제1장 · 에이전트 기초

‘모델이 곧 에이전트’라는 새로운 패러다임에서 출발해 에이전트 = LLM + 컨텍스트 + 도구라는 핵심 공식을 세우고, 모델 밖의 모든 엔지니어링 역량이 진정한 경쟁력이라는 하네스 엔지니어링을 소개합니다.

← 한국어 메인 README로 돌아가기 · 📖 제1장 본문 읽기

연계 프로젝트

실험	프로젝트	유형	설명
1-1	context	✅	체계적인 구성 요소 제거 실험을 통해 에이전트 컨텍스트를 이루는 각 요소의 중요성을 보여 줍니다. 여러 LLM 제공자(SiliconFlow Qwen, ByteDance Doubao, Moonshot Kimi)를 지원하며, 컨텍스트 모드를 바꾸어 에이전트 행동이 어떻게 달라지는지 관찰할 수 있습니다.
1-2	web-search-agent	✅	여러 차례 검색하고 정보를 종합하는 기본적인 심층 검색 에이전트를 구현합니다.
1-3	search-codegen	🚧	GPT-5 공식 Responses API의 호스팅 검색과 코드 인터프리터 경로를 완전히 구현했지만, 공식 실측 두 번 모두 할당량 부족으로 429 응답을 받았습니다. OpenRouter는 인터페이스 진단에만 사용했으며 본문 검수를 대신하지 않습니다.
7-1, 7-2	learning-from-experience	✅	Q-learning 10,000회와 평가 100회, 공식 Kimi K3의 첫 에피소드까지 두 방식을 실측해 검수를 마쳤습니다. 증거에는 Kimi가 17단계 만에 성공하고 fallback을 사용하지 않은 사실과 과거 점 추정치와의 차이가 기록돼 있습니다.

프로젝트 유형

아이콘	유형	의미
✅	독립 실행	전체 코드가 이 저장소에 있으며, API 키를 설정하면 실행할 수 있습니다.
📖	재현 가이드	외부 저장소를 git clone해야 하는 상세 안내 문서입니다.
🚧	설계 문서	아키텍처와 구현 계획만 있으며, 실행 가능한 코드는 아직 작성 중입니다.