상세정보

랭체인을 처음 접하는 독자들을 위해 기획되었다. LLM 기반 애플리케이션은 다양하고 폭넓은 가능성을 가진 매력적인 개발 대상이지만, 관련 경험이 있는 개발자가 적고 입문서도 부족한 상황이다. 앞서 『파이썬 머신러닝 판다스 데이터 분석』을 통해 입문자를 위한 쉬운 설명을 선보인 핀테크 스타트업 대표이자 인공지능 강사인 오승환 저자가 직접 집필해, 초보자도 LLM 기반 애플리케이션의 전반적인 흐름을 이해할 수 있도록 쉽게 설명했다.

랭체인의 기본 문법부터 OpenAI, Google 등 다양한 LLM 공급자 이해 및 사용 방법과 챗봇 구현, RAG 개념 이해와 구현을 배운다. 그리고 랭체인의 특징인 다양한 도구와 에이전트 활용법을 학습한다. 마지막으로 3가지의 실전 프로젝트를 통해 뉴스 본문 추출부터 감성 분석, 다양한 오픈 소스 모델 활용법, Pandas와 PythonREPL을 활용한 자동화 방법 등을 실습할 수 있다. 복잡한 개념을 단계별로 소화하고, 실습으로 실질적인 성취감을 얻을 수 있도록 구성했다. 많은 독자가 이 책을 통해 랭체인이라는 새로운 가능성의 세계로 들어가길 바란다.

초보자를 위한 랭체인 실전 가이드

이 책은 랭체인을 처음 접하는 독자들을 위해 기획되었다. LLM 기반 애플리케이션은 다양하고 폭넓은 가능성을 가진 매력적인 개발 대상이지만, 관련 경험이 있는 개발자가 적고 입문서도 부족한 상황이다. 앞서 『파이썬 머신러닝 판다스 데이터 분석』을 통해 입문자를 위한 쉬운 설명을 선보인 핀테크 스타트업 대표이자 인공지능 강사인 오승환 저자가 직접 집필해, 초보자도 LLM 기반 애플리케이션의 전반적인 흐름을 이해할 수 있도록 쉽게 설명했다.
랭체인의 기본 문법부터 OpenAI, Google 등 다양한 LLM 공급자 이해 및 사용 방법과 챗봇 구현, RAG 개념 이해와 구현을 배운다. 그리고 랭체인의 특징인 다양한 도구와 에이전트 활용법을 학습한다. 마지막으로 3가지의 실전 프로젝트를 통해 뉴스 본문 추출부터 감성 분석, 다양한 오픈 소스 모델 활용법, Pandas와 PythonREPL을 활용한 자동화 방법 등을 실습할 수 있다. 복잡한 개념을 단계별로 소화하고, 실습으로 실질적인 성취감을 얻을 수 있도록 구성했다. 많은 독자가 이 책을 통해 랭체인이라는 새로운 가능성의 세계로 들어가길 바란다.

RAG 챗봇부터 에이전트까지, 단계별 실습으로 배우는 랭체인의 모든것!

랭체인은 대규모 언어 모델인 LLM을 기반으로 애플리케이션을 구축하기 위한 오픈 소스 프레임워크다. 특히 랭체인은 LLM을 단순히 사용하는 것을 넘어, 특유의 확장성으로 다양한 데이터 소스, 도구, 외부 시스템과 LLM을 유연하게 연결할 수 있기 때문에 앞으로의 활용 가능성이 크다. 빠르게 변화하는 AI와 LLM 기술 흐름에 맞추려면 지속적인 학습과 실습이 필수적이지만, 무작정 시작하면 복잡한 구조와 개념적 장벽에 부딪혀 어려움을 느낄 가능성이 높다. 그래서 『랭체인 입문』은 챗봇 스타일의 대화형 RAG 시스템과 구축 과정, LLM 기반 애플리케이션의 전반적인 흐름을 초보자도 이해할 수 있도록 쉽게 설명하고, 실습을 통해 직접 따라 해볼 수 있도록 구성했다.
이 책에서는 채팅 모델을 사용하는 대화형 챗봇 개발, 질의응답 RAG Chain 구현, 랭체인의 내장 도구 활용과 사용자 정의 도구 만들기, 에이전트 구현과 에이전트 기반의 RAG 챗봇 구축 그리고 3가지의 실전 프로젝트 등을 학습할 수 있다. 모든 예제는 단계별로 구성해 초보자도 쉽게 이해할 수 있게 했다. 개념 학습과 구현 목표를 먼저 이해하고 목적에 맞춰 예제를 순차적으로 실행하며, 실행 결과와 코드 설명을 확인할 수 있도록 구성해 체계적으로 이해와 실습을 할 수 있도록 했다. 랭체인의 기본 문법과 LLM을 이해하고자 하는 사람들, 특히 생성형 인공지능을 직접 서비스에 통합해 보고, 챗봇과 RAG 시스템을 직접 구축해 보고 싶은 사람이라면 이 책이 도움이 될 것이다.

정보제공 :

PART 01 랭체인(LangChain) 개요

001 LangChain이란? 

002 LangChain Expression Language(LCEL) 이해 

003 LangChain 주요 컴포넌트 



PART 02 채팅 모델(Chat Model) 공급자 및 사용 방법

001 OpenAI 

002 Anthropic 

003 Google 

004 Groq 

005 Ollama 



PART 03 간단한 챗봇 만들기 

001 기본 챗봇 구현 

002 챗봇에 메모리 추가하기 



PART 04 RAG 개념 이해 및 구현 

001 RAG(Retrieval-Augmented Generation) 개념 

002 문서 로딩 및 분할 

003 임베딩 모델

004 벡터 저장소 구축 

005 질의응답 RAG Chain 구현 



PART 05 Tool Calling 

001 도구(Tools)의 개념과 역할 

002 LangChain 내장 도구 사용하기 

003 사용자 정의 도구 만들기 

004 구조적 출력(Structured Output) 활용 



PART 06 Agent 

001 에이전트(Agent) 개념 이해 

002 기본 에이전트 구현 

003 에이전트 실행도구에 메모리 기능 추가 

004 랭그래프(LangGraph) 에이전트 구현 

005 에이전트 기반의 RAG 챗봇 구현 



PART 07 실전 프로젝트 

001 LangChain을 이용한 뉴스 분석 프로젝트 

002 Ollama 활용 오픈 소스 로컬 RAG 구현 

003 데이터 분석 및 코드 실행 에이전트

정보제공 :