MCP의 등장은 단순한 기술적 진보를 넘어, LLM 활용 방식의 패러다임을 바꾸는 전환점이라고 할 수 있습니다. 이제 우리는 모델 중심의 단순한 응답 생성에서 벗어나, 시스템 중심의 복합적 문제 해결 구조로 나아가고 있습니다. 또한 다양한 AI 에이전트들이 각자의 역할을 분담하고 유기적으로 협력할 수 있는 환경이 마련되면서, 사용자 요청이 아무리 복잡하더라도 더욱 유연하고 지능적으로 대응할 수 있는 기반이 갖춰지고 있습니다. 따라서 앞으로는 다음과 같은 변화가 더욱 뚜렷해질 것입니다.
▪ 단일 모델에서 멀티 에이전트 구조로의 전환
▪ 도구를 사용자가 직접 호출하던 방식에서, AI가 사용자 요청을 해석해 적절한 도구를 자동으로 선택하고 실행하는 방식으로 전환
▪ 반복적으로 구현하던 도구를 재사용 가능한 구조로 개선
▪ LLM 중심의 설계에서 에이전트 중심의 아키텍처로 진화
결과적으로 AI 생태계는 MCP와 같은 표준화된 연결 프로토콜을 중심으로 한 멀티 에이전트 협업 체계로 진화할 것입니다.
LLM에 이어 AI 에이전트에 대한 관심이 뜨겁습니다. 사람들은 왜 AI 에이전트로 눈을 돌렸을까요? 바로 자동화 때문입니다. LLM 자체는 언어 모델로서 콘텐츠 생성에 특화되어 있습니다. 물론 인간의 활동은 콘텐츠 생성에서 시작합니다. 콘텐츠를 생성해서 홍보 영상을 만들거나, 이메일을 보내거나 강의를 합니다. 혹은 RAG를 활용하여 주문에 대한 배송 상태를 조회하거나 예약 가능한 항공권을 조회합니다. 그런데 LLM만으로 항공권 예약 같은 ‘작업 실행’들이 가능할까요? 이때 AI 에이전트를 활용하면 가능합니다. 이 책에서는 이러한 AI 에이전트를 구현하는 가장 기초적인 방법들에 대해 다루려고 합니
다. 그리고 AI 에이전트를 구현할 수 있는 다양한 프레임워크를 소개합니다. 랭체인, 랭그래프, AutoGPT, 오토젠 등 다양한 프레임워크에서 AI 에이전트를 구현하는 방법을 소개합니다. - 서문
직접 LLM을 만드는 것이 아니라, 만들어진 LLM을 이용하기만 하면 되니 누구나 어렵지 않게 LLM 서비스를 빠르게 만들어볼 수 있습니다.
특히 랭체인이라는 LLM 개발 플랫폼이 등장하면서 LLM을 이용한 서비스 개발이 상당히 쉬워졌습니다. 그럼에도 불구하고 인공지능에 대한 지식이 없거나 개발을 모른다면 자신과 상관없는 이야기라고 생각할 수 있는데요. 그래서 이 책은 다음과 같은 분들을 위해서 만들었습니다.
٠ 인공지능에 대한 지식은 별로 없지만 LLM을 이용한 서비스를 만들어보고 싶은 사람
٠ 개발은 잘 모르지만 역시 LLM을 이용한 서비스를 만들어보고 싶은 사람
초보자를 위해 작성된 책이므로 실습에 사용되는 코드는 짧고 핵심적인 내용 위주로 담았으며, 또한 시나리오를 다양하게 구성했습니다. 물론 처음 접하면 어려울 수 있겠지만 제시된 코드를 그대로 사용해서 서비스를 만들어보고 조금씩 수정해서 자신만의 서비스를 구현해보기를 권장합니다.
이 책은 다음과 같은 분들을 위해서 만들었습니다.
٠ VectorRAG와 GraphRAG의 차이를 알고 싶은 사람
٠ VectorRAG와 GraphRAG의 구현 방법을 알고자 하는 개발자
٠ OpenAI와 DeepSeek의 차이를 알고 싶은 사람
٠ OpenAI와 DeepSeek의 성능 차이를 확인하고 싶은 사람
아무리 LLM 기반 기술이 발전하더라도, RAG는 그 근본이 되는 핵심 개념이라 할 수 있습니다. 특히 RAG에서 중요한 역할을 하는 것이 바로 VectorRAG와 GraphRAG입니다. 이 개념을 이해하고 있다면 이후에 등장하는 다양한 기술도 어렵지 않게 따라갈 수 있을 것입니다. 이 책이 그런 기초를 다지는 데 도움이 되기를 바랍니다. - 지은이 서문
저는 중·고등학교 시절에 영어를 못했고, 그러다 보니 영어 수업 시간이 가장 싫었습니다. 그렇게 영어와 관계없는 삶을 살고 있던 20대 중반 즈음에 지인에게서 영어 회화를 공부해 보라는 권유를 받았습니다. 영어가 얼마나 재미있는지 알려 주고 싶다며 속는 셈 치고 영어 회화 공부를 해 보라고 권하더군요. 결국 저는 영어 회화 학원을 등록했습니다. 알고 있는 단어도 별로 없었고 문법 구조는 전혀 이해하지 못했습니다. 하지만 지금 저는 영어가 가장 재미있고 제법 합니다. 왜냐고요? 문법으로 영어를 공부하지 않았기 때문입니다. 제가 말하는 영어를 외국인들이 이해하고 계속 대화가 이어지는 상황이 신기했으며, 저 자신이 자랑스러웠기 때문에 재미있었습니다.
수학도 마찬가지라고 생각합니다. 인공지능에서 수학은 이해할 학문이지 풀어야 하거나 정복해야 할 대상이 아닙니다. 수학 문제를 푸는 것은 컴퓨터가 알아서 합니다. 우리가 할 일은 컴퓨터가 수학 문제를 잘 풀 수 있도록 그 원리를 이해하고 가이드해 주는 것입니다. 가이드 역할을 훌륭하게 해내기 위해 수학을 이해하는 것이라고 생각한다면 수학이 좀 가볍게 느껴지나요?
많은 예제를 이용하여 수학의 원리를 쉽게 설명하려고 노력했지만, 수학이다 보니 가끔 어렵게 느낄 수도 있을 것입니다. 이해하면 이해하는 대로, 이해할 수 없으면 이해할 수 없는 대로 여러 번 읽는다면 책 한 권이 내 자산이 될 것입니다. 그리고 최종적으로 제가 영어에서 느꼈던 ‘재미’를 여러분도 수학에서 느낄 수 있을 것입니다.
이 책이 인공지능을 시작하는 여러분에게 조금이라도 도움이 되면 좋겠습니다.
이 책은 이론편, 준비편, 실습편을 나누어 단계적으로 학습할 수 있도록 구성되어 있습니다. 먼저 이론편에서는 왜 지금 바이브 코딩이 중요한지, 기존 개발 방식과 무엇이 달라지고 있는지, 그리고 왜 우리가 직접 에이전트를 만들어야 하는지에 대해 살펴봅니다. 또한 클로드 코드와 오픈클로가 각각 어떤 역할을 하며, 이를 통해 어떻게 에이전트를 설계하고 실행할 수 있는지에 대한 기본 개념을 이해할 수 있도록 안내합니다. 이어지는 준비편에서는 실습에 앞서 필요한 환경 구성과 사고 방식을 정리하여, 실제 구현으로 자연스럽게 이어질 수 있도록 돕습니다. 실습편에서는 일상생활과 업무에서 바로 활용할 수 있는 다양한 자동화 시나리오를 중심으로, 총 10가지 실습을 직접 진행합니다. 개인 비서, 일정 관리, 메일 자동화, 정보 모니터링, 금융 및 트렌드 분석 등 실제로 자주 마주하는 문제들을 해결하는 과정을 통해, AI에게 일을 맡기는 구체적인 방법을 익히게 됩니다. 각 실습은 단순한 예제를 넘어 다양한 상황에 응용할 수 있도록 설계되어 있어, 독자가 자신의 환경에 맞게 확장하고 활용할 수 있습니다.
많은 사람이 멀티 에이전트 시스템을 어렵고 복잡한 기술로 느낍니다. 새로운 개념이 많고 구성 요소도 다양해, ‘대체 어디서부터 시작해야 할까?’라는 고민에 곧잘 부딪히기 때문입니다. 문서를 아무리 읽어도 실제 작동 방식이 와닿지 않고, 예제를 따라 해도 구조를 이해하기 어려울 때가 많습니다. 이 책은 그러한 장벽을 낮추기 위해 기획되었습니다. 입문자가 가장 어렵게 느끼는 부분을 제거하고, ‘작동하는 예시’를 통해 자연스럽게 이해할 수 있도록 구성했습니다. 복잡한 이론을 먼저 완벽히 이해해야만 따라갈 수 있는 책이 아니라, 실습을 통해 동작 원리를 체감하고 그 과정에서 개념이 자연스럽게 정리되도록 유도하는 책입니다.
A2A와 멀티 에이전트는 앞으로 우리가 만들 AI 시스템의 중심이 될 것입니다. 기업과 산업, 그리고 사용자들의 기대 수준이 높아지면서 AI는 단일 모델이 아니라 여러 역할을 가진 에이전트들이 하나의 팀처럼 유기적으로 움직이는 구조를 바탕으로 발전할 것입니다. 이러한 흐름 속에서 이 구조를 먼저 이해하고 구현할 수 있는 사람은 앞으로의 AI 시대에서 큰 경쟁력을 갖게 될 것입니다.
