inflearn logo
강의

강의
N
챌린지

챌린지
멘토링

멘토링
N
클립

클립
로드맵

로드맵
지식공유

묻고 답해요

176만명의 커뮤니티!! 함께 토론해봐요.

다음 강의 언제 올라 오나요?

미해결

AI Agent 개발을 위한 모든 지식 [얼리버드]

다음 강의는 언제 올라오나요? 공지한 기간이 넘었는데 안 올라 오네요 늦게 올라오면 공지라도 해주세요.

  • 프롬프트엔지니어링
  • llm
  • langchain
  • rag
  • ai-agent
SoungWooc Kim 댓글 2 좋아요 0 조회수 159

🚨 python3.14 를 쓰고 계시면 chroma 에서 ConfigError 가 발생합니다.

미해결

RAG를 활용한 LLM Application 개발 (feat. LangChain)

--------------------------------------------------------------------------- ConfigError Traceback (most recent call last) Cell In[13], line 1 ----> 1 from langchain_chroma import Chroma 3 database = Chroma.from_documents(documents=document_list, embedding=embedding) File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/langchain_chroma/__init__.py:3 1 """LangChain integration for Chroma vector database.""" ----> 3 from langchain_chroma.vectorstores import Chroma 5 __all__ = [ 6 "Chroma", 7 ] File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/langchain_chroma/vectorstores.py:18 12 from pathlib import Path 13 from typing import ( 14 TYPE_CHECKING, 15 Any, 16 ) ---> 18 import chromadb 19 import chromadb.config 20 import numpy as np File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/__init__.py:3 1 from typing import Dict, Optional, Union 2 import logging ----> 3 from chromadb.api.client import Client as ClientCreator 4 from chromadb.api.client import ( 5 AdminClient as AdminClientCreator, 6 ) 7 from chromadb.api.async_client import AsyncClient as AsyncClientCreator File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/api/__init__.py:51 46 from overrides import override 47 from chromadb.api.collection_configuration import ( 48 CreateCollectionConfiguration, 49 UpdateCollectionConfiguration, 50 ) ---> 51 from chromadb.config import DEFAULT_DATABASE, DEFAULT_TENANT 52 from chromadb.api.types import ( 53 CollectionMetadata, 54 Documents, (...) 73 DefaultEmbeddingFunction, 74 ) 76 from chromadb.auth import UserIdentity File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/chromadb/config.py:120 116 NODE = "node" 117 ID = "id" --> 120 class Settings(BaseSettings): # type: ignore 121 # ============== 122 # Generic config 123 # ============== 125 environment: str = "" 127 # Can be "chromadb.api.segment.SegmentAPI" or "chromadb.api.fastapi.FastAPI" or "chromadb.api.rust.RustBindingsAPI" File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/main.py:221, in ModelMetaclass.__new__(mcs, name, bases, namespace, **kwargs) 219 elif is_valid_field(var_name) and var_name not in annotations and can_be_changed: 220 validate_field_name(bases, var_name) --> 221 inferred = ModelField.infer( 222 name=var_name, 223 value=value, 224 annotation=annotations.get(var_name, Undefined), 225 class_validators=vg.get_validators(var_name), 226 config=config, 227 ) 228 if var_name in fields: 229 if lenient_issubclass(inferred.type_, fields[var_name].type_): File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:504, in ModelField.infer(cls, name, value, annotation, class_validators, config) 501 required = False 502 annotation = get_annotation_from_field_info(annotation, field_info, name, config.validate_assignment) --> 504 return cls( 505 name=name, 506 type_=annotation, 507 alias=field_info.alias, 508 class_validators=class_validators, 509 default=value, 510 default_factory=field_info.default_factory, 511 required=required, 512 model_config=config, 513 field_info=field_info, 514 ) File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:434, in ModelField.__init__(self, name, type_, class_validators, model_config, default, default_factory, required, final, alias, field_info) 432 self.shape: int = SHAPE_SINGLETON 433 self.model_config.prepare_field(self) --> 434 self.prepare() File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:544, in ModelField.prepare(self) 537 def prepare(self) -> None: 538 """ 539 Prepare the field but inspecting self.default, self.type_ etc. 540 541 Note: this method is **not** idempotent (because _type_analysis is not idempotent), 542 e.g. calling it it multiple times may modify the field and configure it incorrectly. 543 """ --> 544 self._set_default_and_type() 545 if self.type_.__class__ is ForwardRef or self.type_.__class__ is DeferredType: 546 # self.type_ is currently a ForwardRef and there's nothing we can do now, 547 # user will need to call model.update_forward_refs() 548 return File ~/workspace/ai/rag-practice/lib/python3.14/site-packages/pydantic/v1/fields.py:576, in ModelField._set_default_and_type(self) 573 self.annotation = self.type_ 575 if self.type_ is Undefined: --> 576 raise errors_.ConfigError(f'unable to infer type for attribute "{self.name}"') 578 if self.required is False and default_value is None: 579 self.allow_none = True ConfigError: unable to infer type for attribute "chroma_server_nofile" 저는 Python 3.14 버전으로 venv 를 사용중이었는데요. 위와 같은 에러가 발생하였습니다. 구글에 ConfigError 문구를 검색해도 잘 나오지 않아서 ChatGPT의 도움을 좀 받았는데 이렇게 답하더라구요. - Python 3.14 환경에서 chromadb 가 (pydantic v2에서 BaseSettings가 빠진 걸 처리하려다) pydantic.v1 호환 레이어로 떨어지고 - 그런데 Pydantic v1 코어는 Python 3.14+에서 제대로 동작하지 않아서, Settings 모델 필드( chroma_server_nofile ) 타입 추론이 깨지면서 ConfigError 가 납니다. 파이썬 버전을 3.12로 낮추어서 venv 를 다시 설정했더니 같은 코드임에도 정상적으로 실행되었습니다. 혹시나 저와 같은 이슈를 겪으신 분들은 python 버전을 낮추어보시길 바라요.

  • vector-database
  • llm
  • langchain
  • rag
  • openai-api
  • 지금-베스트
달세이 댓글 1 좋아요 1 조회수 430

LangChain에서 제공하는 Tool과 MCP의 차이점

미해결

모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기

안녕하세요 강사님, 강의 잘 듣고있습니다. https://docs.langchain.com/oss/python/integrations/tools 를 확인해보면 LangChain에서 제공해주는 미리 구현된 툴 구현체를 확인할 수 있는데, 이것들과 langchain-mcp-adapters를 사용하여 외부 서비스의 MCP를 LLM과 직접 연동하는 것이 어떤 차이가 있는지 궁금합니다. 강의를 촬영할 당시에는 MCP가 나오기 전이라 강의 내용처럼 tool로만 연동이 가능했었던 것일까요?

  • llm
  • langchain
  • rag
  • openai-api
  • ai-agent
  • langgraph
kim-jy 댓글 2 좋아요 0 조회수 281

🚨 OpenAI 유료계정인데 할당량 초과인 경우!!

미해결

한시간으로 끝내는 LangChain 기본기

https://platform.openai.com/settings/organization/billing/overview 위 링크 타고 가셔서 결제수단 등록하고, 5달러 정도 충전하세요.(최소 5달러 이상 충전 필수임)

  • 프롬프트엔지니어링
  • llm
  • langchain
달세이 댓글 2 좋아요 0 조회수 179

SerpAPI tool 및 제미나이를 이용한 검색 시 오류

해결됨

노코드 자동화 입문부터 실전까지: n8n 완전정복 (한국 최초 n8n 앰버서더 직강)

제가 매일 오전 특정한 시간에 원하는 정보 (경제지표 및 투자관련된 항목) 들에 대해서 제미나이를 검색해서 이메일로 받고 싶은 워크플로우를 만들었는데. 제미나이가 검색할 때 날짜를 AI 기준날짜와 실제 오늘날짜를 분간을 못해 할루시네이션 정보 를 저에게 주는데 이럴때는 어떻게 수정해야하나요? n8n 설치 정보 안내 n8n 버전: 2.6.3 데이터베이스 종류 (기본값: SQLite): n8n 실행 프로세스 설정 :? n8n 실행 : 방식 클라우드 운영 체제: window

  • 업무-생산성
  • n8n
  • chatgpt
  • llm
  • 지금-베스트
  • gemini
포동포동 댓글 2 좋아요 0 조회수 187

두 가지 질문 드립니다.

해결됨

1시간 만에 완성하는 사내 문서 AI 챗봇 - RAG와 LangChain으로 (feat. 소스코드 제공)

첫 번째, 소스 코드 자료 다운로드를 해보면 압축 파일이 나오는데, 압축이 안 풀립니다. 확인 부탁 드리겠습니다. 두 번째, 강의는 모두 완강했습니다. 예제에서는 특정 메뉴얼 pdf 파일 하나였는데, 여러 개의 pdf파일을 타겟하려면 어떻게 하는 게 효율적일까요? 코드에서 여러 타겟을 지정해주는 게 좋을지, 아니면 특정 폴더를 하나 추가로 만들어서 문서를 거기에 다 넣고 특정 폴더를 타겟팅하는 게 좋을지 문의드립니다.

  • python
  • 인공지능(ai)
  • llm
  • langchain
  • rag
우고 댓글 2 좋아요 0 조회수 142

langchain 함수확인 요청

미해결

맞춤형 LLM 만들기 : 처음 시작하는 분을 위한 RAG 기초 개념부터 멀티모달·Agent 실습까지

공유해주신 수업자료 중 실습8 벡터데이터베이스 기반 RAG어플리케이션.ipynb에서 3번 째 셀의 # LangChain과 BeautifulSoup 관련 라이브러리 불러오기에서 from langchain.text_splitter import RecursiveCharacterTextSplitter에서 from langchain.text_splitter -> from langchain_text_splitters가 되어야 하지 않을런지요??

  • python
  • vector-database
  • llm
  • langchain
  • rag
김이호 댓글 1 좋아요 1 조회수 95

MCP를 활용해서 간단한 에이전트를 만들어보세요

미해결

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

안녕하세요, 저에게는 조금 어려운 강의였긴 했지만 아무쪼록 마지막까지 강의 잘 듣고 있습니다. 질문1) MCP를 활용해서 간단한 에이전트를 만들어보세요 의 과제와 관련해서 아이디어가 전혀 생각이 나지 않는데 간단한 에이전트 관련해서 샘플이 있을까요? MCP 서버와 클라이언트 개발까지 해서 제출 해야하는지 아니면 이미 만들어져있는 MCP나 이런 있는 것들을 활용해서 LLM 모델과 연결하면 되는건지 감이 안 잡히네요; 과제 사례를 확인할 수 있는 곳이 있을까요?

  • 프롬프트엔지니어링
  • llm
  • ai-agent
  • langgraph
  • mcp
  • 지금-베스트
Star Gu 댓글 1 좋아요 0 조회수 175

PDF 형식

미해결

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

안녕하세요 본 강의를 통해 다른 PDF로도 해보고 있는데 혹시 이미지 형식으로 되어있는 PDF의 경우 이상하게 파일을 읽는 거 같은데 이런 경우 어떤 방법으로 파일을 읽는 것이 좋을까요?

  • 프롬프트엔지니어링
  • llm
  • ai-agent
  • langgraph
  • mcp
  • 지금-베스트
fwm8 댓글 1 좋아요 0 조회수 128

강의와 책 관련 질문

미해결

RAG를 활용한 LLM Application 개발 (feat. LangChain)

안녕하세요! 강의 수강과 책을 병행해서 보고 싶은데요, 강의가 예전에 촬영된것 같아서, 책을 참고해서 보는게 훨씬 수월하고 학습하는데 좋을것 같아서요. 각 강의 회차별로 "혼자서도 척척 해내는 AI 에이전트 만들기" 책에서 어떤 챕터랑 같이 보면 도움이 될지 알 수 있을까요??

  • vector-database
  • llm
  • langchain
  • rag
  • openai-api
  • 지금-베스트
lhr4884 댓글 1 좋아요 0 조회수 160

프로젝트 설정 (uv 설치, ..) -> 해당 영상 자료 없음

미해결

graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

학습 관련 질문이 있으시면, 상세하게 남겨주세요. 문제가 발생한 부분의 코드를 함께 올려주세요. 수업 영상 몇 분/초 구간인지 알려주세요.

  • dbms/rdbms
  • neo4j
  • llm
  • langchain
  • rag
jerrie.uxe 댓글 1 좋아요 0 조회수 115

문서 전처리 고민

미해결

RAG를 활용한 LLM Application 개발 (feat. LangChain)

안녕하세요, 개인 프로젝트로 rag 기반 챗봇을 구현하고 있습니다. ollama, gemma3:1b를 사용중입니다. txt 파일을 어느정도 전처리를 하고 임베딩을 시키려고 하는데 전처리 중 고민이 있습니다. 구조가 잡혀있는 txt 파일인데, 문서 구조는 대략 아래와 같은 형태입니다. 1.2 화면 설명 1.2.1 개요 - 이 화면은 사용자가 업무를 처리하기 위한 화면입니다. 1.2.2 화면 위치 상단 메뉴 > 업무 관리 > 처리 화면 1.2.3 처리 절차 1) 항목 선택 2) 저장 버튼 클릭 현재 고민되는 부분은 다음과 같습니다. 이런 번호 기반 구조를 그대로 유지한 채로 chunking 하는 것이 좋은지, 아니면 번호는 제거하고 의미 단위로만 분할하는 것이 나은지 - , • , 숫자 목록 같은 불릿/목록 기호를 임베딩 전에 제거하거나 정규화하는 게 좋은지 “개요 / 처리 절차 / 화면 위치” 같은 섹션 제목을 chunk 본문에 포함시키는 것이 검색 품질에 도움이 되는지 감사합니다.

  • vector-database
  • llm
  • langchain
  • rag
  • openai-api
댓글 1 좋아요 0 조회수 180

5.3 langchain-mcp-adpater를 활용한 MCP 도구 사용 tool_list 지연 사유

미해결

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

현재 10분이 넘어가도 tool_list가 지연이 되고 있는데 그 사유는 무엇일까요..? 깃허브토큰도 .env넣고 코드 그대로 가지고 와서 돌려보고 있는 중입니다.

  • 프롬프트엔지니어링
  • llm
  • ai-agent
  • langgraph
  • mcp
Star Gu 댓글 2 좋아요 0 조회수 176

3.6 human_in_the_loop 3rd case

해결됨

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

강의를 들으면서 문득 든 궁금증인데, ai메세지가 도구를 잘못 선택했을 때(3번케이스)를 구현할 때, 왜 tool message를 수정하셨나요? tool 노드 호출전에 interrupt 해서 ai_message의 tool_calls에서 툴네임을 변경해도 되지 않을까해서요 case2번 : 도구는 잘 선택했을 때 쿼리가 잘못된 경우에서는 ai_message의 쿼리를 변경했듯이 3번의 케이스에선 ai_message의 툴네임을 변경해도 되지 않을까 의문이 들었습니다.

  • 프롬프트엔지니어링
  • llm
  • ai-agent
  • langgraph
  • mcp
유준모 댓글 1 좋아요 1 조회수 143

21번 강의는 제작중인가요??

해결됨

베개 리서치: 종목 입력만으로 애널리스트급 리포트 만들기

20번 강의 마지막 부분에서 다음 강의에 대한 예고가 있었지만, 21번 강의는 수업자료만 있고 영상자료는 없어서 질문 드립니다.

  • python
  • 재무
  • 인공지능(ai)
  • llm
  • ai-활용-(ax)
다드가드 댓글 2 좋아요 1 조회수 134

RAG 배포 질문드립니다

미해결

RAG를 활용한 LLM Application 개발 (feat. LangChain)

프론트엔드 개발자 입장에서 RAG를 처음 접하다 보니 구조가 잘 이해되지 않아 질문드립니다. 강의를 보다 보니 Streamlit과 LangChain으로 한 곳에서 개발이 이루어지는데, 이게 실무 구조를 단순화한 예제인지, 실제 서비스에서도 이런 형태로 운영되는지 궁금했습니다. 제가 이해한 바로는 일반적인 웹 서비스는 프론트엔드, 백엔드, 일반 DB(MySQL 등)가 분리되어 있고, 여기에 RAG를 구성하기 위한 Vector DB( Qdrant, Chroma, Pinecone 등)와 LLM 호출 로직이 추가되는 구조로 보이는데, 이때 RAG와 AI 에이전트는 보통 백엔드 서버 내부의 로직으로 구현되는지, 아니면 별도의 서비스로 분리해서 운영하는지도 알고 싶습니다. 실무에서 배포 관점에서는 백엔드 서버 하나에 RAG까지 포함해 배포하는 것이 일반적인지, 아니면 RAG나 Vector DB를 별도로 운영하는 경우가 많은지도 궁금합니다. Qdrant를 가장 추천주셔서 이걸사용할까 생각중입니다. 그리고 혹시 그래프 RAG에 대한 강의도 찍으실 예정이 있으실까요? 크게 아래와같이 보고있고(이해한 대로 플로우 그려봤습니다), 백엔드 서버는 FastAPI로 통일할수도 있을것 같습니다. ┌─────────────────────────────────────────┐ │ Frontend (React.js) │ └─────────────────────────────────────────┘ │ ┌───────────┴───────────┐ │ │ ┌───────▼────────┐ ┌─────────▼────────┐ │ Spring Boot │ │ FastAPI AI │ │ (Main API) │ │ Service │ │ │ │ │ │ - CRUD │ │ - RAG Pipeline │ │ - 비즈니스 로직 │ │ - LLM Agent │ │ - 인증/권한 │ │ - Embedding 생성 │ └───────┬────────┘ └─────────┬────────┘ │ │ │ │ ┌───────▼────────┐ ┌─────────▼────────┐ │ PostgreSQL │ │ Vector DB │ │ (비즈니스 데이터) │ │ (임베딩/벡터) │ │ │ │ │ │ - hospitals │ │ - content_embeddings│ │ - contents │ │ - query_cache │ │ - bundles │ │ - document_chunks │ │ - contracts │ │ │ │ - users │ │ (Pinecone/ │ │ - ... │ │ Weaviate/ │ │ │ │ Qdrant/ │ │ │ │ pgvector) │ └────────────────┘ └──────────────────┘

  • vector-database
  • llm
  • langchain
  • rag
  • openai-api
Dipa 댓글 1 좋아요 0 조회수 171

강의 내용과는 별개로 궁금한 점이 있습니다

미해결

RAG를 활용한 LLM Application 개발 (feat. LangChain)

안녕하세요, 좋은 강의 감사합니다 ! 강의 내용과는 별개로, 개인 프로젝트 겸 하나 실험해보고 싶은 주제가 있어 간단히 의견 여쭤보고 싶습니다. 유튜브 라이브 채팅 로그를 분석하기 위해, 각 채팅을 의도 기반으로 7~10개 정도의 라벨로 분류해보려 합니다. (채팅은 약 5만~10만개 정도) 다만 라이브 채팅 특성상 다국어가 섞여 있고, 이모지 사용이 많으며, 문장이 매우 짧은 경우가 대부분이라 과연 잘 될지 고민이 됩니다... 이와 관련해 LLM을 활용해 채팅 데이터를 라벨링하는 방식에 대해 어떻게 생각하시는지 궁금합니다. 실제로 비슷한 케이스를 다뤄보신 경험이 있거나, 주의해야 할 점이 있다면 공유해주시면 감사하겠습니다. 또한 LLM을 활용한 라벨링 관점에서, 7~10개 라벨이 모델이 분류하기 적절한 수준인지 아니면 라벨 수를 줄이는 것이 성능 향상에 도움이 될지도 의견을 듣고 싶습니다. 감사합니다!

  • vector-database
  • llm
  • langchain
  • rag
  • openai-api
choemyeonggeun 댓글 2 좋아요 0 조회수 164

summary 를. 시스템메세지에 추가하는 부분에 관하여

미해결

LangGraph를 활용한 AI Agent 개발 (feat. MCP)

agent(state:AgentState) ->AgentState: messages =state['messages'] summary = state.get('summary',None) if summary: messages =[SystemMessage(content='Here is the summary of the earil er conversation : {summary}')]+messages response = llm_with_tools.invoke(messages) return {'messages':[response]} 안녕하세요 강사님, 강의 재밌게 듣고 있습니다. 수강중 궁금한 사항이 있어 질문 남깁니다. 위와 같이 코드를 알려주셨는데요, 이런 흐름이라면, messages 에 동일한 내용의 SystemMessage가 여러번 들어가게되는 걸까요? 예를 들어 사용자 질의 한개를 처리하는데, agent <-> tool 간의 반복 작업이 3번 있었다면 agent 가 3번 호출될 때마다 messages 리스트 앞에 동일한 SystemMessage 객체가 중복되어 붙을거 같아서요.

  • 프롬프트엔지니어링
  • llm
  • ai-agent
  • langgraph
  • mcp
댓글 3 좋아요 0 조회수 167

test.py 파일이 어딨나요?

미해결

graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

.env.sample 만 보여서 test.py 를 올려준다고 말씀하셨는데. 자료에 없습니다 ㅠ

  • dbms/rdbms
  • neo4j
  • llm
  • langchain
  • rag
민트고구마 댓글 2 좋아요 0 조회수 134

인기 태그

인프런 TOP Writers

주간 인기글