LLM Agent Cookbook: ReAct부터 Multi-Agent까지 4주 완성
ReAct 패턴, LangGraph, CrewAI를 활용한 LLM Agent 개발 4주 커리큘럼.
LLM Agent Cookbook: ReAct부터 Multi-Agent까지 4주 완성
LLM Agent 개발, 어디서부터 시작해야 할지 막막하신가요? ReAct 패턴은 들어봤는데 실제로 어떻게 구현하는지, LangGraph는 뭔지, CrewAI로 멀티에이전트는 어떻게 만드는지 궁금하셨다면 이 Cookbook이 답입니다.
왜 LLM Agent인가?
ChatGPT, Claude 같은 LLM은 강력하지만 한계가 있습니다:
- 실시간 정보 접근 불가
- 외부 시스템과 상호작용 불가
- 복잡한 작업의 단계별 수행 불가
Agent는 이 한계를 극복합니다. LLM에 도구(tools)를 주고, 스스로 판단하고 행동하게 만드는 거죠.
Cookbook 구성
Week 1: 기초 다지기
- ReAct 패턴 이해와 구현
- Tool Calling의 원리
- Pydantic으로 견고한 스키마 설계
Week 2: 추론 능력 강화
- RAG와 Memory 시스템
- LangGraph로 복잡한 워크플로우 구축
- Self-RAG로 검색 품질 향상
Week 3: Multi-Agent 시스템
- CrewAI로 팀 구성하기
- MCP와 Agent간 통신
- Supervisor 패턴으로 조율하기
Week 4: 프로덕션 배포
- Guardrails로 안전장치 만들기
- Human-in-the-Loop 구현
- FastAPI + Docker로 배포하기
- DSPy로 프롬프트 최적화
특징
- Jupyter Notebook 기반 실습
- 매주 실전 프로젝트
- GitHub에서 솔루션 코드 제공
- 한국어/영어 모두 지원
- DrillCheck AI 면접 연습 연동
누구를 위한 Cookbook인가?
- Python 기본 문법을 아는 분
- LLM API를 사용해본 경험이 있는 분
- Agent를 직접 만들어보고 싶은 분
- 실무에 Agent를 도입하려는 개발자
시작하기
무료로 제공되는 이 Cookbook으로 4주 만에 프로덕션 레벨의 LLM Agent를 만들어보세요.
이메일로 받아보기
관련 포스트
Claude 워터마크 직접 재현하기 — 로컬 모델에 SynthID-Text 걸고 탐지·공격 실험
Claude가 채택한 SynthID-Text를 Gemma 2 2B에 직접 적용해 실험했습니다. 키가 없으면 탐지가 왜 불가능한지, 몇 토큰부터 탐지되는지, 짧은 글에서 오탐이 왜 폭발하는지, 그리고 로컬 3B 모델 재작성 한 번에 워터마크가 어떻게 사라지는지를 숫자로 보여드립니다.
Claude 텍스트 워터마크, 원리부터 한계까지 — 토큰 하나 안 바꾸고 서명하는 법
Claude가 생성하는 모든 텍스트에 보이지 않는 워터마크가 들어갑니다. 글자를 추가하지 않고 어떻게 서명이 가능한지 — SynthID-Text의 시크릿 키, 토너먼트 샘플링, 탐지 원리와 한계까지 단계별로 풀어봅니다.
Reversal Curse를 깨는 Identity Bridge — ICML 2026, 이래도 되는데 되는 fix
언어 모델은 "Alice의 남편은 Bob"을 학습해도 "Bob의 아내는?"을 못 맞힙니다 — 유명한 reversal curse. ICML 2026 논문 하나가 학습 데이터에 이상한 자기참조 예제를 섞는 것만으로 이 문제를 해결합니다. 순진한 버전은 안 되고, 정교한 버전은 됩니다.