LangChain 실무 마스터 PDF

이 책은 이렇게 만들었습니다

코드를 전부 실행해서 확인했습니다

LangChain 1.3 기준으로 썼습니다

목차

• INTRODUCTION 이 책을 시작하기 전에
• 이 책의 목표와 대상 독자
• 실습 환경
• 표기 규칙

• CHAPTER 1 LLM 시대의 AI 에이전트와 LangChain
• 1.1 AI 에이전트란 무엇인가
• 1.2 에이전트의 핵심 능력 5가지
• 1.3 에이전트 기술의 진화: 규칙에서 LLM으로
• 1.4 LangChain이 해결하는 문제
• 1.5 첫 에이전트 코드 훑어보기

• CHAPTER 2 개발 환경 구축과 첫 LLM 호출
• 2.1 실습 환경 준비 — 두 가지 선택지
• 2.2 API 키 발급과 안전한 관리
• 2.3 패키지 설치와 버전 고정
• 2.4 첫 호출: LLM과 챗 모델

• CHAPTER 3 핵심 컴포넌트: 프롬프트, 체인, LCEL
• 3.1 PromptTemplate — 프롬프트의 부품화
• 3.2 체인의 개념 — 컴포넌트를 이어 붙이기
• 3.3 LCEL — 파이프 연산자로 체인 만들기
• 3.4 순차 체인 실습 — AI 비즈니스 어드바이저 만들기
• 3.5 출력 파싱과 시각화

• CHAPTER 4 대화를 기억하는 메모리
• 4.1 왜 메모리가 필요한가
• 4.2 LangGraph 체크포인터 — 대화를 기억하는 기본
• 4.3 스레드로 대화를 분리하기
• 4.4 긴 대화 다루기 — 윈도우와 요약
• 4.5 벡터 메모리 — 관련 있는 기억만 검색하기
• 4.6 대화를 디스크에 남기기

• CHAPTER 5 도구(Tools)와 에이전트
• 5.1 도구란 무엇인가
• 5.2 내장 도구와 Tavily 웹 검색
• 5.3 커스텀 도구 만들기
• 5.4 에이전트 구성: create_agent
• 5.5 실습: 고객지원 에이전트 만들기
• 5.6 실습: 파일 시스템 에이전트

• CHAPTER 6 문서 처리와 RAG
• 6.1 RAG의 원리
• 6.2 Document Loader — 문서 읽어 들이기
• 6.3 텍스트 분할 전략
• 6.4 임베딩 — 텍스트를 벡터로
• 6.5 벡터 스토어 — Chroma로 저장과 검색
• 6.6 리트리버와 RAG 체인 — 질의응답 완성
• 6.7 검색 고도화 4종 세트
• 6.8 실습: 사내 지식베이스 시스템
• 6.9 실습: 멀티 에이전트 QA 시스템

• CHAPTER 7 LangChain 에코시스템: LangGraph · LangSmith · LangMem
• 7.1 에코시스템 지도
• 7.2 LangGraph 기초: StateGraph
• 7.3 조건 분기 라우팅
• 7.4 장기 기억 — LangMem의 개념과 미니 구현
• 7.5 LangSmith — 추적과 평가
• 7.6 통합 예제: LangGraph + LangSmith 라우팅 QA

• CHAPTER 8 실무 프로젝트 5선
• 8.1 프로젝트 ① 인텔리전트 고객지원 봇
• 8.2 프로젝트 ② 계약서 분석 에이전트 — 구조화 출력
• 8.3 프로젝트 ③ 연구 어시스턴트 에이전트 — 멀티 툴
• 8.4 프로젝트 ④ LangGraph 제품개발 워크플로
• 8.5 프로젝트 ⑤ 프로그래밍 교육 어시스턴트

• APPENDIX A 참고 링크집
• 공식 문서
• 서비스·플랫폼
• 심화 학습 자료

• APPENDIX B 버전 가이드와 트러블슈팅
• B.1 이 책의 검증 버전
• B.2 자주 만나는 오류와 해법
• B.3 비용 절약 체크리스트

• APPENDIX C 구버전 API → 최신 API 마이그레이션 치트시트
• C.1 사라진 모듈
• C.2 체인
• C.3 에이전트
• C.4 메모리
• C.5 그 밖에

• APPENDIX D 참고문헌 — 더 깊이 읽을거리

• APPENDIX E 연습문제 풀이

• 마치며 — 다음 단계

특히 공들인 부분

• 1.4.1 에이전트가 필요 없는 경우 — 에이전트 책에 "쓰지 말라"는 절을 넣었습니다. 도구를 n번 쓰면 LLM 호출이 n+1번이라 느리고 비쌉니다. 가르는 기준은 한 문장 — "실행 순서를 내가 미리 알 수 있는가?"

• 6.1.1 그냥 다 넣으면 안 되나 — "요즘 모델은 컨텍스트가 기니까 RAG는 한물갔다"는 말에 정면으로 답합니다. 절반만 맞습니다. 비용·정확도·갱신 세 축으로 판단 기준을 세웁니다

• 6.4 임베딩 — 차원을 3072에서 1536·768로 줄이는 MRL 기법. 그런데 줄이면 정규화가 풀려서 코사인과 내적이 달라집니다. 이걸 모르면 검색이 "의미가 가까운 문서"가 아니라 "벡터가 긴 문서"를 반환합니다. 실측값과 함께 설명합니다

• 6.5 유사도 알고리즘 — 코사인·내적·L2의 관계, HNSW·IVF·PQ·DiskANN 인덱스 비교, Chroma의 기본 거리 함수가 코사인이 아니라 L2라는 함정

• 5장 도구와 에이전트 — LLM이 도구를 고를 때 함수 코드는 전혀 보지 않는다는 점. 실제로 모델에게 전달되는 JSON 스키마를 보여줍니다

• 부록 E 연습문제 풀이 — 23문항 전체. 답만이 아니라 "열린 문제는 스스로 점검하는 기준"까지

무엇을 받나

📕 전자책 PDF 2권

• 한글판 『LangChain 실무 마스터』 — 103쪽

• 영문판 『Mastering LangChain in Practice』 — 112쪽

💻 실습 노트북 12편 (GitHub 비공개 저장소)

• 1~7장 각 1편 + 8장 프로젝트별 5편

• 코드 셀 102개, 셀마다 "무엇을 하는 셀인지" 설명 포함

• 6장에는 실습용 PDF·텍스트 파일이 들어 있어 API 키 없이도 바로 실행됩니다

• uv와 pip 양쪽 설치 방법 제공