문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
AutoGen 핵심 개념 살펴보기
- 에이전트와 그룹 정의 방법
- 함수 호출과 역할 연쇄 처리 방식
- 기본 제공 에이전트들의 한계점 및 커스터마이징 필요 상황
Python을 활용한 맞춤형 에이전트 개발
- UserProxyAgent와 AssistantAgent 서브클래스를 이용한 에이전트 동작 정의
- 역할별 로직과 의사결정 기능 구현하기
- 재사용 가능한 에이전트 모듈 및 믹스인 생성 방법
고급 도구 통합 및 라우팅 기술
- 도구 등록, 바인딩 및 호출 방식
- 입력값을 특정 도구로 조건부 라우팅하기
- 다단계 도구 체인과 복합 작업 관리 방법
계획 수립 및 컨텍스트 관리 기법
- 작업 분해 처리와 중간 계획 수립 구현하기
- 연쇄 구성된 에이전트 간에 컨텍스트 유지하기
- 장기 실행 세션용 스코프화된 메모리 적용법
오류 처리와 복구 메커니즘
- 실패하거나 불완전한 상호작용 감지 및 관리 방안
- 에이전트 기반 재시도 설정 및 폴백 로직 구성
- 로깅, 디버깅 그리고 응답 유효성 검사 수행 방법
맞춤형 역할 기반 다중 에이전트 협업 방식
- 동적 에이전트 그룹 내에서 전문가 간의 조율 방법
- 추론 반복 과정 및 공동 작업 흐름을 지휘하는 기술
- 작업 배분 시 역할 분리와 역할 혼합의 차이점 분석
실무 환경 적용 전략
- 성능 향상과 비용 절감을 위한 최적화 기법 (토큰 활용, 캐싱 등)
- AutoGen 워크플로우를 웹 애플리케이션 및 데이터 파이프라인에 통합하는 법
- 보안 유지 방안, 가시성 확보 및 사용자 피드백 수집 접근법
요약 및 향후 진행 과제 안내
요건
- Python 프로그래밍 실력이 뛰어나야 함
- LLM 기반 애플리케이션 개발 경험 필수
- 함수 호출 기능 및 다중 에이전트 시스템 설계에 대한 이해가 필요함
대상 수강생
- 시니어 레벨의 개발자들
- 플랫폼 엔지니어들
- AI 아키텍트들
14 시간
회원 평가 (1)
그가 계속해서 예시를 제공하면서도 그가 제시한 내용에 대해 개인적으로 작업할 시간을 주었다는 점이 마음에 들었습니다.
Iacob Giorgel
코스 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
기계 번역됨
