English summary. 83 hands-on scripts from the AI agent development track, reorganized by topic rather than by date: LLM basics and LCEL chains, prompt engineering and structured output parsers, document loaders and web search, RAG pipelines, LangGraph state machines, ReAct agents with memory, sync/async streaming, human-in-the-loop breakpoints, parallel branching with
Send, vector stores (Chroma / OpenSearch) and PostgreSQL persistence, Streamlit front-ends, and FastAPI serving.
LLM API 호출부터 시작해 RAG → LangGraph 상태 기계 → 에이전트 → 서비스 배포까지, AI 에이전트를 만드는 데 필요한 요소를 단계별로 실습한 코드 모음입니다.
원본은 날짜별 폴더였지만, 포트폴리오에서 흐름이 드러나도록 13개 주제로 재구성했습니다.
flowchart LR
A[LLM 기초<br/>LCEL] --> B[프롬프트·파서<br/>구조화 출력]
B --> C[로더·검색<br/>PDF·Web·Tavily]
C --> D[RAG<br/>임베딩·검색증강]
D --> E[LangGraph<br/>상태·조건분기]
E --> F[에이전트<br/>ReAct·메모리·도구]
F --> G[스트리밍 ·<br/>Human-in-the-loop]
G --> H[병렬분기 · DB]
H --> I[Streamlit ·<br/>FastAPI 서빙]
| # | 주제 | 내용 |
|---|---|---|
| 01 | llm_basics | OpenAI API 첫 호출, Ollama 로컬 LLM, LangChain Chat 모델, 프롬프트 템플릿, LCEL 체인 |
| 02 | prompt_and_parsers | ChatPromptTemplate, CoT 프롬프트, 출력 파서(Comma / JSON / Pydantic), Few-shot 프롬프트 |
| 03 | loaders_and_search | WebBaseLoader · TextLoader · PDF 로더, Tavily 검색, 뉴스 크롤링, retriever 기초 |
| 04 | rag | Wikipedia·엑셀·한글 PDF 기반 RAG 파이프라인, HuggingFace 임베딩, Streamlit PDF RAG |
| 05 | langgraph_basics | StateGraph 기본, 조건 분기(conditional edge), 도구 바인딩, ToolNode |
| 06 | agents_and_memory | ReAct 에이전트, 대화 메모리, 메시지 삭제·요약 관리, LangSmith 추적, CrewAI 커스텀 툴 |
| 07 | streaming | 동기 / 비동기 스트리밍 출력, updates 모드, 스트리밍 중 도구 호출 |
| 08 | human_in_the_loop | Breakpoint(정적·동적), Human feedback 문서작성 에이전트, 인터럽트·강제종료, 재시도 |
| 09 | parallel_branching | 병렬 분기 웹검색, Send API 활용 팬아웃, 다중 질문 분할 후 병렬 처리 |
| 10 | vectordb_and_postgres | OpenSearch 저장·검색, ChromaDB LCEL 연동, PostgreSQL 데이터 저장·자연어 검색 |
| 11 | streamlit_apps | 멀티모달 챗봇, 툴 에이전트 UI, 여행일정 앱, human-feedback UI, 엑셀 분석 챗봇, 로그인 페이지 |
| 12 | fastapi_serving | FastAPI 서버로 RAG 서빙, Streamlit ↔ FastAPI 연동, EasyOCR PDF 처리 |
| 13 | news_crawling_agent | 네이버 뉴스 크롤링 + 본문 추출 + 임베딩 리랭커 파이프라인 |
- LangChain — LCEL 체인, 프롬프트 템플릿, 출력 파서(Pydantic/JSON), 문서 로더, retriever
- LangGraph —
StateGraph, 조건 분기, ToolNode, 체크포인트, breakpoint,Send병렬 분기, 스트리밍 - RAG — 문서 분할·임베딩(OpenAI / HuggingFace), 벡터 검색, 리랭킹
- 저장소 — ChromaDB, OpenSearch, PostgreSQL(pgvector)
- 서비스 — Streamlit 프론트엔드, FastAPI 백엔드, EasyOCR
- LLM — OpenAI API, Ollama 로컬 모델
pip install -r requirements.txt
cp .env.example .env # 본인 API 키 입력
python src/01_llm_basics/1.first_openai_llm.py
# Streamlit 앱
streamlit run src/11_streamlit_apps/5.streamlit_toolagent.py
# FastAPI 서버
uvicorn src.12_fastapi_serving.fastapi_server:app --reload실습 파일은 각각 독립 실행되며, 일부는 로컬 서비스(Ollama · PostgreSQL · OpenSearch)가 필요합니다. API 키·DB 비밀번호는 모두
.env(환경변수)로 관리하도록 정리했습니다.
이 실습들을 종합해 완성한 에이전트 과제:
- company-analysis-agent — LangGraph 기업분석 에이전트
- travel-planner-agent — Streamlit 여행일정 에이전트
NVIDIA AI 코어 엔지니어 과정 — AI 에이전트 개발 실습 · 전체 포트폴리오