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
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.




