MDalamin5/End-to-End-Agentic-Ai-Automation-Lab
요약
이 저장소는 멀티 에이전트 시스템과 RAG를 활용한 엔드투엔드 에이전틱 AI 자동화 실습을 위한 종합 가이드를 제공합니다. LangChain, LangGraph, AutoGen 등 다양한 프레임워크를 사용한 코드 예제와 함께 Docker, AWS, BentoML을 이용한 확장 가능한 배포 워크플로우를 포함하고 있습니다.
핵심 포인트
- LangChain, LangGraph, AutoGen, CrewAI를 활용한 멀티 에이전트 시스템 구축 방법 제공
- RAG(Retrieval-Augmented Generation) 및 에이전틱 RAG 구현을 위한 실습 프로젝트 포함
- n8n, MCP(Model Context Protocol)를 이용한 워크플로우 자동화 탐구
- Docker, AWS, BentoML을 활용하여 에이전트를 확장 가능한 환경으로 배포하는 방법 안내
저장소 (Repository): MDalamin5/End-to-End-Agentic-Ai-Automation-Lab
언어 (Language): Jupyter Notebook
별 (Stars): 70
포크 (Forks): 34
주제 (Topics): agentic-ai, agentic-rag, ambient-ai, autogen, deep-agents, docker, fine-tuning, guardrails, langchain, langgraph, langsmit, mcp-server, n8n, reranking, rrf-fusion, vllm
설명 (Description):
이 저장소는 실습 프로젝트, 코드 예제 및 배포 워크플로우 (deployment workflows)를 포함하고 있습니다. 멀티 에이전트 시스템 (multi-agent systems), LangChain, LangGraph, AutoGen, CrewAI, RAG, MCP, n8n을 이용한 자동화 (automation), 그리고 Docker, AWS, BentoML을 사용한 확장 가능한 에이전트 배포 (scalable agent deployment)를 탐구해 보세요.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub Codex tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기