[플레이데이터 SK네트웍스 Family AI캠프 16기] 12주차 회고

✅ 일주일 동안 한 일과 느낀 점

12주차는 에이전트와 LangGraph 주차.
9월 1일과 2일에는 LangChain Agent의 기초와 Tool 활용, PDF 기반 성능 평가를 실습하며 기반을 다졌고,
3일에는 Retrieval과 데이터 분석을 결합한 심화형 Agent를 다뤘다.
4일은 LangGraph를 통해 체인을 그래프 기반으로 설계·제어하는 방법을 배웠고,
5일은 여러 에이전트가 협력하는 대화 시뮬레이션을 구현했다.

이번 주는 “단일 모델 호출 → Retrieval 기반 QA → Agent를 통한 실행 주체 확장 → 멀티 에이전트 협력”으로 이어지는 진화 과정을 직접 경험할 수 있었다.

---

✅ 주요 학습 내용 및 기술 회고

📌 9월 1일 — LangChain Agent 기초 & 뉴스 비서

• langchain_agent_news.ipynb
  • 뉴스 데이터를 가져와 요약 및 질의응답을 수행하는 Agent를 제작.
  • Retrieval과 Agent를 결합해 단순 출력이 아닌 **근거 기반 응답(Fact-grounded Response)**을 학습.
  • 사용자는 기사별 요약을 보고 직접 질문할 수 있으며, 응답에는 항상 기사 출처가 포함되도록 설계.
    → RAG와 Agent를 결합해 서비스형 QA 구조를 구현한 첫 단계.

📌 9월 2일 — Tool 기반 Agent & PDF 성능 평가

• langChain_Agent_1.ipynb, langChain_Tool_1~3.ipynb
  • OpenAI Functions, Search API, Python REPL, PDF Reader 등 다양한 Tool을 연결.
  • 자연어 요청이 들어오면 Agent가 적절한 Tool을 자동 호출해 결과를 반환.
  • 단순 대화형 모델에서 벗어나, 실제 작업을 실행하는 주체로서 Agent의 역할을 실습.
• pdf_ev_ex.ipynb, pdf_ev_gradio.ipynb, ev_ex1~4.ipynb
  • PDF 문서 기반 QA 및 요약의 성능 평가 실습.
  • BLEU, ROUGE, GPT 평가를 적용해 같은 모델 응답도 평가 지표마다 차이가 있음을 확인.
  • Gradio UI로 문서 업로드 → 요약/QA → 성능 평가까지 연결, 사용자 친화적 평가 시스템을 제작.
    → 2일은 Agent의 “외부 툴 연결”과 “평가 체계”를 집중적으로 다룬 날.

📌 9월 3일 — Agent 심화 (협업·Retrieval 결합·데이터 분석)

• Two_Agent.ipynb
  • 두 개의 Agent가 역할을 나누어 협력.
  • 예: 분석 Agent가 데이터를 정리하면 요약 Agent가 사용자 친화적 답변을 생성.
  • 분업형 에이전트 협력 구조의 가능성을 확인.
• 데이터_분석_Agent.ipynb
  • Pandas/Matplotlib 연동 데이터 분석 Agent 제작.
  • 사용자가 자연어로 “매출 추세 그래프 그려줘”라고 요청하면 → Python 코드 실행 → 그래프 반환.
  • 단순 텍스트 모델을 넘어 실행형 에이전트의 잠재력을 확인.
• Agent_RET_1.ipynb, Agent_RET_2ipynb.ipynb
  • Retrieval과 Agent를 결합한 실습.
  • 검색된 문서를 기반으로 Agent가 후처리 및 응답 최적화를 수행.
  • 단순 RAG보다 문맥 적응적이고 유연한 응답을 얻을 수 있었다.
    → 3일은 Agent를 도구 사용자 + 협력자 + 검색 최적화 주체로 확장한 날.

📌 9월 4일 — LangGraph 실습

• langgraph_ex1~ex6.ipynb
  • LangChain 체인을 그래프 기반 워크플로우로 전환.
  • RunnableBranch, ConditionalEdge를 활용해 입력 조건에 따른 분기/병렬 실행 구현.
  • 긴 문서 입력 → MapReduce 요약, 짧은 문서 → 원샷 요약 라우팅.
  • 각 실행 단계가 시각적으로 표현되고, 로그로 추적 가능해 디버깅·모니터링 효율성을 경험.
  • 단순 SequentialChain보다 더 유연하고 서비스 아키텍처 친화적인 설계 방식임을 확인.
    → 4일은 LangChain에서 배운 내용을 “구조화된 그래프 설계”로 확장한 실습.

📌 9월 5일 — 에이전트 대화 시뮬레이션

• 에이전트_대화_시뮬레이션.ipynb
  • 여러 에이전트가 각자의 역할(사용자, 기획자, 개발자 등)을 맡아 대화하는 시뮬레이션 구현.
  • 대화 기록 관리, 발화 순서 제어, 충돌 방지 등 협업 로직 설계.
  • 단순 1:1 QA를 넘어서 AI 간 상호작용과 협업 구조를 실험.
    → AI가 사람과만 대화하는 것이 아니라, 서로 협업하는 주체가 될 수 있음을 확인.

---

✅ 아쉬웠던 점 & 개선 포인트

• Tool 기반 Agent는 다양한 기능을 연결했지만, 예외 처리와 안정성 확보가 부족했다.
• LangGraph는 강력했지만, 대규모 시스템 설계에 적용할 로드맵까지는 도출하지 못했다.
• 멀티 에이전트 시뮬레이션은 흥미로웠지만, 맥락 유지와 협업 효율성 개선이 필요하다.

---

✅ 마무리

이번 주차에는 새로운 도전도 있었다. 목요일부터는 동기들과 함께 정보처리기사 실기 스터디를 시작했다. 합격률이 낮아 개인적으로 부담이 컸는데, 다 같이 모여 문제를 풀고 토론하니 훨씬 든든했다. AI 실습과 병행하는 게 쉽지는 않지만, “혼자가 아니라 함께 준비한다”는 점이 큰 위안이 되고 있다.

• Agent + Retrieval + LangGraph를 결합한 서비스,
• 멀티 에이전트 협업 + 실행 제어 + 평가 체계를 포함한
  완성형 AI 서비스 아키텍처를 직접 구현해보고 싶다.