문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
LLM 에이전트 시스템 소개
- LLM 에이전트 및 다중 에이전트 아키텍처 개념
- AutoGen 프레임워크 및 생태계 개요
- 에이전트 역할: 사용자 프록시, 지원자, 함수 호출자 등
AutoGen 설치 및 설정
- Python 환경과 의존성 설정
- AutoGen 구성 파일 기초
- LLM 공급자(OpenAI, Azure, 로컬 모델) 연결
에이전트 설계 및 역할 할당
- 에이전트 유형과 대화 패턴 이해
- 에이전트 목표, 프롬프트, 지시사항 정의
- 역할 기반 작업 위임 및 제어 흐름
함수 호출 및 도구 통합
- 에이전트 사용을 위한 함수 등록
- 자율적이고 협력적인 함수 실행
- 외부 API와 Python 스크립트를 에이전트에 연결
대화 관리 및 메모리
- 세션 추적과 영속적 메모리
- 에이전트 간 메시지 전송 및 토큰 처리
- 대화 맥락과 이력 관리
단계별 에이전트 워크플로우
- 다단계 협업 작업 구축(예: 문서 분석, 코드 검토)
- 사용자-에이전트 대화 및 결정 체인 시뮬레이션
- 에이전트 성능 디버깅 및 개선
사용 사례 및 배포
- 내부 자동화 에이전트: 연구, 보고서 작성, 스크립팅
- 외부 사용자 대상 봇: 채팅 어시스턴트, 음성 통합
- 제작 환경에서 에이전트 시스템을 패키징하고 배포
요약 및 다음 단계
요건
- Python 프로그래밍 이해
- 대규모 언어 모델 및 프롬프트 엔지니어링에 대한 지식
- API 및 자동화 워크플로우 경험
대상자
- AI 엔지니어
- ML 개발자
- 자동화 아키텍트
21 시간
회원 평가 (1)
트레이너가 질문에 즉시 답변합니다.
Adrian
코스 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
기계 번역됨