채널톡 아이콘

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

3 개

  • 단테님의 프로필 이미지

    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.

    0
  • 단테님의 프로필 이미지

    ・

    수정됨

    안녕하세요, 단테입니다.

    예고드린 실전 파트가 오늘 모두 공개됐습니다. 수강 중이시면 추가 결제 없이 바로 보실 수 있어요.

    실전 파트 구성 (23편 + 배포 따라 하기 부록)

    · 실전 1 · 오리엔테이션과 성적표: 완성 데모, 환경 점검, 에이전트 루프와 성적표

    · 실전 2 · 도구 설계: 공시 조회 도구 15개, 도구 40개와 도구 검색

    · 실전 3 · 컨텍스트 엔지니어링: 사업보고서 전체 넣기, 긴 작업 관리, 스킬과 서브에이전트

    · 실전 4 · RAG: 사업보고서 Q&A, BM25 · 벡터 · 재정렬, 인용과 숫자 검증, LangChain · LlamaIndex 비교

    · 실전 5 · 멀티 에이전트: 기업 리서치 팀, 인용 검증기, LangGraph로 옮기기

    · 실전 6 · MCP: 공시 검색 MCP 서버를 직접 구현해서 원격 배포 · 보안 · LangChain 어댑터까지

    · 실전 7 · 캡스톤: FastAPI + SSE 백엔드, React 화면, 배포와 최종 성적표, Render 배포 따라 하기

    처음 while 문 하나였던 에이전트가, 마지막 성적표에서는 같은 20문항 기준 정답 90% → 95%, 출처가 붙은 문장 0/63 → 71/72가 됩니다.

    시작은 실전 0편 환경 점검부터 해 주세요. OpenRouter 키와 OpenDART 키(무료)가 필요합니다.

    막히는 곳은 수업 질문란에 남겨 주세요. 감사합니다.

    0
  • 단테님의 프로필 이미지

    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.

    0

블랙프롬프트데이⚡️ 모든 강의 25% 실행 중 (20:22:56 남음)

월 ₩16,500

5개월 할부 시

25%

₩110,000

₩82,500

평생교육이용권 지원 강의