AI 에이전트 구조 정리, 구글 보고서로 본 모델·도구·오케스트레이션 3요소와 ReAct
구글이 발표한 AI 에이전트 보고서를 바탕으로 에이전트의 정의와 구성 요소를 정리했습니다. 모델과 도구, 오케스트레이션 레이어가 하는 일과 ReAct·생각의 사슬 같은 추론 기법을 쉽게 설명합니다.
핵심 내용 읽기 →
AI TOPIC
ReAct 최신 뉴스와 핵심 해설
ReAct 관련 핵심 뉴스와 활용 인사이트 17편을 최신순으로 모았습니다.
LLM 에이전트 기초 강의: 도구 호출·환경 표현·ReAct 계획과 멀티 에이전트
카네기멜런대 고급 NLP 강의가 정리한 LLM 에이전트의 구성 요소. 도구를 부르는 두 가지 방식과 웹 환경 표현, 환경 이해를 돕는 프롬프트, 계획 수정과 오류 복구, 멀티 에이전트의 한계를 실제 사례로 짚는다.
핵심 내용 읽기 →
프롬프트 엔지니어링 기법 총정리 - 구글 백서로 보는 모델 설정값과 핵심 전략 12가지
구글이 공개한 프롬프트 엔지니어링 백서를 한국어로 정리했습니다. 온도와 Top-K, Top-P 설정부터 퓨샷, 스텝백, 체인 오브 소트, 자기일관성, ReAct까지 실무에서 바로 쓰는 기법을 짚습니다.
핵심 내용 읽기 →
AI 에이전트 구조 입문: 인식·추론·도구 실행과 ReAct 패턴, 네 가지 메모리 정리
AI 에이전트를 만들기 전에 알아야 할 다섯 가지 구성요소와 추론·행동을 반복하는 ReAct 패턴, 그리고 단기·장기·일화·의미 네 가지 기억이 각각 어떤 정보를 담당하고 어떻게 함께 쓰이는지를 실제 예시와 함께 정리했다.
핵심 내용 읽기 →
Tool LLM 입문: ReAct·HuggingGPT·ToolLLM으로 이해하는 도구 사용 AI 에이전트
AI 에이전트가 똑똑해 보이는 진짜 이유는 외부 도구 사용에 있다. 도구 사용 LLM의 등장 배경과 ReAct, HuggingGPT, ToolLLM 세 편의 대표 연구를 쉽게 정리했다.
핵심 내용 읽기 →
AI 에이전트 시스템 입문 - ReAct 루프와 도구 호출, MCP까지 쉽게 정리
AI 에이전트는 결국 도구를 붙인 LLM의 반복 호출이다. 2026년 현장의 관점에서 에이전틱 루프와 ReAct 패턴, 도구 정의 방식, 가드레일 문제, 그리고 MCP의 실시간 도구 갱신까지 코드와 함께 풀어낸 강의 정리다.
핵심 내용 읽기 →
LangChain 에이전트 완전 정리: ReAct 추론·도구 호출·프롬프트 유형까지
LangChain이 무엇이고 왜 에이전트 개발에 쓰이는지, ReAct 기반 추론과 도구 호출, 파서·프롬프트 유형, LLM·체인·도구 구성 요소를 강연 내용 그대로 정리했습니다.
핵심 내용 읽기 →
LLM vs AI 워크플로 vs AI 에이전트 차이 — 비전공자용 쉬운 정리
ChatGPT 같은 LLM부터 워크플로, 그리고 스스로 추론·행동하는 AI 에이전트까지의 차이를 음식 추천 예시로 단계별로 풀어내고, RAG와 ReAct 같은 용어도 쉽게 정리했습니다.
핵심 내용 읽기 →
AI 에이전트 쉽게 이해하기 — 챗봇·워크플로·에이전트 3단계 차이
ChatGPT는 쓰지만 AI 에이전트가 뭔지 헷갈린다면. LLM 챗봇, 정해진 워크플로, 스스로 판단하는 에이전트의 차이를 일상 예시로 3단계에 걸쳐 쉽게 풀어낸다.
핵심 내용 읽기 →
프롬프트 엔지니어링 핵심 기법: 온도·퓨샷·생각의 사슬·ReAct 정리
같은 질문도 프롬프트에 따라 답이 달라진다. 온도 등 모델 설정부터 제로샷·퓨샷, 생각의 사슬, 자기 일관성, 생각의 나무, ReAct까지 LLM에서 더 정확한 답을 얻는 프롬프트 기법을 예시와 함께 정리했다.
핵심 내용 읽기 →
AI 에이전트 작동 원리: ReAct 루프, 도구 호출, 메모리와 실패 모드 정리
AI 에이전트의 본질은 '도구를 든 LLM이 반복 루프를 도는 것'이다. 인지·추론·행동·관찰의 루프, 도구 호출 구조, 메모리 한계, 그리고 흔한 6가지 실패 모드를 정리한다.
핵심 내용 읽기 →
프롬프트 엔지니어링 방법 4가지 — RAG, 생각의 사슬(CoT), ReAct, 방향성 자극 프롬프팅(DSP) 정리
IBM이 설명하는 프롬프트 엔지니어링 4가지 기법. RAG로 도메인 지식에 근거를 두고 생각의 사슬·ReAct·DSP를 조합해 거대 언어모델의 환각을 줄이는 법을 소개합니다.
핵심 내용 읽기 →
AI 에이전트 완전 입문 — 챗봇·LLM과의 차이, ReAct 루프, RAG, 워크플로 비교
질문에 답만 하는 챗봇과 달리 스스로 판단하고 행동하는 AI 에이전트의 정의, 추론·행동·관찰로 이어지는 ReAct 루프, RAG, 워크플로와의 차이, 활용 사례와 주의점을 정리했다.
핵심 내용 읽기 →
개발자용 AI 강의 정리: React로 AI 챗봇과 구조화 출력 앱 만들기
언어모델 기초부터 프롬프트 엔지니어링, React 챗봇, JSON 스키마 구조화 출력, 클린 아키텍처까지. 모쉬의 개발자용 AI 강의 도입부를 한국어로 정리했습니다.
핵심 내용 읽기 →
구글 ADK로 첫 AI 에이전트 만들기: 블로그 작성 에이전트 실습 가이드
AI 에이전트의 기본 개념과 세 가지 동작 패턴을 정리하고, 구글 ADK로 계획·작성·검증을 거치는 블로그 작성 에이전트를 단계별로 직접 만드는 과정을 소개합니다.
핵심 내용 읽기 →
AI 에이전트 쉽게 이해하기: LLM·워크플로·에이전트 3단계 정리
기술 배경이 없어도 AI 에이전트를 이해할 수 있도록 LLM, AI 워크플로, AI 에이전트를 단계별로 비교하고 RAG와 ReAct 개념까지 쉽게 풀어 설명합니다.
핵심 내용 읽기 →
AI 에이전트란? 복합 AI 시스템·추론·도구·메모리와 ReAct 방식 정리
IBM의 설명 영상을 정리했다. 단일 모델에서 복합 AI 시스템으로의 전환, 제어 논리를 LLM에 맡기는 에이전트적 접근, 추론·행동·메모리라는 세 가지 핵심 능력, 그리고 ReAct 구성 방식과 자율성의 트레이드오프를 짚는다.
핵심 내용 읽기 →