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
새 섹션이 열렸어요 — 에이전트 검색: 문서가 수십만 개일 때, 끌어와서 grep
안녕하세요, 단테입니다.
새 섹션 「실전 9 · 에이전트 검색 — 문서가 수십만 개일 때, 끌어와서 grep」 여섯 편(실전 35편~40편, 약 78분)이 열렸습니다.
벡터 검색 없이 grep과 파일 읽기만으로 문서를 뒤지는 에이전트가 주목받고 있죠. 이 섹션에서는 그 방식을 한국어 위키백과 약 65만 문서까지 키워 보면서, 어디까지 되고 어디서 막히는지를 직접 잽니다.
실전 35편: grep을 쓰는 에이전트가 벡터 검색을 이겼다는 논문을 읽고, 무엇을 비교했는지 따져 봅니다
실전 36편: 문서가 1만, 10만, 약 65만 개로 늘 때 찾는 시간이 어떻게 달라지는지 재고, 없는 것·시간 초과·명령 실패를 구분하는 도구를 만듭니다
실전 37편: 파일 경로 대신 문서 번호로 움직이는 find와 read를 다시 만듭니다
실전 38편: 검색기가 고른 문서만 작업 폴더로 끌어와서 뒤지는 pull 도구를 만듭니다
실전 39편: 검색만 · 통째로 뒤지기 · 끌어와서 뒤지기 세 방식을 같은 조건에서 재고 채점합니다
실전 40편: 언제 무엇을 고를지 기준을 세우고, 싼 길부터 가는 라우터를 붙입니다
미리 말씀드리면, 약 65만 문서에서 통째로 뒤지는 방식은 틀리지 않고 느려졌습니다(질문 하나에 79~95초). 검색기로 후보를 끌어와서 뒤지면 정답은 거의 그대로 지키면서 15~20초로 줄었어요. 왜 그런지, 어디서 실패하는지는 수업에서 실행 기록으로 확인합니다.
영상에서 「에이전트 검색 수업」「길 고르기 수업」이라고 부르는 내용은 실전 35편 수업 노트 맨 위에 정리해 두었습니다. 먼저 읽고 시작하시면 됩니다.
실습 코드와 자료 받는 방법은 공개 저장소에 있습니다. 문서 묶음은 1만 개짜리(약 12MB)만 받아도 여섯 편을 모두 따라올 수 있습니다.
https://github.com/dante01yoon/embedding-rag-practice/tree/main/c3
막히는 부분이나 궁금한 점은 각 수업의 질문란에 남겨 주시면 답변드릴게요.
고맙습니다.




