강의

멘토링

커뮤니티

NEW
AI 기술

/

AI에이전트 개발

LangGraph 실전: LLM으로 고급 AI 에이전트 개발하기

이 강의에서 기대할 수 있는 것 LangGraph in Action에 오신 것을 환영합니다. 이 강의는 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 마스터하기 위한 최고의 가이드입니다. 이 강의에서는 모듈화되고 확장 가능하며 프로덕션 준비가 완료된 에이전트를 구축하는 기본 원리를 실습 중심으로 탐구합니다. LangGraph의 상태 기반 설계 기초부터 풀스택 애플리케이션 생성까지, AI 에이전트를 실현하는 데 필요한 기술을 습득하게 됩니다. 강의 하이라이트 상태 기반 설계: 노드와 엣지라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수 가능한 에이전트를 만듭니다. 메모리 관리: 체크포인터를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: 휴먼-인-더-루프 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션 준비 개발: 비동기 작업, 서브그래프를 학습하고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 생성합니다. 강의를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 완전히 오픈소스 도구만으로 AI 에이전트를 어디서든 배포할 수 있는 실무 기술을 갖추게 됩니다. 최신 트렌드를 선도하고자 하는 개발자든, AI 툴킷을 확장하려는 숙련된 엔지니어든, 이 강의는 빠르게 성장하는 AI 에이전트 분야에서 필요한 역량을 갖추도록 합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가하는 가운데, 이 강의는 실질적인 문제를 해결하는 고급 시스템을 설계하고 구축하며 배포할 준비를 갖추도록 합니다. 함께 AI의 미래를 구축하고 만들어 갑시다!

2명 이 수강하고 있어요.

  • Markus Lang
multi-agent
fullstack
rag시스템구축
AI Coding
PythonFastAPILangChainAI AgentLangGraph

수강 후 이런걸 얻을 수 있어요

  • LangGraph를 사용하여 모듈식의 프로덕션 준비가 완료된 AI 에이전트 구축하기

  • AI 에이전트를 위한 단기 및 장기 메모리 관리

  • # 인간 개입 워크플로우 및 복잡한 멀티 에이전트 시스템 개발

  • FastAPI와 Docker를 사용하여 풀스택 애플리케이션에 AI 에이전트 배포하기

  • Pytest로 AI 에이전트 함수 테스트 및 유지보수하기

LangGraph 실전: 메모리, 멀티 에이전트 워크플로우 및 풀스택 배포를 활용한 AI 에이전트 마스터하기

이 강의는 LangGraph를 사용하여 실제 프로덕션 환경에서 사용 가능한 AI 에이전트를 설계하고, 구조화하며, 배포하는 방법을 가르칩니다. 상태 기반 워크플로우 구축, 단기 및 장기 메모리 통합, 멀티 에이전트 시스템 구현, FastAPI와 Docker를 활용한 애플리케이션 배포 방법을 배우게 됩니다.
이러한 기술은 오늘날 소프트웨어 엔지니어링, 자동화, AI 개발, 지능형 어시스턴트 제작, AI 기반 제품 구축에 필수적입니다.

추천 대상

이 강의 대상 (1)

이 강의는 노코드 도구나 지나치게 단순화된 에이전트 튜토리얼에 한계를 느끼는 개발자를 위한 것입니다. 많은 분들이 견고하고 테스트 가능하며 모듈화된 워크플로우를 구축하고 싶어 하지만, 중단, 메모리 또는 다단계 의사결정을 지원하는 에이전트를 어떻게 구조화해야 할지 모릅니다.
이 강의는 LangGraph를 사용하여 신뢰할 수 있는 프로덕션 지향 시스템을 구축하는 방법을 보여줌으로써 바로 이러한 과제들을 해결합니다.

이 강의 대상 (2)

특히 최신 에이전트가 실제로 어떻게 작동하는지 이해하고 싶은 기본적인 LangChain 경험이 있는 Python 개발자를 위해 설계되었습니다: 상태 관리, 리듀서, 사이클, 조건부 엣지, 서브그래프, 고급 도구 호출, 장기 메모리, API 통합.
피상적인 튜토리얼을 넘어 실제 애플리케이션에서 사용되는 에이전트를 구축하고 싶다면, 이 강의가 적합합니다.

이 강의 대상 (3)

이 강의는 human-in-the-loop 워크플로우, 계층적 멀티 에이전트 시스템, 또는 복잡한 RAG 파이프라인을 구현하고자 하는 엔지니어에게도 이상적입니다.
자율 에이전트를 구조화하고, 노드를 병렬로 실행하며, 비동기 및 스트리밍 실행을 다루고, Docker로 배포 가능한 풀스택 애플리케이션에 에이전트를 통합하는 방법을 배우게 됩니다.

이 강의를 수강한 후

이 강의를 마치면 다음을 할 수 있게 됩니다:

  • LangGraph의 핵심 로직(State, Nodes, Edges, Cycles, Reducers)을 이해합니다.

  • 체크포인터를 사용한 단기 메모리와 Store를 사용한 장기 메모리를 가진 에이전트를 구현하세요.

  • Build complex workflows including tool calling, advanced RAG, classification, interruptions, resumes, and forks.

  • Develop multi-agent systems such as supervisor agents, sub-agents, and hierarchical workflows.

  • Build complete agent applications with FastAPI and Docker for production deployment.

  • Pytest를 사용하여 노드와 워크플로우 로직을 단위 테스트하면 안정성과 유지보수성이 향상됩니다.

다음과 같은 것들을 만드는 데 이러한 기술을 적용할 수 있습니다:

  • 기업용 어시스턴트,

  • 자동화 파이프라인,

  • 문서 처리 또는 고객 지원을 위한 전문 에이전트,

  • 다단계 자율 에이전트

  • 그리고 모듈식 아키텍처 기반으로 구축된 완전한 AI 기반 제품까지도 포함됩니다.

자주 묻는 질문

# Frequently Asked Questions ## Q1: I'm a complete beginner with no programming experience. Can I really learn this? Absolutely! 😊 In fact, some of my best students started with zero coding knowledge. Here's the thing - I designed this course specifically with beginners in mind. We start from the very basics and build up gradually, so you're never thrown into the deep end. I use lots of real-world analogies and visual examples to explain concepts, because I believe understanding *why* something works is just as important as knowing *how* to code it. Plus, I'm always active in the course community to answer questions when you get stuck. Remember, every expert was once a beginner who refused to give up! 💪 ## Q2: How much time do I need to commit each week? Great question! I recommend setting aside 3-5 hours per week to get the most out of this course. That said, the beauty of online learning is flexibility - you can go at your own pace. Some students binge-watch sections on weekends, while others prefer 30 minutes daily during their commute. The course is structured in bite-sized lessons (10-15 minutes each) so you can learn in chunks that fit your schedule. What matters most isn't speed, but consistency. Even 20 minutes a day will get you further than you think! 🎯 ## Q3: What if I get stuck or have questions during the course? You're never alone in this learning journey! 😆 I'm very active in the course Q&A section and typically respond within 24 hours (often much

Q. 왜 LangGraph를 배워야 하나요?

현대적인 에이전트는 구조화된 접근 방식이 필요하기 때문입니다. LangGraph를 사용하면 명확하고, 테스트 가능하며, 확장 가능하고, 프로덕션 준비가 완료된 워크플로우를 구축할 수 있습니다. 기존의 프롬프트 기반 또는 스크립트 기반 방식과 달리, LangGraph는 실제 애플리케이션에 맞춤화된 전문적인 아키텍처를 제공합니다.

Q. LangGraph를 배우고 나면 무엇을 할 수 있나요?

자신만의 지능형 에이전트를 구축할 수 있게 됩니다: RAG 에이전트, 기업용 어시스턴트, 내부 자동화 시스템, 휴먼-인-더-루프 워크플로우, 멀티 에이전트 오케스트레이션, 또는 API 및 Docker 배포를 갖춘 완전한 AI 애플리케이션까지 말이죠.
이러한 기술들은 수요가 매우 높으며 실제 프로젝트에 즉시 적용할 수 있습니다.

Q. 강의 내용이 얼마나 심도 있나요?

이 강의는 중급에서 고급 수준입니다. LangGraph의 필수 기초부터 장기 메모리, 서브그래프, 비동기 스트리밍, 계층적 에이전트, FastAPI 통합, 단위 테스트와 같은 고급 기능까지 다룹니다.

Q. 수강 전에 준비해야 할 것이 있나요?

You should be comfortable with Python (functions, classes, OOP), have a basic understanding of LangChain, and feel confident using the terminal. Basic Docker knowledge is helpful but everything necessary is explained in the course.

Q. 강의가 업데이트되나요?

네. LangGraph는 빠르게 발전하고 있으며, 주요 업데이트(예: 0.5.x 변경사항)는 강의에 추가될 예정입니다.

수강 전 확인사항

연습 환경

호환 운영 체제:
Windows, macOS, Linux (Ubuntu 권장)

필수 도구:

  • Python 3.10+

  • Docker Desktop

  • Git

  • VS Code 또는 Cursor

  • FastAPI (강의 중 설치됨)

권장 PC 사양:

  • 쿼드코어 CPU

  • 8–16 GB RAM

  • 5–10 GB의 무료 저장 공간

  • GPU 불필요

학습 자료

I'm ready to translate from English to Korean. Please provide the text you'd like me to translate, and I'll return only the translated content following all the guidelines you

  • # 모든 섹션의 완전하고 정리된 소스 코드

  • 1개의 참고 문서

  • 템플릿과 필수 파일이 포함된 다운로드 가능한 리소스

  • High-quality video content

  • 완전한 풀스택 에이전트 애플리케이션의 전체 데모 (FastAPI + Docker)

모든 자료는 가볍고 깔끔하게 구조화되어 있으며, 여러분의 프로젝트에서 바로 재사용할 수 있습니다.

사전 준비 사항 및 공지사항

  • 중급 수준의 Python과 기본적인 LangChain 지식이 필요합니다.

  • 모든 영상은 고품질이며 실습 위주입니다.

  • Students may ask questions through the platform.

  • LangGraph의 발전에 따라 주요 업데이트가 추가될 예정입니다.

  • 모든 강의 자료는 저작권으로 보호되며 개인 용도로만 사용 가능합니다.


이런 분들께
추천드려요

학습 대상은
누구일까요?

  • LangChain 경험이 있는 Python 개발자 및 소프트웨어 엔지니어로서 정교한 AI 에이전트 구축으로 발전하고자 하는 분들

  • 실제 애플리케이션을 위한 모듈식의 적응형 AI 에이전트를 설계, 개발 및 배포하고자 하는 전문가

선수 지식,
필요할까요?

  • 기본 Python 프로그래밍 기술

  • LangChain 또는 유사한 LLM 기반 워크플로우 프레임워크 사용 경험

안녕하세요
입니다.

Hello, I'm Markus, a software developer specializing in Artificial Intelligence and Python. I work in the finance industry and have extensive experience developing LLM applications with LangChain and successfully deploying them into production.

I am passionate about teaching and strive to make complex topics approachable and practical for my students, focusing on providing clear, hands-on learning experiences.

I’m excited to share my knowledge with you and help you grow your skills.

I look forward to welcoming you to my courses and being part of your learning journey!

커리큘럼

전체

45개 ∙ (3시간 24분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!

얼리버드 할인 중

₩19,800

30%

₩28,600

Markus Lang님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!