AI 컨텍스트 엔지니어링 - 학습 가이드

소개

이 학습 자료는 AI 에이전트의 품질을 결정짓는 핵심 기술인 컨텍스트 엔지니어링을 체계적으로 다룬다. 단순히 프롬프트를 잘 쓰는 것을 넘어, AI 에이전트가 올바른 판단을 내리는 데 필요한 정보를 어떻게 구성하고 관리할 것인지에 초점을 맞춘다.

컨텍스트 엔지니어링의 핵심 패턴부터 LangGraph 기반의 메모리 시스템 구현, 그리고 실전 프로젝트까지 단계적으로 학습하며, 최종적으로는 스스로 성능을 개선하는 자가 진화형 AI 에이전트를 만드는 것을 목표로 한다.

---

학습 로드맵 흐름

---

선수 지식

이 학습 자료를 효과적으로 따라가려면 아래 내용을 미리 알고 있어야 한다.

• Python 기본 — 함수, 클래스, 딕셔너리, 비동기(async/await) 등 기본 문법에 익숙해야 한다.
• LangGraph 기본 문법 — Node, Edge, State의 개념과 그래프 구성 방식을 이해해야 한다. LangGraph로 간단한 워크플로우를 만들어 본 경험이 있으면 좋다.
• LLM API 기본 — OpenAI 또는 Anthropic API를 호출해 본 경험이 있어야 한다. API 키 설정, 메시지 포맷, 응답 파싱 등 기초적인 사용법을 알고 있으면 된다.

---

학습 로드맵

챕터	제목	설명
01	컨텍스트 엔지니어링의 정의	AI 에이전트 품질의 핵심, 컨텍스트 엔지니어링이란 무엇인가
02	컨텍스트 엔지니어링 구현 패턴	Light, Select, Compress, Isolate 4가지 핵심 패턴
03	LangGraph 컨텍스트 분류	변경 가능성과 생존 기간에 따른 3가지 컨텍스트 타입
04	AI 에이전트 메모리 시스템 개요	단기 메모리와 장기 메모리의 전체 그림
05	단기 메모리 구현	InMemorySaver를 활용한 대화 내역 저장과 활용
06	단기 메모리 관리 전략	긴 대화 처리와 MongoDB 영구 저장
07	장기 메모리 구현	InMemoryStore와 RAG 시스템 활용
08	메모리 타입과 갱신 패턴	Semantic/Episodic/Procedural 메모리와 갱신 전략
09	생성형 AI 활용 개발 워크플로	AI 도구로 AI 에이전트를 만드는 현대적 개발 방식
10	AI 뉴스레터 에이전트	데이터 수집부터 HTML 생성까지 자동화 파이프라인
11	자가 진화형 AI 에이전트	스스로 성능을 개선하는 Self-Evolving 시스템

---

핵심 개념 관계도

---

학습 팁

1. 01~03 챕터로 큰 그림을 먼저 잡자. 컨텍스트 엔지니어링의 정의와 패턴을 확실히 이해한 뒤에 구현으로 넘어가야 방향을 잃지 않는다.

2. 코드를 직접 실행하며 배우자. 특히 05~08 챕터의 메모리 구현 부분은 LangGraph 코드를 직접 돌려 보면서 동작을 확인해야 체감이 된다.

3. 10~11 챕터의 실전 프로젝트를 끝까지 완성해 보자. 개념만 읽는 것과 직접 동작하는 에이전트를 만들어 보는 것은 완전히 다른 경험이다. 뉴스레터 에이전트와 자가 진화형 에이전트를 직접 구현하면, 앞서 배운 모든 개념이 하나로 연결된다.