AI 에이전트 완벽 마스터 : LangGraph·RAG·MCP·멀티 에이전트 실전 개발

문서를 찾아 답하고, 도구를 골라 조회하고, 승인받은 티켓을 실제로 만드는 고객지원 에이전트를 처음부터 만들어요. 응답이 끊기거나 같은 요청이 다시 와도 업무가 한 번만, 끝까지 처리되는지 실제 실행 기록으로 확인합니다.

단순 챗봇을 넘어선 에이전트 구현이 막막하신가요? 제가 직접 겪은 시행착오와 공식 문서 기반의 노하우로, 실무에 즉시 적용 가능한 중급 에이전트 구축법을 알려드립니다.

사용자 질문에 대해 실시간으로 SQL문을 만들어 조회하는 Text-To-SQL시스템에 대해 배울수 있습니다.

LLM 애플리케이션이 개발 패러다임을 어떻게 변화시키고 있는지 탐구합니다. 기존 기술들과의 비교를 통해 LLM이 왜 지속 가능한 핵심 기술로 자리잡고 있는지 이해하고, 개발자로서 갖춰야 할 필수 역량과 사고방식의 변화를 학습합니다. 전문 강사의 인사이트를 통해 LLM 애플리케이션 개발의 본질과 미래 방향성을 파악할 수 있습니다.

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

: "환경 구축부터 7가지 실무 프로젝트까지, 데이터 도메인을 넘나드는 딥러닝 풀스택 여정 (총 35강)" 단순히 예제 코드를 따라 하는 수준을 넘어, 실제 현업에서 다루는 다양한 형태의 데이터를 딥러닝으로 요리하는 법을 배웁니다. CPU/GPU 개발 환경 구축부터 시작하여 분리수거 분류(이미지), 주가 예측(시계열), 심전도 이상탐지(AE), 애니메이션화(GAN), 의료 영상 분할(U-Net), 사운드 분류(오디오)까지! 딥러닝의 핵심 알고리즘들을 실전 프로젝트를 통해 체계적으로 정복합니다.

AI가 작업할 때마다 프로젝트 위키에 결정과 이유를 스스로 남기게 하고, 그 위키를 지키고, 몇 달 뒤에도 안 망가지게 점검합니다. 공시 알림 봇을 실제로 만들며 사고가 날 때마다 규칙을 하나씩 세웁니다.

명령 한 줄이면 끝. 기억하고, 자동화하고, 스스로 성장하는 AI 에이전트 Hermes. 개발자가 아니어도 오늘부터 AI에게 일을 '시키는 사람'이 될 수 있습니다. 설치부터 실무 활용까지 SMARTFORK가 함께합니다.

"1조 파라미터 모델은 어떻게 학습되는가" GTC 2026, Moonshot AI가 무대에서 직접 공개한 Kimi K2.5의 스케일링 전략을 인프런에서 한국어로 만나보세요. 토큰 효율성 2배 · 100만 토큰 컨텍스트 · 1,000개 에이전트 스웜 오픈소스 LLM의 다음 스텝이 여기 있습니다. * 이 강의는 Kimi를 만든 Moonshot AI와 인프런의 공식 협업으로 무료 공개됩니다.

이 강의는 Transformer를 단순히 “구현하는 법”이 아니라, 왜 이런 구조가 만들어졌는지, 각 모듈이 어떤 역할을 하는지, 그리고 전체 모델이 어떻게 작동하는지를 설계자의 관점에서 해부하는 과정입니다. Self-Attention과 Multi-Head Attention의 내부 계산 원리를 깊이 있게 분석하고, Positional Encoding, Feed-Forward Network, Encoder·Decoder 구조가 어떤 한계를 해결하기 위해 등장했는지를 수식·논문·구현 코드로 직접 확인합니다. Attention에서 출발해 Transformer 전체 구조를 직접 조립하고, 실제로 학습까지 수행하며 모델이 어떻게 동작하는지 체득합니다. 이 강의는 “Transformer를 완전히 이해하고 싶은 사람”을 위한 가장 구조적이고 실전적인 로드맵입니다.

단순히 답변만 생성하는 챗봇을 넘어, 스스로 판단하고 도구를 호출하며 여러 단계의 업무를 수행하는 자율형 AI Agent를 직접 구현합니다. OpenAI Agents SDK의 Tool Calling, Handoff, Guardrail, Session과 Tracing부터 MCP를 활용한 외부 도구·데이터베이스 연결, LangChain과 Deep Agents의 Planning, Subagents, Filesystem, Memory까지 단계별 실습으로 익힙니다. 최종적으로 실제 업무에 적용할 수 있는 도구 연동형 AI Agent의 설계와 구현 능력을 갖추는 것을 목표로 합니다.

LLM을 활용한 서비스를 만들면서 프롬프트나 모델을 바꾼 뒤, 이전보다 답변 품질이 떨어졌는지 확인하기 어려웠던 경험이 있다면 이 강의가 해결책이 될 수 있습니다. 직접 평가 기준을 만들고, 달라진 답변을 자동으로 찾아내는 방법을 배웁니다.

OpenClaw 1·2부까지 따라오면, 결국 하나의 에이전트에게 뭐든 다 시키게 됩니다. 그러다 보면 프롬프트가 꼬이고, 메모리가 섞이고, 폴더가 엉키면서 “이제 뭘 어떻게 정리해야 할지” 막막해지는 순간이 찾아옵니다. 이 강의는 그 지점에서 한 단계 더 올라가도록 돕는 “멀티 에이전트 입문 편(2.5부)”입니다. 하나의 봇만 유지한 채, planner / editor 두 에이전트로 역할을 분리하고, 각 에이전트에 서로 다른 워크스페이스와 텔레그램 포럼 토픽을 연결해 “어느 방에서 말하느냐에 따라 다른 에이전트가 응답하는 구조”를 직접 만들어 봅니다. 실습을 따라오면, 내 환경 안에 - `content_planner`와 `content_editor` 두 에이전트가 정의된 설정 파일, - 기획과 초안이 분리된 콘텐츠 폴더 구조, - 포럼 토픽별로 다른 에이전트가 붙어 있는 텔레그램 그룹방, - 그리고 두 에이전트가 협업해서 만든 인프런 강의 소개 글 초안 1개가 실제로 남습니다. 즉, 이 강의는 “AI 비서 1명”으로 시작한 텔레그램 봇을, “역할이 나뉜 작은 AI 팀”으로 업그레이드하는 첫 단계를 함께 설계해 주는 실전 수업입니다.

"기초부터 7가지 도메인 프로젝트까지, 딥러닝의 A to Z를 완성하다 (총 41강)“ 단순히 모델을 호출하는 수준을 넘어, 현업의 트렌드인 PyTorch Lightning을 활용해 깔끔하고 효율적인 딥러닝 파이프라인을 구축하는 법을 배웁니다. 주가 예측부터 생성형 AI, 의료 영상, 사운드 분석까지 총 7개의 프로젝트를 직접 구현하며 어떤 데이터 앞에서도 당당한 AI 엔지니어로 성장하세요.

문서 세 개로 작은 RAG를 만들고, 답이 틀릴 때 문서·검색·문맥·생성 중 어디부터 고칠지 실제 실행 기록으로 판단해요. 하이브리드 검색과 재순위화, 다단계 검색, 권한과 운영 점검까지 개선 효과를 숫자로 확인합니다.

이 강의가 특별한 이유: 핵심 장점 • 직관적인 시각화: Pygame 2D 시뮬레이션으로 알고리즘 동작을 실시간으로 직접 확인 • 실제 구현 경험: 이론을 넘어 직접 코딩하며 자율 주행 알고리즘 체득 • 핵심 알고리즘 마스터: 다익스트라, 퓨어 퍼슈트, ICP 등 필수 알고리즘 집중 학습 • 단계별 심화 학습: 기초부터 SLAM까지 체계적인 난이도 구성 • Lidar 기반 SLAM: 미지 환경에서의 맵 구축 및 위치 추정 실습

딥러닝은 복잡한 함수의 조합으로 이루어진 신경망을 통해 데이터를 학습하는 기술입니다. 이 강의에서는 딥러닝의 핵심 개념을 수학적으로 이해하고, 이를 행렬 연산 관점에서 분석해봅니다. 특히 Python의 NumPy 라이브러리를 활용하여, 딥러닝의 순전파와 역전파 과정을 직접 구현해보며 파라미터가 어떻게 업데이트되는지 시각적으로 살펴봅니다. 복잡해 보이던 신경망 구조도 행렬 연산으로 풀어내면 명확해집니다. 이 강의는 코딩보다 개념 이해에 중점을 두고, 딥러닝의 원리를 수학적으로 직관적으로 익히고자 하는 학생들에게 적합합니다.

- 저는 4년차 AI 스타트업을 운영하는 Research Engineer/AI PM 입니다. - 이 영상은 인공지능을 "지금", "2026년"에 공부를 시작하려는 분들을 위한 강의입니다. - 대학생 친구들을 보다보면 인공지능을 어떻게 시작해야하는지 감도 못잡는 친구들이 많습니다. - 본 강의를 듣고나서 인공지능을 공부하기 시작할 수 있다면 좋겠습니다. - 참고로, 본 강의는 "내 업무에 AI 활용" 혹은 "GPT를 이용한 수익화 방법 시작하기" 이런 강의가 아닙니다. - 학생, 대학원생, 혹은 개발자 분들이 인공지능을 공부하고싶을 때 어떻게 시작하면 좋을지에 대한 영상입니다.

코딩 지식 없이도 챗GPT를 활용해 주식과 암호화폐 자동매매 프로그램을 직접 구축하는 과정입니다. 데이터 수집부터 예측 모델 개발, 종목 추천 시스템, 실제 자동매매까지 전 과정을 실습하며 AI 활용 개발 능력과 금융 투자 지식을 동시에 습득합니다.

메이커톤에서 80%가 막히는 포인트, 이제 해결하세요. 라즈베리파이 · 컴퓨터비전 · LLM · 3D 설계까지 4주 완성! 시연 가능한 스마트미러 PoC로 메이커톤 상위권 달성!