰 Supervisor Architecture 를 손쉽게 만듭니다.

전문성을 갖춘 Agent Team 을 많이 만들어 놓으면 각 프로젝트의 목적에 맞게 적당한 Agent Team 들을 Import 해서 프로젝트를 수행하도록 할 수도 있습니다.

1인 기업도 가능하시만 제 생각에는 현재 기업을 구성하고 있는 각 팀에서 일하는 사람들을 Support 하는 역할이 더 먼저 진행될 거라고 생각합니다.

그러면 팀의 인원을 많이 줄일 수 있을 겁니다.

인간의 역할은 Agent 팀이 일하는 과정과 결과를 감독하고 Confirm 하는 일이 주된 일이 되지 않을까 싶습니다.

오늘 영상 보시고 각자 AI 시대 일하는 환경 변화를 고민해 보시는 것도 좋을 것 같습니다.

https://youtu.be/9sH2HWVTZkg?si=5wINQ3iKwaIX1A9B

오늘은 Research Team 을 완료 합니다.

지금까지 만든 Tool들과 함수들 그리고 LangGraph 에서 제공하는 모듈들을 사용해서 레고 블럭처럼 간단하게 Agent들을 만들고 Supervisor Architecture 로 구성된 Team 을 만들 수 있습니다.

Sub Supervisor Architecture 도 하나의 완성된 Supervisor Architecture 입니다.

그렇기 때문에 이 Sub Supervisor Architecture 인 Research Team 도 독립적으로 User 를 응대 할 수 있습니다.

미래의 구직은 사람이 하지 않을 겁니다.

내가 특정 Task 에 경쟁력 있는 AI Agent를 만들고 그 Agent를 취직 시키면 앉아서 돈을 버는 시대가 올겁니다.

이번 비디오에서 그 가능성을 확인해 보세요.

https://youtu.be/TC18Iqvaf8s?si=ELasdsPRho3NJ28b

자 이제 Agent 생성하기 위한 마지막 준비 단계입니다.

Hierarchical Architecture  는 Supervisor Architecture 를 여러개 모아 놓은 구조 입니다.

즉 Supervisor Architecture 를 여러개 만들어야 한다는 겁니다.

Factory Design Pattern을 사용해서 쉽게 Supervisor Architecture를 구현하도록 하는 함수를 만듭니다.

그러면 나중에 다른 팀을 추가하는 작업도 간편하게 할 수 있습니다.

코드의 유지 보수도 쉽게 해 주고 확장성도 높여 줍니다.

오늘은 이 Factory Design Pattern을 사용해서 Supervisor Architecture를 쉽게 생성하도록 만드는 함수를 공부해 보겠습니다.

그리고 Python 3.11 이상에서만 지원되는 * unpacking 을 3.10 이하 버전에서 unpacking 할 인자들이 가변적일 때 어떻게 처리해야 하는지도 살펴 봅니다.

https://youtu.be/Ft8lK2G5IFs?si=UnmG7BsBrR-aMkqI

오늘은 Agent들이 사용할 Tool들을 구현하는 마지막 시간입니다.

Document Authoring Team 이 사용할 Tool을 구현합니다.

문서 작업팀이니까 파일을 읽고 쓰고 수정하는 도구들을 만듭니다.

그리고 Chart Generator Agent를 위해 Python 코드를 실행할 도구도 만듭니다.

전체 그림을 그리고 처음 하는 일이 이런 Tool들을 구현하는 작업입니다.

그 다음은 특정 Agent와 필요한 Tool들을 짝지어서 Agent Node를 만드는 일입니다.

그리고 나서 Agent들을 Grouping 해서 Team을 구성합니다. 

이 때 Supervisor Architecture가 사용 됩니다.

이 팀들을 관리하는 Supervisor 를 구현하는 것이 그 다음 단계입니다.

이것도 Supervisor Architecture 입니다.

이렇게 Supervisor Architecture를 Multiple 하게 사용하는 곳아  Hierarchical Architecture 입니다.

오늘 가장 기본이 되는 Tool들을 구현하는 작업을 끝마치고 다음 시간부터 Agent들을 구현하겠습니다.

https://youtu.be/JTdh8pNY1PE?si=wrESnWDNexO2B7lz

오늘은 LangGraph의 Hierarchical Agent Teams Architecture 두번째 시간입니다.

지난 시간에 이 Tutorial 에서 제공되는 소스코드의 Agent Architecture 전체 그림을 분석했습니다.

필요한 Team과 각 팀마다 필요한 Agent들을 정했구요.

일을 시키려면 그 일에 맞는 적당한 도구를 주어 줘야 합니다.

오늘은 각 Agent의 역할에 맞는 도구를 구현하는 방법을 배워 보겠습니다.

먼저 Research Team 에 있는 Searcher Agent와 Web Scraper Agent 에게 각각 어떤 Tool들을 제공할지 그리고 그 Tool들은 어떻게 구현하는지 자세히 공부하겠습니다.

https://youtu.be/I4SID3VPUi0?si=QcmZvwe7mFa990_J