"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."
솔직히 고백하자면 나는 개발자이긴 한데 AI 쪽은 거의 문외한이다.
ChatGPT나 클로드 같은 건 쓰고 있지만, 그게 내부적으로 어떻게 돌아가는지는 관심을 크게 두지 않았다.
그냥 질문하면 답이 나오는 도구 정도로 인식하고 있었다.
그런데 요즘 주변에서 "AI 에이전트"라는 말이 너무 자주 들린다.
뭔가 나만 뒤처지고 있는 것 같은 느낌이 들기 시작했고, 한번쯤 제대로 들여다봐야겠다는 생각이 들었다.
이 책은 바로 그런 사람에게 어울리는 책이었다.
책 목차
- PART 01 / AI 에이전트의 개념과 원리
- PART 02 / 랭그래프로 구현하는 AI 에이전트 (싱글 에이전트)
- PART 03 / 멀티 에이전트 시스템 메모리 설계와 구현
- PART 04 / 프로토콜 기반 에이전트 확장 전략
- PART 05 / 멀티 에이전트 실전 프로젝
총 25가지 에이전트를 직접 만들어보는 구성이다.
입문부터 실전까지 한 권에 담으려다 보니 652쪽이라는 두께는 예고된 수순이었다.
앞쪽은 개념과 기초, 뒤로 갈수록 멀티 에이전트와 실전 통합으로 넘어가는 흐름이다.
개인적으로는 가치가 PART 03 이후에 몰려 있다고 느꼈다.
책 내용 중 흥미로웠던 부분
PART 01 / LLM이 어떻게 결정을 내리는지부터 설명한다
대부분의 책들이 프레임워크 사용법부터 시작하는 것과 달리, 이 책은 LLM의 동작 원리부터 출발한다.
LLM은 매 호출마다 주어진 컨텍스트만 처리하고 그 이상은 기억하지 못한다.
에이전트 프레임워크는 이 무상태 엔진 주위에 상태 관리, 도구 호출, 메모리 레이어를 씌워
"생각하고 행동하는" 시스템처럼 동작하게 만드는 것이다.
특히 ReAct와 Reflection 개념을 먼저 짚어주는 부분이 좋았다.
ReAct는 "생각하고 → 행동하고 → 관찰하는" 루프, Reflection은 스스로 결과를 검토하고 수정하는 능력이다.
이게 이해되고 나니 에이전트가 왜 단순한 LLM 호출과 다른지 납득이 됐다.
PART 02 / 랭그래프가 왜 그래프 구조인지 이해됐다
랭그래프의 그래프 기반 구조를 처음 봤을 때는 "왜 이렇게 복잡하게 만들었나" 싶었다.
책을 읽고 나서야 납득이 됐다.
에이전트의 흐름은 단순한 순차 실행이 아니라, 조건에 따라 분기하고 반복하고 되돌아가는 구조다.
이걸 표현하기에 그래프가 가장 자연스러운 방식이라는 것이다.
노드(처리 단계)와 엣지(분기 조건)로 흐름을 제어하는 방식은
개발할 때 상태 머신이나 플로우차트로 로직을 설계하는 것과 맥락이 닿아 있었다.
PART 03 / 왜 에이전트를 여러 개로 나누는가
"왜 에이전트를 여러 개로 나눠야 하는가?"라는 질문에 책은 납득가는 답을 내놓는다.
하나의 에이전트에 도구가 많아지면 LLM의 판단 정확도가 떨어지고, 유지보수도 어려워진다.
슈퍼바이저 에이전트가 서브 에이전트에게 작업을 위임하는 구조가 왜 더 안정적인지를
코드와 함께 보여주는 방식이 인상적이었다.
단순히 "이렇게 해라"가 아니라 "안 나누면 이런 문제가 생긴다"를 먼저 보여주는 것이다.
함수가 너무 커지면 쪼개는 것과 같은 논리라 이해가 빨랐다.
PART 04~05 / RAG, MCP, A2A
RAG는 LLM이 모르는 내용을 외부 문서에서 검색해서 답하게 하는 기술이다.
이 책은 RAG를 단순히 "벡터 DB에서 꺼내기"로 설명하지 않고,
어떤 데이터를 어떻게 쪼개고 인덱싱할지까지 다루는 부분이 실무적으로 느껴졌다.
MCP(Model Context Protocol)와 A2A(Agent-to-Agent)는 이름만 봐서는 뭔지 전혀 감이 안 왔다.
읽고 나서 이해한 건 이렇다.
에이전트마다 외부 도구나 다른 에이전트와 연결하는 방식이 제각각이면 나중에 통합이 엉망이 된다.
그래서 "이렇게 연결하자"는 표준을 만든 것이 MCP와 A2A라는 것이다.
API 규격을 맞추는 이유와 같다. 표준 없이 각자 다른 방식으로 붙이면 통합할 때 지옥이 펼쳐진다.
책을 읽으며 좋았던 점
AI를 잘 모르는 개발자 입장에서 가장 좋았던 건, 코드 전에 "왜"를 먼저 설명한다는 점이다.
무작정 랭그래프 코드부터 들이밀지 않고, LLM이 왜 이런 구조를 필요로 하는지를 먼저 짚어준다.
덕분에 코드를 봤을 때 "이게 이래서 이렇게 생겼구나"가 이해됐다.
그냥 복붙해서 돌리는 것과는 완전히 다른 느낌이었다.
25가지 에이전트를 단계적으로 쌓아가는 구성도 좋았다.
앞에서 만든 것이 뒤에서 확장되는 흐름이라, 처음부터 끝까지 맥락이 끊기지 않았다.
책을 읽으며 아쉬웠던 점
첫째, 파이썬 기초가 어느 정도 있어야 따라갈 수 있다.
완전 비전공자나 파이썬을 처음 접하는 사람에게는 진입 장벽이 있을 것 같다.
이 책은 어디까지나 개발자를 대상으로 쓰여진 책이다.
둘째, LangChain과 LangGraph는 버전 업데이트가 빠른 라이브러리다.
책이 v1 기반으로 작성되어 있어서, 예제 코드를 그대로 실행하면 버전 차이로 오류가 날 수 있다.
저자가 유튜브 강의와 Q&A 채널을 함께 제공하고 있으니, 막히는 부분은 그쪽을 활용하는 게 좋을 것 같다.
셋째, AI 에이전트를 프로덕션에 올렸을 때 비용이나 성능 이슈를 어떻게 다루는지 내용이 조금 더 있었으면 했다.
실제로 서비스에 붙이려면 LLM 호출 비용이나 응답 속도도 신경 써야 하는데, 그 부분은 독자 몫으로 남겨진 것 같았다.
누가 읽으면 좋을까
- 개발 경험은 있지만 AI 에이전트는 처음인 사람
- LangChain, LangGraph 예제는 돌려봤는데 왜 그런 구조인지 이해가 안 됐던 사람
- LLM 라우팅, RAG, MCP, A2A 같은 키워드를 들어는 봤지만 개념 정리가 안 된 사람
- 업무 자동화에 AI를 직접 연결해보고 싶은 개발자
반대로 이미 에이전트를 실무에서 운영하고 있거나, 프레임워크 내부 구현까지 파고들고 싶은 사람에게는 다소 기초적으로 느껴질 수 있다.
이 책은 명확히 "입문+실전" 포지셔닝이다.
마무리 하며
개발자라면 새로운 기술이 나왔을 때 일단 써보고, 왜 이렇게 동작하는지 따라가는 과정이 익숙할 것이다.
AI 에이전트도 다를 게 없었다. 막연하게 어렵게 느껴졌던 건 그냥 낯설었기 때문이었다.
AI 에이전트가 아직 낯선 개발자라면, 이 책이 그 낯섦을 걷어내는 데 꽤 도움이 될 것이다.
나처럼 "일단 원리부터 이해하고 싶다"는 사람에게는 특히 잘 맞는 책이었다.
저자가 동영상 강의를 제공하고 있다. 아래 링크를 통해 확인해 볼 수 있다.
https://youtube.com/playlist?list=PLGdAO3WWoeI73hv_jTtKnOx7uqH5htc1a&si=0px9BhLsuwCgcDK5
도서링크: https://www.hanbit.co.kr/store/books/look.php?p_code=B5614034531