모듈 Gen-4: 생성형 AI 서비스 개발의 이해 (LangChain) (24h)
학습 결과
학생은 LangChain을 이용하여 LLM·도구·메모리를 통합한 Agent를 구현하고, 엔터프라이즈급 서비스를 배포할 수 있다.
선행 학습
- Module Gen-1, Gen-2: LLM 기초 + Fine-tuning
- Module Gen-3: Vector DB 검색
- Module M4, M6 (데이터분석): FastAPI·Docker 배포 기술
ABCD 학습목표 & Bloom 수준
| # | ABCD 학습목표 | Bloom 수준 | 관련 sources | 평가 방법 |
|---|---|---|---|---|
| Gen-4-1 | Behavior: LangChain의 Chain·Memory·Tool 3가지 컴포넌트를 이용하여 대화 시스템을 구현하고 / Condition: 외부 API(검색·계산)와 연동하여 / Degree: 멀티턴 대화가 컨텍스트 유지 가능 | Apply | langchain-agents, rag-langchain-implementation-datacamp | 대화 시스템 검증 |
| Gen-4-2 | Behavior: ReAct(Reasoning+Acting) 패턴으로 Agent를 설계하고 / Condition: 복잡한 작업(예: 여행 계획 수립)에서 / Degree: 단계별 사고 과정이 명확하고 최종 결과가 정확 | Create | agentic-ai-design-patterns-2026 | Agent 성능 검증 |
📚 사용 Sources (권장 읽기 순서)
| 순서 | Sources | 학습목표 | 예상 학습 시간 | 비고 |
|---|---|---|---|---|
| 1️⃣ | langchain-agents | Gen-4-1 | 2.5h | 기초: LangChain Agent 아키텍처, ReAct 패턴, Tool Use, Memory |
| 2️⃣ | rag-langchain-implementation-datacamp | Gen-4-1 | 2h | 실전: LangChain RAG 구현, 청킹, 벡터 DB 연동 |
| 3️⃣ | agentic-ai-design-patterns-2026 | Gen-4-2 | 3.5h | 이론+고급: ReAct·Reflection·Tool Use·Planning·Multi-Agent 5가지 패턴 |
| 학습 시간 합계 | Gen-4-1~Gen-4-2 | ~8h | 강의 24h 중 이론·실습 학습 부분 |
강의 자료 출처
- langchain-agents — LangChain Agent 아키텍처, 정적/동적 구성, Middleware (학습목표 Gen-4-1)
- rag-langchain-implementation-datacamp — LangChain RAG 구현, MMR 검색, 메타데이터 필터링 (학습목표 Gen-4-1)
- agentic-ai-design-patterns-2026 — ReAct·Reflection·Tool Use·Planning·Multi-Agent 패턴 + FastAPI 실전 (학습목표 Gen-4-2)
역링크
⬅️ lecture-planning-2026에서 참조