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

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리