문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 21 시간 (3 일들)
코스 개요
LLM 에이전트 시스템 소개
- LLM 에이전트 및 멀티 에이전트 아키텍처 개념
- AutoGen 프레임워크 및 생태계 개요
- 에이전트 역할: 사용자 프록시, 어시스턴트, 함수 호출자 등
AutoGen 설치 및 구성
- Python 환경 및 의존성 설정
- AutoGen 설정 파일 기본 사항
- LLM 프로바이더(OpenAI, Azure, 로컬 모델) 연결
에이전트 설계 및 역할 배정
- 에이전트 유형 및 대화 패턴 이해
- 에이전트 목표, 프롬프트, 지침 정의
- 역할 기반 작업 위임 및 제어 흐름
함수 호출 및 도구 통합
- 에이전트 사용을 위한 함수 등록
- 자율적 및 협력적 함수 실행
- 외부 API 및 Python 스크립트를 에이전트에 연결
대화 관리 및 메모리
- 세션 추적 및 영속적 메모리
- 에이전트 간 메시지 전달 및 토큰 처리
- 대화 컨텍스트 및 히스토리 관리
엔드투엔드 에이전트 워크플로우
- 다단계 협력적 작업 구축 (예: 문서 분석, 코드 리뷰)
- 사용자-에이전트 대화 및 의사결정 체인 시뮬레이션
- 에이전트 성능 디버깅 및 개선
사용 사례 및 배포
- 내부 자동화 에이전트: 리서치, 보고, 스크립팅
- 외부 facing 봇: 채팅 어시스턴트, 음성 통합
- 프로덕션 환경에서 에이전트 시스템 패키징 및 배포
요약 및 다음 단계
요건
- Python 프로그래밍에 대한 이해
- 대규모 언어 모델 및 프롬프트 엔지니어링에 대한 숙지
- API 및 자동화 워크플로우 경험
대상 독자
- AI 엔지니어
- ML 개발자
- 자동화 아키텍트
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
