리코멘드출판사

지은이 이경록(테디노트), 김태한, 임한택, 최재훈,
강민석, 김성연

발행일 2026년 7월 6일

정 가 34,000원

분 량 432쪽

판 형 46배판(188*257)

ISBN 979-11-94084-43-3 93000

연령제한 모든 연령

실전 AI 에이전트 개발을 위한 그래프 기반 설계 원리와 구현 패턴

테디노트의 LangGraph 에이전트 비법노트

★ 단일 챗봇을 넘어 도구를 쓰고, 기억하고, 검증하며, 사람과 협업하는 AI 에이전트 구현

ChatGPT와 같은 LLM은 한 번의 질문에 답하는 데는 뛰어나지만, 여러 단계를 거쳐 판단하고 도구를 선택하며 작업을 끝까지 수행하는 ‘에이전트’가 되려면 체계적인 실행 흐름 설계가 필요하다. 이 책은 LangGraph를 활용해 에이전트 워크플로를 그래프로 모델링하는 방법을 다룬다. 상태(State)를 기반으로 노드와 에지를 조합하여 실행 흐름을 구성하고, 미들웨어와 가드레일로 에이전트의 동작을 제어하며, 메모리와 MCP로 외부 서비스와 연동하고, 여러 에이전트가 역할을 나누어 협업하는 멀티에이전트 아키텍처까지 단계적으로 구현한다. 1권 〈기본편〉에서 RAG 파이프라인을, 2권 〈심화편〉에서 고급 RAG와 에이전트를 다뤘다면, 이 3권은 LangGraph 기반으로 실제 서비스에서 동작하는 에이전트를 설계하고 구축하는 완결편이다.

주요 키워드 : LangGraph; 랭그래프; LangChain; 랭체인; AI 에이전트; 멀티에이전트; 테디노트; RAG; LLM; Agent; 에이전트 비법노트; StateGraph; 그래프 설계; 에이전트 워크플로; Human-in-the-Loop; HITL; 미들웨어; 컨텍스트 엔지니어링; 가드레일; MCP; Model Context Protocol; 멀티에이전트 감독자; Supervisor; 협업 네트워크; 계층적 에이전트; 서브그래프; 스트리밍; ToolNode; 구조화된 출력; 런타임; 메모리; 체크포인터; Agent Chat UI; 병렬 노드 실행; 팬아웃 팬인; 에이전트 구축; 상태 관리; LLM 애플리케이션; AI 개발; 파이썬 AI; 생성형 AI; 프로덕션 에이전트; 에이전트 아키텍처

종이책 구매 링크

전자책 구매 링크

저자 소개: 이경록(테디노트) — CEO, BrainCrew

삼성전자 무선사업부에서 소프트웨어 엔지니어로 출발했다. 2018년 AI 교육·개발 스타트업 브레인크루를 창업하며 현장 개발에 뛰어들었고, 데이터 분석, 머신러닝, 딥러닝 공부를 했던 것을 기반으로 생성형 AI 시대를 맞아 기술과 삶을 잇는 실전 개발을 끊임없이 하고 있다. 특히 2023년부터는 LLM·RAG 애플리케이션을 제작하며 〈랭체인 한국어 튜토리얼〉을 공개해 LangChain·LangGraph 생태계를 국내에 확산시켰고, 그 공로로 2025년부터 LangChain 글로벌 앰배서더로 활동하고 있다. 지금은 브레인크루 CEO로서 기업 도입 AI 솔루션 개발, AI 교육, 에이전트 빌더 플랫폼을 이끌며, 기업과 대학을 오가며 강연과 컨설팅을 통해 더 많은 학습자와 조직이 AI를 손에 쥘 수 있도록 돕고 있다. HS애드(HSAD) AI 기술자문, 신한은행 AX·Web3 Academy 기술파트너로도 함께하고 있다.

개발을 사랑하고 사람들과 소통하는 것을 즐기는 천직 개발자다. 또한 지식 공유의 즐거움을 원동력 삼아 LLM 애플리케이션의 최전선에서 '쉬운 기술 설명'을 전파하는 데 누구보다 진심이다. 이 마음으로 지식 공유 플랫폼 '테디노트' 블로그와 유튜브 채널(구독자 5.2만 명)을 운영하고 있다.

주요 이력

(현) LangChain 글로벌 앰배서더 (2025~현재)

(현) 브레인크루 CEO — 기업 도입 AI 솔루션 개발 / AI 교육 / 에이전트 빌더 플랫폼

HS애드(HSAD) AI 기술자문

신한은행 AX·Web3 Academy 기술파트너

前 삼성전자 무선사업부 소프트웨어 엔지니어

채널 및 링크

브레인크루: https://brain-crew.com

YouTube 테디노트: https://www.youtube.com/c/teddynote

최신 자료 공유 공간: https://linktr.ee/teddynote

저자 소개: 김태한 — AI Engineer, BrainCrew

김태한은 RAG·AI Agent·문서 처리 자동화 시스템을 설계·구현하는 AI Engineer이다. 연세대학교에서 의공학을 전공하고 의료영상 인공지능 연구실에서 AI 연구를 시작했다. 이후 네이버 커넥트재단 부스트캠프 AI Tech를 수료하며 컴퓨터 비전과 OCR 등 다양한 AI 프로젝트를 수행했고, 가짜연구소(PseudoLab)에서 LangChain, LangGraph 기반 멀티에이전트 시스템을 연구했다. 현재 BrainCrew에서 세무·복지 업무 자동화 멀티에이전트 시스템, 의료비 청구 자동화 에이전트 등 다양한 생성형 AI 서비스를 개발하고 있다.

저자 소개: 임한택 — AI Engineer, BrainCrew

임한택은 Agentic RAG와 멀티에이전트 시스템을 설계·구축하는 BrainCrew의 AI Engineer이다. ESG, 광고, 마케팅 등 다양한 도메인에 에이전트 시스템을 적용하며 다수의 프로젝트에 기여해 왔다. 현재는 금융권에 공급되는 BrainCrew의 AI 에이전트 빌더 플랫폼 개발에 참여하여 에이전트 시스템을 담당하고 있다.

저자 소개: 최재훈 — AI Research Engineer, BrainCrew

최재훈은 대규모 엔터프라이즈 환경에서 RAG·에이전트 시스템을 설계·구축하는 AI Research Engineer이다. 조선·건설·제조 등 레거시 환경에서 출발하여, 선박 도메인 프로젝트에서 2-Stage Retriever와 Table Serialization을 통해 Recall 95%를 달성하고, 제조 전문 AI 스타트업에서 Advanced RAG Pipeline을 개발해 글로벌 행사에서 선보였다. 현재 BrainCrew에서 대한민국 대표 통신사의 전사 AI 전환 프로젝트를 리드하며, 다양한 부서의 레거시 프로세스를 에이전트 기반으로 전환하는 작업을 주도하고 있다.

저자 소개: 강민석 — AI Engineer, BrainCrew

강민석은 RAG 검색 파이프라인과 에이전트 시스템을 설계·구현하는 AI Engineer이다. GS칼텍스 연구 보고서 에이전트, LG전자 라이프로그 어시스턴트, IBK캐피탈 문서 처리 등 엔터프라이즈 AI 프로젝트에서 기획부터 배포까지 경험했다. 미들웨어 기반 에이전트 아키텍처로 도메인 특화 시스템을 구축해 왔으며, 이 책에서도 다루는 Agent Chat UI를 오픈소스로 공개했다. 현재 BrainCrew 데이터팀에서 문서 파서 제품 고도화와 AI Agent 개발에 참여하고 있다.

저자 소개: 김성연 — AI Engineer, BrainCrew

김성연은 LLM·RAG 기반 AI 애플리케이션을 End-to-End로 설계·구현하는 AI Engineer이다. LangChain, LangGraph, MCP, Agent 워크플로를 중심으로 공공·금융·과학·전력 등 다양한 도메인의 생성형 AI 서비스를 구축해 왔다. 문서 전처리, 검색 구조 설계, 멀티턴 대화, 평가 자동화와 배포까지 제품화 가능한 AI 시스템을 만드는 데 집중하고 있으며, 현재 BrainCrew에서 RAG·Agent 시스템과 사내 AI 도구를 개발하고 있다.

책 소개

★ 단일 챗봇에서 ‘일하는 에이전트’로! LangGraph가 여는 새로운 설계 방식

LLM을 한 번 호출하고 끝내는 챗봇과 스스로 판단하고 도구를 선택하며 작업을 끝까지 수행하는 에이전트 사이에는 넘어야 할 설계의 벽이 있다. 이 책은 LangGraph를 활용해 에이전트 워크플로를 그래프로 모델링하는 방법을 다룬다. 상태(State), 노드(Node), 에지(Edge)로 실행 흐름을 구성하고, 조건부 분기와 루프를 활용해 동적으로 동작하는 에이전트를 직접 설계하며, 막연했던 ‘에이전트’라는 개념을 실행 가능한 설계도로 바꾸는 과정을 안내한다.

★ 공식 문서만으로는 부족했던 그 한 끗! 현장 개발자 6인의 실전 노하우

테디노트를 포함해 BrainCrew에서 LangGraph 기반 에이전트를 실제 엔터프라이즈 서비스에 적용하고 있는 AI Engineer 6명이 공동 집필했다. 공식 문서의 예제를 넘어, 프로덕션 환경에서 마주치는 문제와 그 해법을 담았다. 미들웨어로 실행 흐름을 제어하고, 가드레일로 입출력을 검증하며, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하는 등 현장에서 검증된 패턴을 예제 하나하나에 녹여 전달한다.

★ 에이전트 하나로 부족하다면? 감독자, 협업, 계층 구조까지 3가지 멀티에이전트 아키텍처

하나의 에이전트에 모든 도구와 역할을 맡기면 판단이 흐려지고 컨텍스트가 과도하게 커진다. 이 책은 감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조까지 세 가지 멀티에이전트 설계를 단계적으로 구현한다. 고객 지원 시스템 같은 실전 응용 사례를 통해 언제 어떤 구조를 선택해야 하는지 판단하는 감각도 함께 기른다.

★ 테디노트의 비법노트 시리즈 완결편! 기본편·심화편을 넘어 에이전트 개발자로

1권 〈기본편〉에서 8단계 RAG 파이프라인을, 2권 〈심화편〉에서 고급 RAG와 에이전트를 다뤘다면, 이 3권은 LangGraph 기반으로 실제 서비스에서 동작하는 에이전트를 설계하고 구축하는 완결편이다. 메모리와 MCP로 외부 서비스와 연동하고, Human-in-the-Loop로 사람의 판단을 개입시키며, 서브그래프로 기능을 모듈화하고, Agent Chat UI로 실시간 웹 인터페이스까지 구축하는 전체 과정을 한 권에 담았다.

★ 이 책으로 완벽하게 얻을 수 있는 것! 새로운 도구가 등장해도 흔들리지 않는 설계 원리

특정 라이브러리의 사용법을 외우는 데 그치지 않는다. 상태를 어떻게 관리할지, 흐름을 어떻게 나눌지, 사람과 도구를 언제 끌어들일지 같은 본질적인 질문을 붙잡는다. 이 책을 끝까지 따라오면 단순히 예제 몇 개를 돌려 본 경험이 아니라 에이전트를 스스로 설계하는 안목과 현업에서 곧바로 쓸 수 있는 실전 감각이 손에 남는다.

▶ 이 책이 필요한 독자

- LangGraph를 활용해 에이전트 워크플로를 직접 설계하고 구현하려는 개발자

- 단순한 챗봇을 넘어 도구 사용, 메모리, 가드레일을 갖춘 프로덕션 수준의 에이전트를 구축하려는 실무자

- 멀티에이전트 시스템의 설계 패턴(감독자, 협업 네트워크, 계층적 팀)을 이해하고 적용하려는 엔지니어

- 1권 〈기본편〉, 2권 〈심화편〉을 학습한 뒤 에이전트 개발로 확장하려는 독자

- LLM 기반 AI 에이전트의 구조와 동작 원리를 체계적으로 이해하고 싶은 입문자

- 사내 업무 자동화, 고객 지원, 데이터 분석 등에 에이전트를 적용하려는 기업 담당자

▶ 이 책에서 다루는 내용

PART 01 LangGraph 기초

LangGraph의 핵심 구성 요소인 StateGraph, 상태, 노드, 에지를 학습하고, 리듀서로 상태 업데이트 방식을 제어하며, Send를 활용한 병렬 처리와 Command를 활용한 동적 라우팅까지 실습한다.

PART 02 에이전트

에이전트의 기본 구조인 모델과 프롬프트 설정부터 런타임에서 컨텍스트와 인증 정보를 다루는 방법, 구조화된 출력으로 LLM 응답을 안정적으로 받는 방법, Human-in-the-Loop로 고위험 작업에 사람의 판단을 개입시키는 패턴까지 다룬다.

PART 03 에이전트 확장

미들웨어로 에이전트 실행 흐름을 제어하고, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하며, 가드레일로 안전한 응답을 보장한다. 이어서 메모리를 추가하여 대화를 기억하는 에이전트를 구축하고, MCP를 통해 외부 서비스와 연동하는 방법까지 실습한다.

PART 04 멀티에이전트

감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조를 구현한다. 고객 지원 시스템 같은 실전 응용 사례도 다룬다.

PART 05 핵심 기능 구현하기

도구 호출과 상태 수동 업데이트, 서브그래프를 활용한 모듈화, 다양한 스트리밍 모드, 병렬 노드 실행을 직접 구현한다. 마지막으로 Agent Chat UI를 구축하여 에이전트를 실시간 웹 인터페이스에서 검증하는 방법을 다룬다.

본문 인용

LangGraph의 핵심은 에이전트 워크플로(Agent Workflow)를 그래프(Graph)로 모델링하는 것입니다. 그래프는 노드와 에지로 구성되며, 상태를 통해 데이터가 노드 간에 전달됩니다. 마치 지하철 노선도처럼, 각 역(노드)에서 승객(데이터)이 타고 내리며, 노선(에지)을 따라 목적지까지 이동하는 것과 비슷합니다.

--- p.022

AI 에이전트가 파일을 삭제하거나, 이메일을 전송하거나, 데이터베이스를 수정하는 작업을 사람의 최종 승인 없이 수행한다면 돌이킬 수 없는 결과를 초래할 수 있습니다. Human-in-the-Loop(HITL)는 에이전트가 특정 작업을 수행하기 전에 반드시 사람의 승인을 받도록 하는 메커니즘입니다.

--- p.091

에이전트를 구축하는 데 있어 가장 어려운 부분은 충분히 신뢰할 수 있게 만드는 것입니다. MVP 단계에서 잘 동작하는 에이전트도 실제 환경에서는 종종 실패하기도 합니다. 대부분의 실패 원인은 LLM 자체의 능력 부족이 아니라, 올바른 컨텍스트가 LLM에 전달되지 않기 때문입니다.

--- p.134

하나의 에이전트가 모든 판단과 도구 사용을 처리하는 대신, 여러 에이전트가 각자의 역할을 나누어 맡고 하나의 흐름 안에서 협력하도록 설계하는 방법을 알아보겠습니다. 여기서 중요한 것은 작업을 어떻게 분해하고, 누구에게 넘기며, 어떤 기준으로 결과를 모아 다음 단계로 이어갈 것인가입니다.

--- p.247

Page updated

Report abuse