밑바닥부터 만드는 AI 에이전트 — RAG · 멀티 에이전트 · MCP

프레임워크 없이 Python과 while 문 하나로 AI 에이전트를 직접 만듭니다. 입문 파트에서는 도구 설계, 실패와 비용, 기억, 사람 승인, 평가, 웹 화면을 한 편씩 붙여 작은 코딩 에이전트를 완성하고, 실전 파트에서는 실제 사업보고서(DART)로 RAG · 멀티 에이전트 · MCP 서버를 직접 구현한 뒤 LangChain · LangGraph와 숫자로 비교합니다.

58명 이 수강하고 있어요.

난이도 초급

수강기한 무제한

실습 중심
실습 중심
AI 코딩
AI 코딩
mcp
mcp
rag시스템구축
rag시스템구축
멀티에이전트
멀티에이전트
실습 중심
실습 중심
AI 코딩
AI 코딩
mcp
mcp
rag시스템구축
rag시스템구축
멀티에이전트
멀티에이전트
새소식 목록
관리작성

실전 파트가 추가됩니다 — RAG · 멀티 에이전트 · MCP · LangGraph

안녕하세요, 단테입니다.


이 강의에 실전 파트가 추가됩니다. 입문 파트에서 만든 에이전트 루프를 바탕으로, 실제 상장사 사업보고서(DART)로 AI 투자 리서치 워크벤치를 만들며 다음 내용을 다룹니다.


- 도구 설계 실전: 공시 조회 도구 15개 → 40개, 도구 검색과 캐시

- 컨텍스트 엔지니어링: 긴 문서 · 긴 작업 다루기, 스킬과 서브에이전트

- RAG: BM25 · 하이브리드 · 재정렬, 출처 달기와 숫자 대조, LangChain · LlamaIndex 비교

- 멀티 에이전트: 기업 리서치 팀, 인용 검증기, LangGraph로 옮기기

- MCP: 서버 직접 구현 → 공식 SDK → 원격 배포와 토큰 인증 → 보안 → LangGraph 연결

- 캡스톤: FastAPI · React로 워크벤치 완성과 최종 성적표


모두 숫자로 직접 재 보며 진행하고, 수업 23개가 섹션 7개로 나뉘어 차례로 공개됩니다.

이미 수강 중인 분은 추가 결제 없이 그대로 보실 수 있습니다.


감사합니다.

댓글