AI 에이전트 인 액션-노란북 가격비교

▣ 01장: 에이전트와 그 생태계
1.1 에이전트의 정의
1.2 에이전트의 구성요소
1.3 에이전트가 주목받는 이유
1.4 AI 인터페이스 안쪽의 세상
1.5 AI 에이전트 세상으로의 여정을 시작하며
요약

▣ 02장: LLM의 능력 발휘
2.1 오픈AI API 다루기
__2.1.1 대화 완성 모델에 연결하기
__2.1.2 요청과 응답의 이해
2.2 LM 스튜디오를 이용한 오픈소스 LLM 탐색 및 활용
__2.2.1 LM 스튜디오의 설치와 실행
__2.2.2 LM 스튜디오로 로컬에서 LLM 서빙하기
2.3 프롬프트 엔지니어링을 통한 LLM 프롬프팅
__2.3.1 상세한 쿼리
__2.3.2 페르소나 채택
__2.3.3 구분자 사용
__2.3.4 단계 명시
__2.3.5 예시 제공 전술
__2.3.6 출력 길이 지정
2.4 특정 요구에 최적인 LLM 선택
2.5 연습문제
요약

▣ 03장: GPT 어시스턴트 활용
3.1 챗GPT를 통한 오픈AI 어시스턴츠 탐색
3.2 데이터 과학자 역할을 하는 GPT 만들기
3.3 GPT 커스텀화 및 사용자 정의 작업 추가
__3.3.1 어시스턴트 구축을 돕는 어시스턴트 만들기
__3.3.2 어시스턴트에 사용자 정의 작업 연결
3.4 파일 업로드를 이용한 어시스턴트 지식 확장
__3.4.1 ‘알기 쉬운 미적분’ GPT 만들기
__3.4.2 파일 업로드를 이용한 지식 검색 및 참조 능력 추가
3.5 GPT 게시
__3.5.1 비용이 많이 드는 GPT 어시스턴트
__3.5.2 GPT의 경제 이해하기
__3.5.3 GPT 게시 및 공유
3.6 연습문제
요약

▣ 04장: 다중 에이전트 시스템 살펴보기
4.1 오토젠 스튜디오를 통한 다중 에이전트 시스템 입문
__4.1.1 오토젠 스튜디오 설치 및 사용법
__4.1.2 오토젠 스튜디오에서 스킬 추가하기
4.2 오토젠 라이브러리 활용
__4.2.1 오토젠 설치 및 활용
__4.2.2 코드 출력 향상을 위한 비평 에이전트 추가
__4.2.3 오토젠 캐시 이해하기
4.3 에이전트와 오토젠을 이용한 단체 대화
4.4 크루AI를 활용한 에이전트 크루 구축
__4.4.1 크루AI로 ‘익살꾼’ 에이전트 크루 만들기
__4.4.2 AgentOps를 이용한 에이전트 작동 관측
4.5 크루AI로 다시 살펴보는 코딩 에이전트
4.6 연습문제
요약

▣ 05장: 행동을 통한 에이전트 기능 강화
5.1 에이전트 행동의 정의
5.2 오픈AI 함수 정의와 실행
__5.2.1 LLM API 호출에 함수 추가
__5.2.2 함수 호출 행동의 실행
5.3 시맨틱 커널 소개
__5.3.1 SK 시맨틱 함수 시작하기
__5.3.2 시맨틱 함수와 문맥 변수
5.4 시맨틱 함수와 네이티브 함수의 시너지 효과
__5.4.1 시맨틱 스킬/플러그인 생성 및 등록
__5.4.2 네이티브 함수 적용
__5.4.3 네이티브 함수를 시맨틱 함수에 내장
5.5 상호작용적 서비스 에이전트로서의 시맨틱 커널
__5.5.1 시맨틱 GPT 인터페이스 구축
__5.5.2 시맨틱 서비스 테스트
__5.5.3 시맨틱 서비스 계층을 이용한 상호작용적 채팅
5.6 LLM의 의미 파악 능력을 고려한 시맨틱 서비스 작성
5.7 연습문제
요약

▣ 06장: 자율 어시스턴트 구축
6.1 행동 트리의 소개
__6.1.1 행동 트리의 실행
__6.1.2 행동 트리의 장점
__6.1.3 파이썬과 py_trees를 이용한 행동 트리 구현
6.2 GPT 어시스턴츠 플레이그라운드 살펴보기
__6.2.1 플레이그라운드의 설치 및 실행
__6.2.2 사용자 정의 행동의 사용 및 작성
__6.2.3 어시스턴츠 데이터베이스 설치
__6.2.4 어시스턴트가 로컬에서 코드를 실행하게 하려면
__6.2.5 로그를 이용한 어시스턴트 프로세스 조사
6.3 ABT(에이전트형 행동 트리)의 소개
__6.3.1 어시스턴트를 어시스턴트로 관리하기
__6.3.2 코딩 챌린지 ABT 만들기
__6.3.3 대화형 AI 시스템과 다른 방법들의 비교
__6.3.4 유튜브 동영상을 트위터(현 X)에 게시하기
__6.3.5 필요한 트위터(현 X) 설정
6.4 대화형..

출처 : 알라딘

저:마이클 래넘
마이클 래넘은 업계에서 20년 이상의 경험을 가진 뛰어난 소프트웨어 및 기술 혁신가다. 래넘의 배경은 다양하다. 게임, 그래픽, 웹 개발, 데스크톱 엔지니어링, AI, GIS, 석유 및 가스 지구과학/지질역학, 머신러닝 같은 여러 영역에서 다양한 소프트웨어 애플리케이션을 개발했다. 새천년이 시작될 무렵부터는 신경망과 진화 알고리즘(evolutionary algorithms)을 게임 개발에 통합하는 선구적인 작업을 시작했다. 딥러닝, 게임 개발, 증강 현실(AR)에 관한 영향력 있는 책을 여러 권 저술했다. 이를테면 『Evolutionary Deep Learning』(Manning, 2023)과 『Augmented Reality Game Development』(Packt Publishing, 2017)가 있다. 매닝을 비롯해 여러 주요 기술 출판사의 서적을 기술 커뮤니티에 기여해 온 래넘은 캐나다 앨버타주 캘거리에서 요리하는 것을 즐기는 대가족과 함께 살고 있다.

역:307번역랩
전문 번역가의 효율적인 번역 작업을 위해 초벌 번역 및 자료 정리 서비스를 제공하는 번역 엔지니어 집단이다. 급변하는 IT 분야의 가치 있는 외국 서적을 발빠르게 국내 독자에게 전달하는 데 보람을 느낀다.

역:류광
IT 전문서를 주로 번역하는 전업 번역가로, 『컴퓨터 프로그래밍의 예술(The Art of Computer Programming)』 시리즈와 『Game Programming Gems』 시리즈, 『인공지능: 현대적 접근방식 제4판』, 『자바스크립트로 배우는 SICP』를 비롯해 90권 이상의 다양한 IT 전문서를 우리말로 옮겼다. 홈페이지 류광의 번역 이야기(https://occamsrazr.net)와 IT 및 게임 개발 정보 공유 사이트 GpgStudy(https://gpgstudy.com)를 운영한다.

출처 : 예스24

AI 에이전트 인 액션 - 마이클 래넘 지음, 류광.307번역랩 옮김 자율적인 AI 에이전트는 이런 상호작용들을 수집하고 조직화해서 내부적으로 정보 처리나 의사결정, 학습에 활용한다. 이 책은 그런 능력을 갖춘 AI 에이전트를 만드는 방법과 여러 AI 에이전트를 연결해서 다중 에이전트 시스템을 구축하는 방법을 제시한다.

출처 : 알라딘

AI 에이전트 인 액션 - 설계와 구현, 배포까지, 그동안 궁금했던 AI 에이전트 개발의 모든 것