이 강좌는 짧고 집중적이며 실용적인 수업을 통해 완전 초보자가 Python을 배울 수 있도록 설계되었습니다. 매일 약 15분 정도의 부담 없는 학습 시간으로, Python의 핵심 개념을 단계별로 안내하여 코딩을 쉽게 접근하고 부담스럽지 않게 만듭니다. 초보자들이 겪는 일반적인 학습 장애물—문법, 논리, 문제 해결에 대한 혼란 등—을 극복하도록 도운 경험을 바탕으로, 명확성, 반복, 그리고 실습을 강조합니다. 각 수업은 이전 수업을 기반으로 구성되며, 실용적인 연습 문제와 복습 및 정리를 위한 정기적인 휴식일로 강화됩니다. 30일이 끝날 무렵, 학생들은 Python 기초를 이해할 뿐만 아니라 강좌 전반에 걸쳐 배운 모든 개념을 연결하여 자신만의 커맨드라인 Python 애플리케이션을 자신 있게 만들 수 있게 됩니다.

이 강의는 Azure에서 프로덕션 수준의 LLM 애플리케이션을 설계하고 배포한 실무 경험을 바탕으로 제작되었습니다. 단순한 예제나 개별 노트북 파일에 집중하기보다, 실험 단계에서 실제 시스템으로 전환할 때 직면하게 되는 데이터 수집, 벡터 저장소, 서비스 오케스트레이션, 클라우드 배포 및 보안과 같은 구체적인 과제들을 해결할 수 있도록 안내합니다. 강의 전반에 걸쳐 복잡한 Azure 서비스를 명확하고 실용적인 단계로 나누어 설명하고, 각 아키텍처 결정의 이유와 구성 요소들이 확장 가능한 시스템 내에서 어떻게 상호작용하는지 보여줍니다. 수강생들은 완전한 LangChain 기반 애플리케이션을 직접 구축, 디버깅 및 배포해 보면서 실제 인프라 및 애플리케이션 수준의 문제를 해결하는 자신감을 얻게 됩니다.

Mastering Model Context Protocol (MCP)는 개발자가 실제적이고 안전하며 프로덕션 환경에 바로 적용 가능한 AI 백엔드를 구축할 수 있도록 돕기 위해 설계된 실무 중심의 엔지니어링 강의입니다. 수천 명의 학생들이 LLM 통합, 도구 호출(tool calling), 백엔드 아키텍처와 관련된 혼란을 극복하도록 도운 후, 저는 다음과 같은 가장 흔한 문제들을 해결하기 위해 이 강의를 만들었습니다. “LLM이 안전하게 호출할 수 있는 신뢰할 수 있는 백엔드를 어떻게 구축하나요?” “SSE, stdio, streamable-http 중 무엇을 선택해야 하나요?” “FastAPI, Auth0, LangGraph를 사용하여 MCP를 실제 애플리케이션으로 어떻게 확장하나요?” “MCP 도구, 리소스, 프롬프트, 컨텍스트를 어떻게 구조화해야 하나요?” 이 강의에서는 최소 기능의 MCP 서버를 구동하는 것부터 완전히 안전한 Docker 기반 시스템을 배포하는 것까지 단계별로 안내합니다. 모든 레슨은 실습 위주로 구성되어 복잡함을 제거하고, 현대적인 AI 시스템 구축을 위한 명확하고 반복 가능한 워크플로우를 제공합니다. 모호한 튜토리얼에 답답함을 느끼고 MCP에 대한 명확하고 구체적인 엔지니어링 수준의 이해를 원하신다면, 이 강의는 바로 여러분을 위해 만들어졌습니다.

이 강의에서는 LangChain 프레임워크를 사용하여 고급 RAG 시스템을 설계, 구축 및 평가하는 방법을 배웁니다. LCEL, Runnables, 고급 검색 기술, 청킹 전략, 크로스 인코더 리랭킹, 에이전트 기반 RAG, 도구 호출, SQL 통합, 그리고 NeMo Guardrails를 활용한 안전 기술을 마스터하게 됩니다. 또한 LangFuse, React, FastAPI, Docker를 사용하여 풀스택 AI 챗봇을 추적, 디버깅 및 배포하는 방법도 배우게 됩니다.

이 강좌에서 기대할 수 있는 것 LangGraph를 사용하여 고급 AI 에이전트를 설계하고 배포하는 방법을 익히기 위한 궁극적인 가이드인 'LangGraph in Action'에 오신 것을 환영합니다. 이 강좌에서는 모듈식이며 확장 가능하고 프로덕션 환경에 바로 적용할 수 있는 에이전트를 구축하는 기초를 실습 위주의 방식으로 탐구합니다. LangGraph의 상태 기반 설계의 기초를 이해하는 것부터 풀스택 애플리케이션을 제작하는 것까지, AI 에이전트를 실제로 구현하는 데 필요한 기술을 습득하게 됩니다. 강좌 주요 내용 상태 기반 설계: 노드(nodes)와 에지(edges)라는 LangGraph의 핵심 철학을 깊이 있게 다루어 구조화되고 유지보수가 용이한 에이전트를 생성합니다. 메모리 관리: 체크포인터(checkpointers)를 활용한 단기 메모리와 Store 객체를 활용한 장기 메모리를 탐구하여, 적응하고 학습하는 에이전트를 구현합니다. 고급 워크플로우: Human-in-the-loop 시스템을 구축하고, 병렬 실행을 구현하며, 멀티 에이전트 패턴을 마스터합니다. 프로덕션용 개발: 비동기 작업, 서브그래프(subgraphs)를 배우고 FastAPI와 Docker를 사용하여 풀스택 애플리케이션을 제작합니다. 강좌를 마칠 때쯤이면 강력한 이론적 이해뿐만 아니라 오픈소스 도구만을 사용하여 어디서나 AI 에이전트를 배포할 수 있는 실무 기술을 갖추게 될 것입니다. 최신 기술을 앞서가려는 개발자이든, AI 툴킷을 확장하려는 숙련된 엔지니어이든, 이 강좌는 빠르게 성장하는 AI 에이전트 분야에 필요한 역량을 제공합니다. 실제 애플리케이션에서 AI 에이전트 도입이 증가함에 따라, 이 강좌는 실질적인 과제를 해결하는 고급 시스템을 설계, 구축 및 배포할 수 있도록 준비시켜 줍니다. 함께 AI의 미래를 만들고 구축해 봅시다!