한 땀 한 땀! 나의 첫 AI 에이전트

 한 땀 한 땀! 나의 첫 AI 에이전트  

바닥부터 하나씩 만들며 배우는
AI 에이전트와 다이나믹 컨텍스트 엔지니어링

허정준, 송영희 지음
436쪽 | 35,000원 | 2026년 9월 29일 출간 | 185*240*27 | ISBN 9791124309131  (93000)

판매처 | [교보문고] [YES24] [알라딘] [영풍문고] + 전국 교보/영풍문고 매장
전자책 판매처 | [교보문고] [YES24] [알라딘] [리디북스] | 2026년 10월 출간 예정 

✔ 원서명: Build an AI Agent From Scratch: Agents that reason, plan, and act autonomously
✔ 정오표: https://www.onlybook.co.kr/entry/ai-agent-errata (아직 등록된 정오사항이 없습니다) 

어떤 프레임워크도 사용하지 않고
처음부터 끝까지 
파이썬으로 만들면서 배우는
AI 에이전트의 본질과 설계, 운영 노하우!

국내 최초로 매닝 출판사에서 영어 원서로 출간하고 
아마존닷컴 해외 독자들의 극찬을 받은 
『Building an AI Agent From Scratch』의 한국어판!

“AI 에이전트를 만드는 데 실질적인 도움이 되는 안내서” ★★★★★
“프레임워크보다 기본 원리, 오늘날 에이전트 개발자에게 꼭 필요한 능력” ★★★★★ 
“AI 에이전트 시스템에 대한 더 깊은 직관을 길러 주는 훌륭한 책” ★★★★★
“프레임워크 없이 설계하는 AI 에이전트 아키텍처의 명강의” ★★★★★
“놀라울 만큼 쉽게 따라갈 수 있는 AI 에이전트 개발서!” ★★★★★
“눈속임 없이 이해하는 에이전트” ★★★★★
“AI 분야에서 실력을 높이기 원하는 이라면 꼭 읽어야 할 책” ★★★★★
“마침내 에이전트 내부에서 실제로 무슨 일이 일어나고 있는지 이해하게 됐다” ★★★★★
“AI 에이전트를 이해하는 가장 좋은 방법은 직접 만들어보는 것이다” ★★★★★ 
“블랙박스처럼 감춰진 프레임워크에 지친 이들을 위한 최고의 실습 가이드” ★★★★★

AI 에이전트를 밑바닥부터 하나씩 만들어가는 방법을 차근히 안내해 주는 실전 가이드.
이 책의 목표는 특정 프레임워크의 사용법을 알려주기 위함이 아니라, 각 계층을 직접 구현해 봄으로써 에이전트가 무엇으로 어떻게 이뤄져 있는지에 대한 완전한 사고 모델을 갖추게 하는 것이다. 책을 다 읽고 나면 어떤 인기 에이전트 프레임워크이든 간에 소스 코드를 열어서 따라갈 수 있을 것이며, 자신의 요구에 맞는 에이전트를 직접 설계하고 운영할 수 있게 될 것이다.

| 이 책에서 다루는 내용 |
- 프레임워크를 사용하지 않고 파이썬만으로 자율형 AI 에이전트를 구축하는 방법
- MCP, 벡터 기반 RAG, 장기 메모리, 샌드박스 코드 실행을 포함한 고급 실전 통합
- 멀티 에이전트 오케스트레이션과 자동화된 LLM 평가자(LLM-as-a-judge) 평가 파이프라인

| 이 책의 대상 독자 |
- LLM API는 써봤지만 에이전트의 내부는 여전히 뚜렷하게 그려지지 않는 개발자
- 프레임워크의 마법 뒤에 무엇이 있는지 들여다보고 싶은 엔지니어
- 자신의 데이터, 도구, 워크플로에 맞는 에이전트를 만들어야 하는 팀
- 프로덕션에서 에이전트를 안정적으로 운영해야 하는 실무자

이 책의 구성

[1부 나의 첫 에이전트를 만들어보자]

1장, ‘AI 에이전트의 원리와 쓰임새 이해하기’에서는 에이전트가 무엇이고 왜 중요한지 살펴본다. 워크플로와 에이전트의 경계를 긋고, 책 전체에서 다룰 구성 요소의 전체 지도를 그린다.
2장 ‘LLM을 선택하고 API와 프롬프트 다루기’에서는 에이전트의 가장 낮은 계층인 통신 채널을 이해하기 위해 LLM API를 직접 호출한다. LiteLLM을 사용해 특정 제공자에 종속되지 않는 추상화도 마련한다.
3장 ‘검색과 계산 도구로 LLM이 행동하게 만들기’에서는 LLM이 바깥 세계와 상호작용하는 방식인 도구 호출을 구현한다. 웹 검색과 계산기를 예로 함수 호출의 동작 원리를 살펴보고, 도구 표준인 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)도 다룬다.
4장 ‘생각과 행동을 반복하는 ReAct 에이전트 만들기’에서는 생각하고 행동하는 ReAct 루프를 구현해 처음으로 완전히 동작하는 에이전트를 완성한다. 여기서 도입하는 핵심 추상화인 ExecutionContext는 이후 모든 장이 확장해 가는 기반이 된다.

[2부 AI 에이전트에 고급 기능을 더하자]

5장 ‘RAG를 이용해 필요한 지식을 찾아 활용하기’에서는 임베딩과 벡터 검색으로 외부 지식을 다루는 검색 증강 생성(retrieval-augmented generation, RAG)을 구현하고, 파일시스템을 탐색하는 도구를 추가한다. 콜백 패턴으로 도구 동작을 유연하게 제어하는 방법도 보여준다.
6장 ‘메모리로 대화와 경험을 기억하게 만들기’에서는 대화가 길어지면서 생기는 컨텍스트 문제를 다룬다. 슬라이딩 윈도, 압축, 요약으로 단기 메모리를 다듬고, 세션과 장기 메모리로 대화에 연속성을 부여한다.
7장 ‘계획과 성찰로 복잡한 문제 해결하기’에서는 ReAct만으로는 풀 수 없는 문제를 다루기 위해 계획과 성찰을 도입한다. 에이전트는 스스로 작업을 분해하고 진행 상황을 점검하는 일종의 메타인지를 갖게 된다. 
8장 ‘코드를 작성하고 실행하는 에이전트 만들기’에서는 도구 호출을 넘어, LLM이 직접 코드를 작성하고 실행하는 CodeAct 접근을 구현한다. 샌드박스 환경 안에서 파일시스템과 명령줄 인터페이스(command-line interface, CLI)까지 다루는 진정한 실행 에이전트를 만난다.
9장 ‘여러 에이전트가 역할을 나누고 협업하게 만들기’에서는 단일 에이전트에게는 벅찬 문제를 전문 에이전트들의 협업으로 해결한다. Workflow, Agent as Tool, Transfer라는 3가지 협업 패턴과 함께, 네트워크 경계를 넘어 협업을 가능하게 하는 A2A 프로토콜을 다룬다.
10장 ‘에이전트의 품질을 평가하고 지속적으로 개선하기’에서는 에이전트를 평가하고 운영하는 방법을 보여주며 책을 완성한다. 에이전트가 실제로 잘 작동하는지 측정하는 기준을 세우고, 자동화된 평가와 관찰·분석·개선의 규율 있는 순환을 통해, 한 번 돌아간다고 끝난 것으로 여기지 않고 에이전트를 계속 개선해 가는 방법을 다룬다.

각 장은 순서대로 읽도록 설계되었다. 각 장의 코드가 앞 장의 코드 위에 바로 쌓이므로, 장을 건너뛰면 구현에 공백이 생기기 쉽다. LLM API나 RAG에 이미 익숙하다면 2장과 5장은 빠르게 지나가도 되지만, 그 조각들이 지금 조립하고 있는 에이전트와 어떻게 연결되는지 보기 위해 훑어보기는 해야 한다. 이 책의 진짜 가치는 읽으면서 코드를 함께 실행할 때 나오므로, 책과 함께 제공되는 노트북을 열어둔 채 읽어나가길 권한다.

추천의 글

AI 시대 엔지니어에게 가장 중요한 역량 중 하나는 이해력이다. 하지만 최근 AI 에이전트 관련 자료는 편리한 프레임워크와 빠른 활용법에 집중하는 경우가 많았다. 반면, 이 책은 편리함 뒤에 가려진 에이전트의 핵심 메커니즘을 드러내 준다. 프레임워크의 사용법이 아니라, 어떤 에이전트 프레임워크에도 공통으로 존재하는 메시지 루프, 도구 호출, 실행 컨텍스트, 메모리, 계획, 협업의 원리를 이해시켜 준다.
이 책은 블랙박스처럼 보이는 AI 에이전트 기술을 구성 요소별로 분해하고, 이를 실제로 구현, 테스트, 평가하는 과정까지 독자를 힘있게 끌고 간다. 한마디로, 블랙박스 기술을 화이트박스로 전환해 주는 책인 것이다. LLM의 기본 원리에서 출발해 에이전트의 개념, 추론-행동(ReAct) 패턴, 도구 호출, 메모리, 계획, 멀티 에이전트, 평가와 운영까지 차근차근 연결한다. 독자는 단지 ‘동작하는 에이전트를 사용하는 데 그치지 않고, 왜 그렇게 동작하는지 원리를 이해하며 자신만의 에이전트를 확장할 수 있게 된다.
AI 에이전트를 배우거나 이미 활용하고 있는 독자에게 기능의 활용을 넘어 내부 구조를 이해하는 전환점을 제공하므로, AI 에이전트를 제대로 배우고, 설계하고, 확장하고 싶은 모든 분께 강력히 추천한다.
마지막으로, 굴지의 세계적인 매닝 출판사에서 영어로도 출간되어 저자로서도 실력을 인정받은 이 책을 한국어로 읽으며, 다시 한번 허정준 님의 저력을 느꼈다.『LLM을 활용한 실전 AI 애플리케이션 개발』을 통해 허정준 님의 열혈팬이 되었고, 이번 책에서도 복잡한 기술을 독자가 끝까지 이해할 수 있도록 안내하는 탁월한 전달력을 확인했다. 저자에게 진심 어린 찬사의 박수를 보낸다.
- 김태완 / 오라클 클라우드 엔지니어링팀 상무

AI 에이전트 개발에서 어려운 순간은 처음 실행에 이르는 아니라, 예상과 다른 결과가 나왔는데 그 이유를 알 수 없을 때다. 이 책은 바로 그 순간에 필요한 이해와 판단력을 길러준다. 독자는 이 책을 통해 에이전트의 핵심 구조를 직접 구현하고, 검색과 메모리, 계획과 협업을 차례로 더하면서 각 기능이 어떤 문제를 해결하고 어떤 설계 선택을 요구하는 지를 배울 수 있다. 이 과정을 관통하는 질문은 명확하다. “LLM이 올바르게 판단하도록 어떤 정보를 언제, 어떤 형태로 제공할 것인가?” 자칫 별개의 기술로 보이기 쉬운 기능들을 컨텍스트 엔지니어링이라는 관점으로 연결한다는 점이 이 책의 강점이다. 특히 최종 답변과 함께 실행 과정과 실패 원인을 평가하는 구성은, 작동하는 예제를 지속적으로 개선할 수 있는 시스템으로 발전시키는 데 필요한 시각을 제공한다.
미국 매닝 출판사에서 먼저 출간된 책을 저자들이 직접 한국어로 옮긴 덕분에, 원저자의 설계 의도와 기술적 맥락을 우리말로 직접 만날 수 있다는 점도 뜻깊다.
도구와 프레임워크가 바뀌어도 남는 것은 시스템을 이해하고 판단하는 능력이다. 자신이 만든 에이전트가 왜 그렇게 동작하는지 설명하고, 더 나은 동작을 설계하고 싶은 개발자에게 이 책을 권한다.
- 김태헌 / 쿠팡 스태프 데이터 사이언티스트, 아주대학교 인공지능대학원 겸임교수

요즘 개발자는 코딩 에이전트에게 개발을 맡기고, 자율형 에이전트에게 반복 업무를 위임하며, 자신이 만드는 서비스에 에이전트를 넣어 사용자에게 제공한다. 서로 다른 일처럼 보이지만 이 셋은 결국 같은 질문으로 수렴한다. 무엇을 기억하게 할 것인가, 도구를 어떻게 정의하고 실행은 언제 승인받을 것인가, 긴 작업을 어떻게 세션으로 나누어 이어갈 것인가. 이 책은 이 질문들에 특정 프레임워크의 API가 아니라 그 밑에 깔린 패턴으로 답하고, 독자가 직접 코드로 구현해 보며 이해하도록 이끈다.
에이전트를 쓰고, 운영하고, 만드는 모든 분께 추천한다.
- 이일민 / 이프릴 대표, 『토비의 스프링』 저자

AI 에이전트에 대한 거의 모든 내용을 담고 있는 책이다. 차근차근 설명해 주는 저자의 가이드를 따라 에이전트를 만들다 보면, 실제 구현에서 부딪히는 다양한 문제들은 물론, 이를 해결하기 위한 개념과 도구를 어떻게 이해하고 활용하는지 파악할 수 있다.
기존 LLM은 문자열로 된 사용자의 질문에 문자열로 답을 보내고 임무를 마무리하지만, AI 에이전트는 목표를 수행하기 위해 과제를 단계별로 나누고 순서를 정한 후, 각 작업마다 필요한 도구를 스스로 판단해 실행하며, 그 결과를 종합하고 정리해서 최종 목표를 달성한 뒤 사용자에게 제시하기에 LLM과는 그 수행 방식부터 차원이 다르다. 따라서 이미 LLM에 익숙하더라도, 이런 책을 통해 AI 에이전트의 각 과정을 배우는 것은 큰 도움이 된다.
이 책에서는 AI 모델이 학습한 사전 지식 외에도 에이전트가 활용될 환경이나 역할에 따른 도메인 지식을 RAG로 활용할 수 있도록 지식 베이스를 구축하는 방법, 그리고 지속적인 작업을 통해 축적되는 정보와 지식을 장단기 메모리로 만들어 활용하는 법도 소개한다. 또한 규모를 키워 다양한 에이전트를 활용할 수 있도록 멀티 에이전트의 작업을 지휘하는 오케스트레이션도 알려주며, 결과 평가에 대해서도 다룬다. 그리고 지식 베이스 구축을 위한 벡터 DB나 샌드박스 서비스 또는 A2A 같은 멀티 에이전트 협업을 위한 프로토콜과 벤치마크 평가 세트 등 현업에서 활용하는 다양한 도구 등도 다루고 있어 독자가 일일이 자신에게 필요한 도구들을 찾기 위한 리서치 시간도 줄여준다.
파편적인 검색 정보가 아니라 전반적인 내용을 짜임새 있고 폭넓게 다루는 든든한 안내서이므로, 이 책을 통해 에이전트를 완벽히 이해하고 상황에 맞게 직접 만들고 활용하는 전문가가 되길 바란다.
- 현동석 / 네이버 콘텐츠 얼라이언스 리더, 『파이토치 딥러닝 마스터』 역자

기초부터 고급 주제까지 체계적으로 이어지는 구성 덕분에 오랫동안 곁에 두게 될 훌륭한 참고서
- 발라지 세일럼 발라순드람 / 아마존

그야말로 보물 같은 책이다. 에이전틱 AI 시대의 필독서!
- 제임스 리우 / 미디어오션(Mediaocean)

명료하고 체계적이며 실습 중심인 점이 마음에 든다. 
- 막심 네차예프 / 스누누(Snoonu)

지은이 허정준

LLM 애플리케이션과 AI 에이전트를 전문으로 하는 독립 AI 컨설턴트이자 교육자로 활약해 왔으며, 현재는 모티프에서 모델 개발, 시스템 최적화 업무를 맡고 있다. 한국에서 베스트셀러가 된 『LLM을 활용한 실전 AI 애플리케이션 개발』(책만, 2024)을 저술했으며, ML옵스와 LLM옵스로 완성하는 A1 시스템 구축을 다루는 『머신러닝 플랫폼 엔지니어링』(책만, 2025)도 번역했다.

지은이 송영희

PwC의 AI 컨설턴트로, 여러 조직이 실용적인 AI 전략을 수립하고 실행할 수 있도록 돕고 있다. 한양대학교 경제학과를 졸업하고 서울대학교 산업공학과에서 석사 학위를 받았다.

지난 2026년 7월『Building an AI Agent From Scratch』라는 제목으로 국내 최초로 매닝(Manning) 출판사에서 영어 원서로 출간한 도서를 우리 개발자분들께도 한국어판으로 빠르게 소개해드릴 수 있게 되어 정말 기쁩니다.
이 책을 처음 구상한 2025년 초 무렵을 돌이켜보면, AI 에이전트가 막 붐을 일으키기 시작했고 에이전트를 어떻게 정의할지를 두고 다양한 논의가 오가고 있었습니다. 손쉽게 에이전트를 만드는 방법이 이미 널리 확신되고 있었고 모두가 그렇게 제작을 하기 시작했습니다. 저희는 에이전트를 이루는 요소들을 하나씩 직접 구현해 보면 그 실체를 더 잘 이해할 수 있지 않을까 생각했습니다.
평소에도 기초부터 직접 만들어 보며 배우는 방식을 좋아했고, 매닝 출판사의 ‘From Scratch’ 시리즈를 즐겨 읽었습니다. 그런 탐구법은 평소 저희의 학습 방식과도 맞닿아 있었기에 AI 에이전트라는 주제에 대해서도 기본과 원리를 다루는 책을 쓰고 싶었습니다. 아직 정리된 자료가 많지 않은 주제인 만큼, 처음부터 영어로 책을 집필해 더 넓은 독자층과 에이전트의 원리를 함께 살펴보면 좋겠다고 생각했습니다. 그 생각을 담아 매닝에 출간기획안을 제출했고, 출간 제안이 받아들여지면서 본격적으로 집필을 시작했습니다. 평소 독자로서 좋아하던 출판사 시리즈에 저자로 참여하게 된 것은 참으로 뜻깊고 영광스러웠습니다. 집필을 하면서 영어권 기술 리뷰어들에게 피드백을 받아 책의 내용을 탄탄히 다져가는 과정도 꽤 좋은 경험이었습니다.
집필을 시작한 뒤, 클로드 코드 같은 CLI 기반 코딩 에이전트가 등장하며 개발자의 작업 방식도 빠르게 달라졌습니다. 코딩 에이전트는 많은 개발자의 일상에 자리 잡았고, 관심도 모델에 무엇을 입력할지에서 모델이 도구를 사용하고 작업을 이어 가는 과정을 어떻게 설계할지로 그 범위도 점차 넓어지고 있습니다.
이러한 변화는 특히 프롬프트 엔지니어링에서 컨텍스트 엔지니어링으로, 다시 하네스, 루프, 그래프 엔지니어링으로 이어지는 용어의 흐름에서도 드러납니다. 특히 하네스 엔지니어링을 기점으로 에이전트는 작업 방식을 설계하는 기본 단위로 자리 잡았습니다. 하네스 엔지니어링 이후에 등장한 루프와 그래프 역시 에이전트를 바탕으로, 작업을 어떻게 반복하고 연결할지를 다루는 개념입니다.
이 책을 집필하는 과정에서도 저희는 그와 같은 변화의 흐름을 적극적으로 받아들이고 응용해서 내용을 다듬어 나갔습니다. 책에 들어갈 자료를 조사하고, 기존 에이전트 프레임워크를 분석해 코드를 작성하며, 한국어로 작성한 원고를 영어로 번역하는 등의 집필 과정 전반에서 AI 에이전트를 적극적으로 활용했습니다. 에이전트는 저희 저자진이 할 수 있는 일의 범위를 넓혀 주었고, 그 도움 없이는 이 책을 완성하기 어려웠을 것입니다. 그런 의미에서 이 책은 에이전트를 만드는 방법을 설명하는 책이자, 에이전트와 함께 저자들의 역량을 확장해 완성시킨 결과물이기도 합니다.
도구가 빠르게 바뀔수록 그 바탕이 되는 원리를 이해하는 일은 더욱 중요해집니다. 직접 AI 에이전트를 만들어 보는 경험은 완성된 도구를 사용하는 데서 한 걸음 더 나아가, 그 안에서 어떤 일이 일어나는지 이해하는 데 도움이 됩니다.
이 책이 에이전트의 작동 원리를 익히고 자신에게 필요한 에이전트를 만들어 보고 싶은 분들께 좋은 출발점이 되기를 바랍니다.

차례

[1부] 나의 첫 에이전트를 만들어보자

1장 AI 에이전트의 원리와 쓰임새 이해하기
1.1 일상과 업무로 들어온 AI 에이전트
1.2 LLM 에이전트 이해하기
1.3 워크플로와 에이전트는 어떻게 다른가
1.4 어떤 작업에 에이전트가 필요한가
1.5 컨텍스트 엔지니어링: 필요한 정보를 제때 제공하기 
1.6 이 책을 읽기 위한 사전 준비
1.7 정리

2장 LLM을 선택하고 API와 프롬프트 다루기
2.1 에이전트를 위한 LLM 선택하기
2.2 LLM API의 기본 기능 익히기
2.3 프롬프트 엔지니어링으로 에이전트의 행동 설계하기
2.4 GAIA 문제로 LLM의 능력과 한계 확인하기
2.5 정리

3장 검색과 계산 도구로 LLM이 행동하게 만들기
3.1 도구로 LLM의 한계 보완하기
3.2 LLM은 도구를 어떻게 사용하는가
3.3 웹 검색 도구를 
3.4 MCP로 도구를 표준 방식으로 연결하기
3.5 정리

4장 생각과 행동을 반복하는 ReAct 에이전트 만들기
4.1 ReAct 에이전트는 어떻게 작동하는가
4.2 완성할 에이전트의 전체 구조 살펴보기
4.3 ExecutionContext로 실행 상태 한곳에 모으기
4.4 다양한 도구를 공통 인터페이스로 다루기
4.5 LLM 요청과 응답을 처리하는 통신 계층 만들기
4.6 Agent 클래스로 구성 요소 연결하기
4.7 구조화된 출력 추가하기
4.8 GAIA 벤치마크로 테스트하기
4.9 정리

[2부] AI 에이전트에 고급 기능을 더하자

5장 RAG를 이용해 필요한 지식을 찾아 활용하기
5.1 내부 데이터에서 필요한 정보를 찾는 문제
5.2 데이터에 맞는 검색 방법 선택하기
5.3 임베딩과 청킹으로 벡터 검색 구현하기
5.4 파일시스템을 탐색하는 검색 도구 만들기 
5.5 콜백으로 에이전트 확장하기
5.6 정리

6장 메모리로 대화와 경험을 기억하게 만들기
6.1 에이전트 메모리의 역할과 구조 이해하기
6.2 실행 중 늘어나는 컨텍스트 관리하기
6.3 세션과 상태를 유지하며 대화 이어가기
6.4 장기 메모리: 세션을 넘어 지식 축적하기
6.5 정리

7장 계획과 성찰로 복잡한 문제 해결하기 
7.1 에이전트에게 생각할 시간 주기
7.2 계획: 작업을 나누고 실행 순서 정하기
7.3 성찰: 진행 상황을 점검하고 방향 바로잡기
7.4 계획·실행·성찰을 하나의 순환으로 연결하기
7.5 정리

8장 코드를 작성하고 실행하는 에이전트 만들기
8.1 에이전트가 코드로 행동하게 만들기 
8.2 샌드박스로 코드 실행 환경 연결하기
8.3 기존 도구를 샌드박스 안에서 실행하게 만들기
8.4 워크스페이스: 파일시스템과 CLI 사용하기
8.5 에이전트 스킬로 작업 방법과 도구 제공하기
8.6 정리

9장 여러 에이전트가 역할을 나누고 협업하게 만들기
9.1 여러 에이전트로 역할을 나누는 이유
9.2 에이전트를 연결하는 3가지 협업 패턴
9.3 에이전트 워크플로: 코드로 실행 순서 정하기
9.4 Agent as Tool: 에이전트를 도구처럼 호출하기
9.5 Transfer: 다른 에이전트에게 제어권 넘기기
9.6 A2A로 원격 에이전트와 협업하기
9.7 정리

10장 에이전트의 품질을 평가하고 지속적으로 개선하기
10.1 에이전트의 실행 과정 관찰하기
10.2 평가 데이터셋을 만들고 평가 기준 세우기
10.3 LLM 평가자로 에이전트 출력 자동 평가하기
10.4 자동 평가를 CI/CD에 연결해 품질 관리하기
10.5 정리

부록 | 오픈AI API 키