NirDiamant/GenAI_Agents

🌟

이 프로젝트를 후원해 주세요: 여러분의 후원은 GenAI 에이전트 개발의 혁신을 가속화합니다. 이 가치 있는 리소스를 유지하고 확장하는 데 도움이 되려면 후원자가 되어 주세요!

오늘날 이용 가능한 가장 광범위하고 역동적인 생성형 AI (Generative AI, GenAI) 에이전트 튜토리얼 및 구현 컬렉션에 오신 것을 환영합니다. 이 저장소(Repository)는 단순한 대화형 봇부터 복잡한 멀티 에이전트 시스템 (Multi-agent systems)에 이르기까지, GenAI 에이전트를 학습하고, 구축하고, 공유하기 위한 종합적인 리소스로 활용됩니다.

RAG Made Simple - RAG 시스템을 위한 프로덕션 참조 가이드
직관, 비교, 다이어그램과 함께 설명된 22가지 기술. 에이전트가 실제 데이터에서 응답을 검색하고 근거를 마련(Grounding)해야 하는 에이전트 빌더들을 위한 필수 독서 자료입니다.
1,500부 이상 판매 · 출시 당시 아마존 생성형 AI 부문 1위 달성 · ⭐ 별점 4.4점
Kindle $9.99 · Paperback $24.99 · Kindle Unlimited 이용 시 무료

Prompt Engineering: AI 상호작용의 기술을 마스터하세요 - 프롬프팅의 기초
22가지 실습 프롬프팅 기술. RAG Made Simple의 동반서입니다. 여러분의 에이전트가 얼마나 잘 동작할지를 결정하는 프롬프팅 계층 (Prompting layer)입니다.

최근 추가됨: HR AI Assistant, LightRAG를 활용한 Art Tourguide, Contextual Quoting System, ML/DS Assistant, Gutenberg Sage | 52개의 튜토리얼 및 지속적인 확장 중

🚀 최첨단 업데이트 |
💡 전문가 인사이트 |
🎯 상위 0.1% 콘텐츠 |

생성형 AI (Generative AI) 에이전트는 인공지능의 최전선에 있으며, 우리가 AI 기술과 상호작용하고 이를 활용하는 방식을 혁신하고 있습니다. 이 저장소는 기초적인 에이전트 구현부터 고급 최첨단 시스템에 이르기까지 여러분의 개발 여정을 안내하도록 설계되었습니다.

|
이 상세한 블로그 포스트는 핵심 개념에 대한 심층적인 설명, 단계별 구현, 그리고 AI 에이전트 이면의 이론을 포함하여 A부터 Z까지의 완전한 워크스루(Walkthrough)를 제공함으로써 저장소를 보완합니다. 처음부터 작동하는 에이전트를 구축하기 위해 알아야 할 모든 것을 다루면서도, 따라 하기 매우 쉽게 설계되었습니다.
|

우리의 목표는 AI에 첫발을 내딛는 초보자부터 가능성의 한계를 넓히려는 숙련된 전문가에 이르기까지 모든 이에게 가치 있는 리소스를 제공하는 것입니다. 기초부터 복잡한 단계에 이르는 다양한 예시를 제공함으로써, 급속도로 진화하는 생성형 AI (GenAI) 에이전트 분야에서의 학습, 실험 및 혁신을 촉진하고자 합니다.

나아가, 이 저장소는 혁신적인 에이전트 창작물을 선보이는 플랫폼 역할을 합니다. 여러분이 새로운 에이전트 아키텍처 (Agent Architecture)를 개발했든, 기존 기술에 대한 혁신적인 응용 방법을 찾아냈든, 여러분의 작업물을 커뮤니티와 공유하기를 권장합니다.

🚀 저의 Agents Towards Production 저장소와 함께 수준을 높여보세요. 이 저장소는 프로덕션급 (Production-grade) GenAI 에이전트를 구축하는 생애 주기(Lifecycle)의 모든 도구와 단계를 다루는 수평적이고 코드 우선적인 (Code-first) 튜토리얼을 제공합니다. 검증된 패턴과 실제 출시를 위한 재사용 가능한 청사진을 통해 아이디어의 불꽃에서 확장 단계까지 안내하며, 에이전트를 실제 서비스로 출시하는 데 진심이라면 가장 스마트한 시작점이 될 것입니다.

📚 저의 RAG 기술에 관한 종합 가이드에 몰입하여, 외부 지식을 AI 시스템에 통합하고 최신 및 관련 정보 검색을 통해 시스템의 능력을 향상시키는 방법을 배워보세요.

🖋️ 저의 프롬프트 엔지니어링 기술 (Prompt Engineering Techniques) 가이드를 탐색하여 기초 개념부터 고급 방법론까지 광범위한 프롬프팅 전략 컬렉션을 확인하고, AI 언어 모델과 효과적으로 소통하는 능력을 키워보세요.

이 저장소는 여러분의 기여를 통해 더욱 강력해집니다! 이 프로젝트를 함께 형성하고 발전시키기 위한 중심 허브인 우리의 활기찬 커뮤니티에 참여하세요 🤝

배우고자 하는 열망이 가득한 초보자이든, 지식을 공유할 준비가 된 전문가이든, 여러분의 통찰력은 GenAI 에이전트의 미래를 형성할 수 있습니다. 아이디어를 제안하고, 피드백을 받으며, 혁신적인 구현에 협업하기 위해 저희와 함께하세요. 기여 가이드라인에 대해서는 CONTRIBUTING.md 파일을 참조해 주세요. 함께 GenAI 에이전트 기술을 발전시켜 나갑시다!

🔗 GenAI, 에이전트(agents)에 대한 논의를 나누거나 지식 공유 기회를 탐색하려면, 언제든지 LinkedIn에서 연결해 주세요.

🎓 초급부터 고급 수준까지 GenAI 에이전트 구축법 학습
🧠 광범위한 에이전트 아키텍처(architectures) 및 애플리케이션 탐색
📚 단계별 튜토리얼 및 포괄적인 문서 제공
🛠️ 실용적이고 즉시 사용 가능한 에이전트 구현체
🌟 GenAI의 최신 발전 사항을 반영한 정기적인 업데이트
🤝 커뮤니티와 함께 자신만의 에이전트 제작물 공유

아래는 카테고리 및 기능별로 정리된 GenAI 에이전트 구현체에 대한 종합적인 개요입니다. 각 구현체는 기본적인 대화형 에이전트(conversational agents)부터 복잡한 멀티 에이전트 시스템(multi-agent systems)에 이르기까지 AI 에이전트 개발의 다양한 측면을 보여주도록 설계되었습니다.

#	카테고리	에이전트 이름	프레임워크 (Framework)	주요 특징
1	🌱 초급	Simple Conversational Agent	LangChain/PydanticAI	문맥 인식 대화, 히스토리 관리
2	🌱 초급	Simple Question Answering	LangChain	질의 이해, 간결한 답변
3	🌱 초급	Simple Data Analysis	LangChain/PydanticAI	데이터셋 해석, 자연어 질의
4	🔧 프레임워크	Introduction to LangGraph	LangGraph	모듈형 AI 워크플로우, 상태 관리
5	🔧 프레임워크	Model Context Protocol (MCP)	MCP	AI 외부 리소스 통합
6	🎓 교육용	ATLAS: Academic Task System	LangGraph	멀티 에이전트 학술 계획, 노트 작성
7	🎓 교육용	Scientific Paper Agent	LangGraph	문헌 검토 자동화
8	🎓 교육용	Chiron - Feynman Learning	LangGraph	적응형 학습, 체크포인트 시스템
9	💼 비즈니스	Customer Support Agent	LangGraph	질의 분류, 감성 분석
10	💼 비즈니스	Essay Grading Agent	LangGraph	자동 채점, 다중 기준
11	💼 비즈니스	Travel Planning Agent	LangGraph	개인화된 여행 일정
12	💼 비즈니스

카테고리별로 분류된 GenAI 에이전트 구현의 광범위한 목록을 살펴보세요:

단순 대화형 에이전트 (Simple Conversational Agent)
문맥을 인식하는 대화형 AI는 상호작용 전반에 걸쳐 정보를 유지하여 더욱 자연스러운 대화를 가능하게 합니다.

언어 모델 (language model), 프롬프트 템플릿 (prompt template), 그리고 히스토리 매니저 (history manager)를 통합하여 문맥에 맞는 응답을 생성하고 대화 세션을 추적합니다.

LangChain과 OpenAI의 언어 모델을 사용하는 질의응답 (QA) 에이전트는 사용자 질의를 이해하고 관련성 있고 간결한 답변을 제공합니다.

OpenAI의 GPT 모델, 프롬프트 템플릿, 그리고 LLMChain을 결합하여 사용자 질문을 처리하고 효율적인 방식으로 AI 기반 응답을 생성합니다.

단순 데이터 분석 에이전트 (Simple Data Analysis Agent)
AI 기반 데이터 분석 에이전트는 자연어를 사용하여 데이터셋에 관한 질문을 해석하고 답변하며, 언어 모델과 데이터 조작 도구를 결합하여 직관적인 데이터 탐색을 지원합니다.

언어 모델 (Language Model), 데이터 조작 프레임워크 (Data Manipulation Framework), 그리고 에이전트 프레임워크 (Agent Framework)를 통합하여 자연어 질의를 처리하고 합성 데이터셋 (Synthetic Dataset)에 대한 데이터 분석을 수행함으로써, 비기술적 사용자도 쉽게 통찰을 얻을 수 있도록 지원합니다.

이 튜토리얼은 모듈식의 그래프 기반 AI 워크플로우 (AI Workflows)를 생성하기 위한 강력한 프레임워크인 LangGraph를 소개합니다. LangGraph를 활용하여 다단계 프로세스를 효율적으로 처리할 수 있는 더욱 복잡하고 유연한 AI 에이전트 (AI Agents)를 구축하는 방법을 배워보세요.

LangGraph를 사용하여 StateGraph 워크플로우를 생성하는 단계별 가이드입니다. 이 튜토리얼은 상태 관리 (State Management), 노드 생성 (Node Creation), 그래프 컴파일 (Graph Compilation)과 같은 핵심 개념을 다룹니다. 간단한 텍스트 분석 파이프라인 (Text Analysis Pipeline)을 구축함으로써 이러한 원칙들을 시연하며, 이는 더 발전된 에이전트 아키텍처 (Agent Architectures)를 위한 토대가 됩니다.

이 튜토리얼은 AI 모델을 외부 데이터 소스 및 도구와 연결하기 위한 개방형 표준인 모델 컨텍스트 프로토콜 (Model Context Protocol, MCP)을 소개합니다. MCP가 생성형 AI (GenAI) 에이전트와 더 넓은 디지털 생태계 사이에서 어떻게 보편적인 가교 역할을 수행하여, 더욱 유능하고 문맥을 인식하는 (Context-aware) AI 애플리케이션을 가능하게 하는지 알아보세요.

MCP 서버와 클라이언트를 구현하는 실습 가이드를 제공하며, 언어 모델을 외부 도구 및 데이터 소스와 연결하는 방법을 시연합니다. 이 튜토리얼은 서버 설정, 도구 정의, AI 클라이언트와의 통합을 다루며, 프로토콜을 통해 유용한 에이전트 기능을 구축하는 실질적인 예시를 제공합니다.

ATLAS는 AI 기반 지원을 통해 학술 지원을 혁신하는 지능형 멀티 에이전트 시스템 (Multi-agent System)을 구축하는 방법을 보여줍니다. 이 시스템은 LangGraph의 워크플로우 프레임워크를 활용하여 개인화된 학업 계획, 노트 필기 및 상담 지원을 제공하는 여러 전문화된 에이전트들을 조율합니다.

LangGraph의 워크플로우 프레임워크를 통해 협력하는 4개의 전문화된 에이전트(Coordinator, Planner, Notewriter, Advisor)를 사용하여 상태 관리형 멀티 에이전트 아키텍처 (state-managed multi-agent architecture)를 구현합니다. 이 시스템은 프로필 분석 및 학업 지원을 위한 정교한 워크플로우를 특징으로 하며, 학생의 성과와 피드백을 바탕으로 지속적인 적응을 수행합니다.

조율된 워크플로우를 통해 사용자가 과학 문헌을 탐색, 이해 및 분석할 수 있도록 돕는 지능형 연구 보조 도구입니다. 이 시스템은 학술 API와 정교한 논문 처리 기술을 결합하여 문헌 검토 (literature review) 작업을 자동화하며, 연구자가 연구의 엄격함과 품질 관리를 유지하면서 학술 논문으로부터 통찰력을 효율적으로 추출할 수 있도록 지원합니다.

NirDiamant/GenAI_Agents

요약

핵심 포인트

댓글