August 2026
Intermediate
378 pages
7h 4m
Korean
Content preview from AI 에이전트: 결정판 가이드 (Korean Edition)Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
목차
A
- A2A(Agent2Agent) 프로토콜, 툴 거버넌스: 시스템 프롬프트는격리 수단이 아니다— 툴 거버넌스: 시스템 프롬프트는 격리 수단이 아니다
- AAIF (Agentic AI Foundation), MCP: 에이전트를 위한 범용 리모컨
- AB-MCTS (적응형 분기 몬테카를로 트리 탐색), 적응형 분기 몬테카를로 트리 탐색 (AB-MCTS)-적응형 분기 몬테카를로 트리 탐색 (AB-MCTS)
- 베이시안 업데이트 기반 탐색, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- 탐색-활용의 상충 관계, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- GEN 노드 및 톰슨 샘플링, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- LLM 심사위원에 의한 후보 점수 부여, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- AB-MCTS의 노드 집계 변형, 적응형 분기 몬테카를로 트리 탐색 (AB-MCTS)
- 크기 대신 추론의 확장성, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- TreeQuest 루프 구현, 적응형 분기 몬테카를로 트리 탐색(AB-MCTS)
- AB-MCTS-A (노드 집계), 적응형 분기 몬테카를로 트리 탐색 (AB-MCTS)
- AB-MCTS-M (혼합 모델), 적응형 분기 몬테카를로 트리 탐색 (AB-MCTS)
- 절대 점수, ‘고립 너머: 절대 점수가 더 쉬운 이유’-‘고립 너머: 절대 점수가 더 쉬운 이유’
- 추상 구문 트리(AST), 리포지토리를 벤치마킹 가능한 환경으로 전환하기
- 개방형 및 폐쇄형 모델의 접근성, 개방형 대 폐쇄형 모델: 선택이 중요한 이유
- 행동 공간, 에이전트가 행동을 취하고 반성하도록 만드는 방법, 에이전트가 행동을 취하고 반성하도록 만드는 방법
- 상태 기계에서의 행동, 유한 상태 기계
- 어댑터 모듈, LoRA와 어댑터
- 적응형 분기 몬테카를로 트리 탐색 (AB-MCTS참조 )
- add_messages 함수, LLM에 상태 부여하기
- 적대적 위험, AI 에이전트 위협 환경 이해, 에이전트에 대한 레드팀 활동
- 주체성, 그 출현, 기초: 정적 모델에서 동적 에이전트로, 에이전트의 고급 계획, 추론, 및 확장 가능한 실행
- 에이전트 정렬 점검, 에이전트를 위한 시스템 수준 방어
- 에이전트 드리프트, 메모리 토폴로지: 다중 에이전트 시스템에서의 메모리 설계
- 에이전트 프레임워크, FSM/HSM을 에이전트 프레임워크에매핑 하기—FSM/HSM을 에이전트 프레임워크에 매핑하기
- 에이전트 목표 탈취, 조기 위협 테스트: 개발 단계에서의 에이전트 강화
- 에이전트 그래프, 특정 모델의 메모리 사용량 계산
- 에이전트 신원 및 권한 남용, 조기 위협 테스트: 개발 단계에서 에이전트 강화
- 에이전트 개선, 제로섬 게임을 넘어: 보상에서 추론으로, 장기 기억: 에이전트를 경험 많은 전문가로 만들기
- 에이전트 수명 주기, 프로토타입에서 생산 환경으로: 계약, 도구 및 안정적인 실행
- 에이전트 패러다임
- 계층적 아키텍처, 계층적 연구팀 구축-계층적 연구팀 구축
- 슈퍼바이저 아키텍처, 고급 에이전트 패러다임: 슈퍼바이저 및 계층적 에이전트
- 에이전트 군집, 에이전트 군집 개발-에이전트 군집 개발
- 에이전트 강화 트레이너 (ART(Agent ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.