『피지컬 AI 시스템 설계』 — 화면 밖으로 나오는 AI, 그 전환의 지도

피지컬 AI 시스템 설계 - LLM/VLM에서 VLA까지, 시뮬레이터·데이터·오픈 생태계로 설계하는 로봇 지능
엥지유니버스 지음 / 한빛미디어 / 2026년 6월

챗봇 다음이 궁금한 개발자를 위한 책 — 『피지컬 AI 시스템 설계』 리뷰

 이 책을 펼치기 전

요즘 AI 뉴스를 볼 때마다 조금 지쳐 있었다. 매일 새 모델 이름이 쏟아지는데, VLA·GR00T·π(파이) 계열 같은 단어는 눈에만 익을 뿐 머릿속에서 서로 연결이 안 됐다. 챗GPT로 코드 짜고 문서 만드는 건 일상이 됐는데, "그래서 이 AI가 로봇을 움직이는 거랑 무슨 상관이지?"라는 질문 앞에선 늘 말문이 막혔다.

그러던 차에 이 책, 『피지컬 AI 시스템 설계』(엥지유니버스 지음 / 한빛미디어 / 320쪽)를 받았다.

 서문에서 마음을 놓다

전자책을 열고 표지를 넘기니 지은이 소개, 그리고 '이 책에 대하여'라는 서문이 나온다. 여기서부터 이 책의 태도가 드러난다. 저자는 현직 로봇 개발자인데, 이렇게 고백한다. 챗GPT가 보여준 도약이 로봇 분야에서도 곧 일어날 것이라 기대했지만, 현실 세계를 다루는 로봇은 텍스트나 이미지보다 훨씬 까다로운 문제를 안고 있었다고. 센서 데이터엔 오차가 있고, 물건을 잡는 순간엔 힘과 접촉이 복잡하게 변하며, 같은 명령이라도 대상의 위치·무게·재질에 따라 완전히 다른 행동이 필요하다는 것.

기술을 파는 사람이 아니라 현장에서 한계를 직접 겪어본 사람의 목소리라는 게 첫 장부터 느껴져서 신뢰가 갔다. 대중이 기대하는 "똑똑한 로봇"과 실제 현장에서 만들 수 있는 로봇 사이에 큰 간격이 있다는 문장에서, 나도 모르게 고개를 끄덕였다.

 이 책의 진짜 핵심: "최신 기술보다 중요한 것은 변화의 흐름"

서문에 아예 이런 소제목이 있다. "최신 기술보다 중요한 것은 변화의 흐름이다." 저자는 이 책이 "지금 가장 최신 기술이 무엇인가"를 설명하는 데 목적을 두지 않았다고 못 박는다. 피지컬 AI는 아직 하나의 정답으로 수렴된 단계가 아니고, 지금 주목받는 기술도 몇 달 뒤엔 대체될 수 있으니, **"어떤 한계에 부딪혔고, 그 한계를 넘기 위해 어떤 아이디어가 등장했는지"**를 따라가야 방향을 읽을 수 있다는 것이다.

이 관점이 책 전체를 관통한다. LLM 기반 플래닝에서 시작해 → VLA 모델 → 오픈 로봇 데이터셋 → 중간 표현 → 연속 행동 → 듀얼 시스템 구조 → 디지털 트윈 → 합성 데이터 → 파인튜닝 → 온디바이스 실행 → 지속 학습 시스템까지, 하나의 흐름으로 꿰어진다. 그래서 개별 모델 이름을 외우는 게 아니라, 새 뉴스가 떠도 "아, 이건 그 흐름의 어디쯤이겠구나" 하고 스스로 위치를 짚는 감각이 생긴다.

 읽으면서 가장 시원했던 순간

4장(VLA 모델의 탄생)을 반신반의하며 읽기 시작했다. RT-1, RoboCat, RT-2… 또 이름 폭탄이겠거니 했는데, "실제 로봇 제어도 트랜스포머로 스케일링할 수 있을까?"라는 질문에서 출발해 RT-1이 그걸 증명하고 → RT-2가 웹 지식을 로봇 행동으로 전이시키는 흐름으로 자연스럽게 이어진다. 흩어져 있던 퍼즐이 맞춰지는 기분이었다.

6~7장(중간 표현·연속 액션 → 듀얼 시스템 설계)에선 "왜 이미지와 문장만으로는 실전에서 실패하는가"라는 대목에 밑줄을 그었다. 생각하는 층(추론)과 움직이는 층(행동)을 나눈다는 설계 원리가, 평소 백엔드에서 관심사를 분리하던 감각과 겹쳐서 유독 반가웠다.

 로봇이 없어도 시작할 수 있다니

가장 실용적으로 다가온 건 3부(로봇 없이 시작하는 피지컬 AI 실전 개발)였다. "이 분야는 비싼 로봇 팔이 있어야 하는 거 아냐?"라는 편견이 있었는데, 이 책은 시뮬레이터와 오픈소스만으로도 구조를 이해하고 실험할 수 있다고 안내한다. 데이터 수집·가공(9장)부터 디지털 트윈(10장), 합성 데이터(11장), 파인튜닝(12장), 온디바이스 최적화(13장)까지 파이프라인 전체가 하나로 정리된다.

그래서 16장을 읽고는 참지 못하고 노트북을 열어 우분투 환경에서 LeRobot 프레임워크 진입점을 따라가 봤다. (환경 세팅에서 한 번 삐끗해 저녁을 통째로 날렸지만, 이건 순전히 내 탓…) 완벽한 매뉴얼은 아니어도 "일단 손을 대볼 수 있게" 출발선을 짚어주는 것만으로 충분히 고마웠다.

 아쉬운 점도 솔직하게

• 워낙 빠르게 변하는 분야라 특정 모델·수치는 시간이 지나면 갱신될 수밖에 없다. (다만 저자가 처음부터 '구조와 아이디어' 중심으로 써서 이 한계는 꽤 상쇄된다.)
• 14장(디지털 트윈 구축 사례) 같은 일부 장은 분량이 짧아 맛보기에 가깝다. 더 깊이 파려면 원 논문·공식 문서를 곁들여야 한다.

한마디로 이 책은 '지도'이지 '매뉴얼'은 아니다. 하지만 어디서부터 봐야 할지 몰라 헤매던 나에겐, 지도가 매뉴얼보다 백 배 더 필요했다.

 이런 분께 추천합니다

• 생성형 AI는 익숙한데 피지컬 AI는 막막한 소프트웨어 개발자
• VLA·GR00T·π 같은 키워드를 파편적으로만 아는, 큰 그림이 필요한 분
• 로봇 장비 없이 시뮬레이터·오픈소스로 직접 실험해보고 싶은 분
• 피지컬 AI 시대의 커리어를 고민하는 주니어·현업 개발자 (18~19장 커리어 로드맵이 알차다)

 총평 ⭐️⭐️⭐️⭐️☆ (4.5/5)

책을 덮으며 가장 크게 남은 건 지식이 아니라 **'방향감'**이었다. 이제 새 로봇 AI 뉴스를 봐도 그 흐름의 어디쯤인지 가늠할 수 있게 됐다. 피지컬 AI가 아직 완성되지 않은 기술이라 오히려 지금 시작하는 사람에게 기회가 많다는 저자의 메시지가, 묘하게 오래 마음에 남는다.

한 줄 평: 유행어의 홍수 속에서 '흐름'을 쥐여주는, 피지컬 AI 입문의 좋은 첫 지도.

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다.

[리뷰] 이것이 시리즈이것이 멀티 에이전트다 싱글 에이전트부터 멀티 에이전트까지

이것이 멀티 에이전트다 - 싱글 에이전트부터 멀티 에이전트까지, MCP와 A2A로 구현하는 에이전트 시스템 개발 | Cursor 최신 버전 반영, 9가지 실습 프로젝트 수록
서지영 지음 / 한빛미디어 / 2026년 6월

— 단일 LLM의 한계를 넘어, 역할을 나눠 협력하는 에이전트 팀을 직접 설계하는 멀티 에이전트 실전 워크북

---

📢 “한빛미디어 서평단 〈나는리뷰어다〉 활동을 위해서 책을 협찬받아 작성된 서평입니다.”

---

책에 대한 첫인상

이 책을 처음 접하게 된 계기

ChatGPT가 등장한 뒤로 제 관심사는 자연스럽게 옮겨갔습니다. 처음에는 “문장을 얼마나 그럴듯하게 쓰는가”가 신기했는데, 어느 순간부터는 “그래서 이걸로 무엇까지 자동화할 수 있는가”가 더 궁금해졌습니다. OpenAI API를 호출해 보고, RAG도 직접 만들어 봤지만 거기서 한 발 더 나가려 할 때마다 벽에 부딪혔습니다. 검색은 되는데 판단과 실행, 반성까지 한 흐름으로 묶으려니 단일 모델 호출만으로는 닿지 않는 영역이 분명히 있었거든요.

그 무렵 MCP, A2A, 오케스트레이터 같은 키워드가 여기저기서 트렌드처럼 떠올랐습니다. 개념 글은 많이 읽었지만 정작 손으로 끝까지 만들어 본 적은 없었습니다. “개념은 알겠는데, 그래서 코드로는 어떻게 짜는데?”라는 갈증이 컸고, 이론 나열이 아니라 처음부터 끝까지 동작하는 멀티 에이전트 시스템을 직접 조립해 보는 자료를 찾던 중에 이 책을 만났습니다.

기대했던 점

가장 기대한 건 “예제를 위한 예제”가 아니라 실무에 가까운 시나리오였습니다. 목차를 훑어보니 영업 데이터 분석·시각화, 개인정보 탐지·마스킹, 약관 기반 질의응답, 금융 이상 거래 탐지처럼 실제 업무에서 바로 떠올릴 법한 주제들이 줄지어 있었습니다. ‘딥러닝 이론’을 깊게 파기보다 LLM을 ‘블록’처럼 엮어 시스템을 설계·조립하는 감각을 길러주는 책이기를 바랐고, 그 기대를 가지고 첫 장을 펼쳤습니다.

---

내용 분석 및 평가

이 책의 핵심 주제

한 문장으로 줄이면 “단일 모델 호출 → RAG → 싱글 에이전트 → 멀티 에이전트로 이어지는 진화의 흐름을, 독자가 직접 따라가며 체감하게 만드는 책”입니다.

저자는 단일 모델 호출의 한계에서 출발합니다. RAG가 그 첫 번째 보완책이었다면, 에이전트는 조회·판단·실행·반성을 하나의 체계 안에 묶는 다음 단계이고, 하나의 에이전트로 감당하기 어려운 복잡도에 이르면 자연스럽게 여러 에이전트가 역할을 나눠 협력하는 멀티 에이전트로 넘어간다는 논리입니다. 이 흐름 위에서 오케스트레이터가 에이전트들을 조율하고, MCP·FastMCP로 도구를 연결하며, A2A(Agent-to-Agent)로 에이전트끼리 직접 소통하는 구조를 단계적으로 쌓아 올립니다.

책의 구성 — 이론 + 실습, 그중에서도 ‘실습 비중이 큰’ 구성

총 3부 구성이고, 개념과 실습이 단계적으로 배치되어 있습니다.

• 1부 — 멀티 에이전트 시스템의 기초 (1~3장): 에이전트의 등장 배경과 구성요소, 싱글 vs 멀티의 차이, 실행 구조와 상태 관리, A2A를 개념 중심으로 정리합니다. 이어 오케스트레이터의 역할, MCP·FastMCP 기반 구현, 그리고 보안·품질·성능 같은 운영 환경 고려사항까지 다룹니다. 마지막 3장에서는 OpenAI·Claude·Tavily API 발급, Slack Webhook, Python·Cursor 설치까지 실습 환경을 빠짐없이 준비시킵니다.
• 2부 — 싱글 에이전트 실전 구현 (4~5장): 영업 데이터 분석·시각화, 개인정보 탐지·마스킹. 하나의 에이전트가 파이프라인 전체를 처리하는 흐름을 손에 익히는 단계입니다.
• 3부 — 멀티 에이전트 실전 구현 (6~12장): 약관 기반 질의응답, Whisper 음성 Q&A, 병렬 검색, 반복 평가, 뉴스 기반 종목 영향 평가, 이상 거래 탐지, 맞춤형 여행 플래너. 역할이 분리된 에이전트들이 서로 조율하며 목표를 달성하는 구조를 다양한 도메인으로 변주합니다.

싱글 2개 + 멀티 7개, 총 9개의 실전 프로젝트를 직접 완성하는 구조라 “읽는 책”이라기보다는 “따라 만드는 워크북”에 가깝습니다.

가장 인상 깊었던 부분

세 가지가 특히 기억에 남습니다.

첫째, 병렬 검색으로 속도를 개선하는 8장. 정부·기업·민간 검색 에이전트를 동시에 실행하고, 타당성 평가와 판단 에이전트가 결과를 종합하는 구조입니다. 멀티 에이전트의 진짜 매력은 “역할 분리”뿐 아니라 “병렬화로 인한 체감 속도”에 있다는 걸 실습으로 보여줘서 좋았습니다. 실무에서 응답 속도는 곧 사용성이니까요.

둘째, 반복 평가로 응답 품질을 끌어올리는 9장. 생성 → 평가 → 피드백을 순환시켜 품질을 자동으로 개선하는 루프인데, 이건 데모를 넘어 프로덕션에서 바로 쓸모가 있는 패턴입니다. “LLM 답변을 LLM이 평가하게 만드는” 구조를 직접 짜보는 경험은 생각보다 강렬했습니다.

셋째, 개인정보 탐지·마스킹을 다루는 5장. 국내 실무에서 컴플라이언스는 선택이 아니라 필수인데, 이 장은 MCP 서버 없이 웹에서 동작하는 가벼운 버전이라 진입 장벽이 낮습니다. “민감정보를 어떻게 자동으로 가릴 것인가”라는 현실적인 문제를 에이전트로 푸는 과정이 인상적이었습니다.

설명은 명확했는가

이 책의 가장 큰 미덕은 일관된 챕터 구조입니다. 거의 모든 실습이 “폴더 열기 → 라이브러리 설치 → (검색/에이전트) 구현 → MCP 서버 등록 및 결과 확인”이라는 동일한 리듬으로 흘러갑니다. 처음 한두 장에서 이 흐름을 익히고 나면, 도메인이 바뀌어도 “아, 또 이 패턴이구나” 하며 비교적 수월하게 따라갈 수 있습니다. 어려운 개념은 코드에 들어가기 전에 전체 구조를 머릿속에 그리게 한 뒤 실습으로 확인시키는 방식이라, 개념과 코드 사이의 거리가 멀지 않게 느껴졌습니다.

오류나 아쉬운 점

치명적인 오류라기보다 이 분야 책이 숙명적으로 안고 가는 한계에 가깝습니다.

• 유료 도구·API 의존: OpenAI(임베딩·LLM 실습을 위해 일정 금액 충전 필요), Claude API, Tavily, 그리고 Cursor·Claude Desktop 등 무료가 아닌 도구가 전제됩니다. 실습을 끝까지 따라가려면 소소한 비용이 발생하니, 시작 전에 가격 정책을 확인하는 편이 좋습니다.
• 빠른 생태계 변화: MCP·도구 생태계와 각 API는 매우 빠르게 변합니다. 화면 캡처나 특정 버전의 동작이 책과 달라질 가능성이 있고, 이건 어떤 저자도 완전히 피하기 어려운 부분입니다. 공식 문서·GitHub 저장소를 함께 참고할 마음의 준비가 필요합니다.
• A2A·운영 이슈의 깊이: A2A와 운영(보안·품질·최적화)은 개념 위주로 다뤄지는 인상이라, 대규모 운영을 고민하는 독자라면 별도의 심화 자료가 추가로 필요할 수 있습니다.
• 절대 초보에게는 진입 장벽: 파이썬·API·터미널 경험이 전혀 없는 분에게는 환경 설정 단계부터 다소 가파를 수 있습니다.

초보자 vs 중급자 — 누구에게 더 맞는가

책 스스로 밝힌 대상 독자가 명확합니다. 파이썬으로 간단한 스크립트를 짜본 적이 있고, OpenAI API를 한 번쯤 호출해 봤으며, RAG를 만들어 보고 그다음을 찾는 사람. 즉 “입문을 막 뗀 초·중급 이상”이 가장 적합합니다.

프로그래밍을 처음 시작하는 완전 초보보다는, RAG까지는 해봤는데 그다음이 막막한 사람에게 최적의 책입니다. 반대로 이미 LangGraph·AutoGen 등으로 프로덕션 멀티 에이전트를 운영해 본 고급 개발자에게는 일부 내용이 다소 친절하게 느껴질 수 있습니다.

---

실용성 및 활용

실제로 적용해 본다면

각 프로젝트는 그대로 “회사 일”에 대입하기 좋습니다. 예를 들어 6장의 의미 + 키워드 하이브리드 검색 구조는 사내 규정·계약서 Q&A 시스템으로 거의 그대로 확장할 수 있고, 5장의 개인정보 마스킹은 데이터 전처리·로그 비식별화 파이프라인에 응용할 수 있습니다. 10·11장의 금융 분석·이상 거래 탐지 흐름은 “뉴스 수집 → 감성/요인 분석 → 평가” 또는 “데이터 수집 → 특징 추출 → 탐지 → 보고서 생성”처럼, 역할을 나눈 파이프라인 사고를 그대로 다른 업무에 옮겨 붙일 수 있는 형태입니다.

앞으로의 업무·학습에 어떻게 도움이 될까

가장 큰 수확은 개별 기술이 아니라 “오케스트레이션 관점”이 생긴다는 점입니다. 하나의 거대한 프롬프트로 모든 걸 해결하려는 습관에서 벗어나, 문제를 잘게 쪼개 전담 에이전트에 맡기고, 결과를 종합하는 설계 사고를 익히게 됩니다. 더불어 MCP가 사실상 “도구 연결의 표준”으로 자리 잡아가는 흐름에서, 도구를 에이전트에 연결하는 감각은 앞으로 점점 더 기본 역량이 될 것입니다.

추천 대상

• RAG는 만들어 봤지만 그다음 단계가 막막한 개발자
• 사내 업무 자동화 PoC를 빠르게 만들어 보고 싶은 엔지니어·기획자
• 프레임워크에 들어가기 전, “에이전트를 블록으로 엮는” 직관을 손으로 익히고 싶은 분
• 개인정보·금융·문서 검색처럼 한국 실무에 가까운 예제로 배우고 싶은 분

---

종합 평가

한마디로 요약하면

개념으로만 알던 멀티 에이전트를, 9개의 실전 프로젝트로 손에 익히는 실습형 워크북.

점수: ⭐ 4.3 / 5.0

실습 밀도와 도메인 다양성이 뛰어나고, 일관된 챕터 구조 덕분에 “따라가다 길을 잃는” 경험이 적습니다. 개념 → 싱글 → 멀티로 이어지는 학습 동선도 군더더기가 없습니다. 다만 유료 API·도구 의존으로 인한 실습 비용, 빠르게 변하는 생태계로 인한 화면/버전 노후화 가능성, 절대 초보에게는 가파른 진입 장벽을 고려해 5점은 아껴 두었습니다.

가장 큰 장점

• 9개 실전 프로젝트의 폭과 일관성 — 다양한 도메인을 같은 리듬으로 반복 학습
• 오케스트레이터·MCP·FastMCP·A2A를 개념이 아니라 직접 구현으로 체득
• 개인정보·금융·약관 등 국내 실무 친화적인 예제 구성

가장 큰 단점

• 유료 도구·API 의존(OpenAI 충전, Claude/Tavily, Cursor·Claude Desktop)으로 인한 비용·접근성 부담
• 빠른 생태계 변화로 인한 화면·버전 불일치 가능성, A2A·운영 영역의 상대적으로 얕은 깊이

개발자·IT 종사자를 위한 한 줄 평

“Function Calling과 단일 RAG의 한계에 부딪힌 개발자가, 오케스트레이터·MCP·A2A로 ‘협력하는 에이전트 팀’을 직접 짜보는 가장 빠른 실습서.”

마지막으로, 이 책을 읽으려는 분들께

읽기만 해서는 절반밖에 얻지 못하는 책입니다. 반드시 키보드로 직접 따라 치세요. 시작 전에 OpenAI·Claude·Tavily의 가격 정책과 Cursor·Claude Desktop의 사용 제약을 한 번 확인해 두면 중간에 당황할 일이 줄어듭니다. 그리고 책의 화면이 실제와 다르게 보이더라도 놀라지 마세요 — 이 분야는 원래 빠르게 변합니다. 공식 문서와 저자의 코드 저장소를 곁에 두고, “이 패턴을 내 업무에는 어떻게 옮겨 붙일까?”를 계속 질문하며 읽으면, 9개의 예제가 9개의 출발점이 되어 줄 겁니다.

---

🏷️ 해시태그

#멀티에이전트 #MultiAgent #MCP #FastMCP #A2A #AI에이전트 #LLM #오케스트레이터 #RAG #커서AI #ClaudeDesktop #에이전트개발 #업무자동화 #파이썬 #한빛미디어 #나는리뷰어다 #개발도서 #IT서평

[리뷰] 마법의 장막을 걷어낸 AI 엔지니어의 강력한 지적 나침반, 《AI가 일하는 법》

AI가 일하는 법 - 마법의 장막을 걷어내고 과학의 눈으로 바라본 인공지능의 본질
로널드 크노이젤 지음, 한선용 옮김 / 제이펍 / 2026년 5월

1. 들어가며: 'Vibe Coding'과 'Library Import'의 시대에 던져진 화두

최근 AI 생태계의 발전 속도는 눈이 멀어버릴 정도로 빠릅니다. 프롬프트 몇 줄로 아키텍처를 설계하고, import 문 하나로 LLM의 강력한 결과물을 손쉽게 파이프라인에 이식하는 이른바 '바이브 코딩(Vibe Coding)'의 시대가 도래했습니다. 엔지니어로서 생산성이 극대화된 것은 분명 축복이지만, 한편으로는 마음 한구석에 서늘한 부채감이 자리 잡고 있었습니다.

"내가 지금 가져다 쓰는 이 거대한 인공지능 API와 에이전트들은, 정녕 내가 완전히 통제하고 있는 기술인가? 아니면 그저 블랙박스가 뱉어내는 '마법'에 의존하고 있는 것인가?"

이러한 기술적 갈증과 불안감이 엄습할 때, 로널드 크노이젤의 《AI가 일하는 법》을 만났습니다. 이 책은 난해한 수학 수식의 나열로 독자를 지치게 만들지도 않고, 반대로 단순히 AI의 트렌드만 겉핥기식으로 읊는 가벼운 대중서도 아닙니다. 저자의 말대로 숲과 덤불의 중간인 '나무 위에서 바라보는 관점'에서 AI의 본질적 메커니즘을 꿰뚫어 보는 책입니다.

2. 내 프로젝트와 경험에 비추어 본 이 책의 가치

최근 기업용 데이터 가상화 플랫폼(Denodo) 및 빅데이터 아키텍처 위에 RAG(검색 증강 생성) 기반의 AI 에이전트를 구축하는 프로젝트를 고민하며, 기술의 '흔들리지 않는 기초'가 얼마나 중요한지 절감하고 있었습니다. 아무리 화려한 프레임워크를 가져다 써도 환각(Hallucination) 현상이나 데이터 편향 문제를 해결하려면 결국 알고리즘의 본질을 알아야 하기 때문입니다.

이 책에서 가장 짜릿했던 부분은 CHAPTER 3(과거의 머신러닝)에서 CHAPTER 4(신경망), 그리고 CHAPTER 7(대형 언어 모델)로 이어지는 징검다리였습니다.

• 고전 머신러닝과의 연결고리: 저자는 최근접 모델, 랜덤 포레스트, SVM 같은 고전 모델을 먼저 빌드업합니다. "현대 AI를 이해하려면 고전부터 알아야 하며, 여기에 적용되는 원리가 신경망에도 그대로 적용된다"는 파트는 무릎을 치게 만들었습니다. 최신 LLM도 결국 '입력 데이터의 다음 단어를 가장 정확하게 예측하려는' 정교한 최적화 알고리즘의 연장선에 불과하다는 점을 직관적인 비유로 깨닫게 해줍니다.
• 인공 뉴런의 직관적 비유: 인공 뉴런을 '다이얼 스위치가 달린 전등'에 비유한 대목은 복잡한 활성화 함수(Activation Function)의 개념을 수식 없이 완벽하게 이해시키는 최고의 설명이었습니다.

3. 프로젝트에서 체감한 ‘이해의 차이’

실무에서 AI를 다룰 때 가장 곤란한 순간은 의사결정이다. 모델을 바꿔야 할지, 데이터가 문제인지, 구조를 손봐야 하는지 판단해야 할 때 말이다. 이 책을 읽고 난 뒤 가장 크게 달라진 점은, 선택의 기준이 생겼다는 것이다. 특히 고전 머신러닝을 다시 짚고 넘어가는 3장은 인상적이었다. 최근접 모델, 랜덤 포레스트, SVM 같은 모델들은 이미 “지나간 기술”처럼 취급되지만, 실제로는 지금 사용하는 신경망의 사고방식을 이해하는 데 결정적인 역할을 한다.
신경망이 왜 그런 구조를 취하게 되었는지, 왜 확률적 선택을 하는지, 왜 완벽하지 않은지를 이 과거 모델들이 설명해 준다.

덕분에 모델 성능이 기대만큼 나오지 않을 때, 무작정 파라미터를 튜닝하기보다
“이 문제는 표현의 문제인가, 학습의 문제인가”를 먼저 생각하게 됐다.

4. 비유가 단순해서가 아니라, 정확해서 좋다

이 책의 가장 큰 강점은 비유다. 하지만 흔히 말하는 ‘쉽게 설명한 책’과는 결이 다르다. 비유가 단순한 것이 아니라 정확하다.

신경세포를 전등 스위치에 비유한 설명이나, 알고리즘과 프로그램을 레시피와 직원의 작업으로 풀어낸 부분은 단순한 설명을 넘어 개념의 경계를 명확히 잡아준다. 덕분에 AI를 비전공자에게 설명해야 할 상황에서도, 막연한 설명이 아니라 구조를 전달할 수 있게 됐다.

5. LLM을 바라보는 시선이 달라지다

대형 언어 모델을 다루는 7장은 개인적으로 가장 오래 머물렀던 장이다. LLM을 “다음 단어 예측기”라고 설명하면서도, 왜 그게 추론과 창의로 이어지는지 설명하기 어려웠던 경험이 많았기 때문이다. 이 책은 LLM을 과대평가하지도, 과소평가하지도 않는다.
그저 어디까지가 설계이고, 어디서부터가 emergent behavior인지를 차분하게 짚는다. 덕분에 LLM을 만능 도구가 아니라, 성격이 분명한 도구로 바라보게 됐다. 이 시선의 변화는 곧바로 실무에 영향을 준다. 프롬프트를 설계할 때도, RAG 구조를 짤 때도
“모델이 뭘 이해할 수 있는가”가 아니라 “모델이 어떤 방식으로 추론하는가”를 먼저 떠올리게 된다.

덕분에 복잡한 분산 아키텍처와 MLOps 파이프라인을 설계할 때, AI 기술을 단순한 '마술 상자'가 아닌 내가 설계하고 제어할 수 있는 '예측 가능한 과학적 도구'로 다시금 정의할 수 있게 되었습니다.

6. 읽고, 쓰고, 나누며 찾은 '성장'의 이정표

이 책의 가장 큰 미덕은 개발자와 비개발자 모두에게 각자의 이정표를 제시한다는 점입니다.

• 동료 개발자들에게: 매일 API를 호출하고 모델을 파인튜닝하면서도 "내부 레이어에서 정확히 무슨 일이 일어나는 거지?"라는 의문이 들었다면, 이 책이 그 블랙박스의 장막을 걷어내 줄 것입니다. 왜 CNN이 시각 지능의 혁명을 이끌었는지, GAN과 확산 모델(Diffusion Model)의 차이가 무엇인지 기술적 필연성을 이해하게 됩니다.
• 함께 항해하는 일반인과 동료들에게: AI 아키텍처를 도입하려는 의사결정자나 기획자에게는 기술적 허구(Hype)에 매몰되지 않고 AI의 현재와 미래를 균형 있게 조망할 수 있는 '지적 나침반'이 되어줍니다.

책의 후반부에 배치된 '용어집(Glossary)' 또한 현업에서 동료들과 소통하거나 프로젝트 가이드라인을 작성할 때 훌륭한 레퍼런스가 되어줄 만큼 정교하게 정리되어 있습니다.

7. 마무리에 부쳐: 사람의 온기로 기술을 바라보기

"LLM의 원래 목표는 다음에 올 단어를 예측하는 것이었지만, 그 과정에서 질문 답변, 수학적 추론, 논리적 추론 등 새로운 능력을 스스로 학습했습니다. 이는 생각의 본질과 인간 정신의 고유함에 대해 질문하게 만듭니다." (본문 중)

AI 에이전트와 오픈소스 아키텍처를 연구하고 리드하는 입장에서, 이 책은 기술적 숙제를 넘어선 묵직한 감동을 주었습니다. 컴퓨터가 인간의 뇌와 눈, 그리고 창의성을 닮아가는 과정을 따라가다 보면 기술의 차가움보다는 그것을 구현해 낸 인류의 지적 성취에 대한 경외감이 먼저 듭니다.

AI 시대를 살아가는 모든 엔지니어와 지식 탐구자들에게 일독을 강력히 권합니다. 마법이 과학으로 치환되는 순간, 비로소 우리는 AI라는 거대한 파도 위에서 키를 쥔 선장이 될 수 있을 것입니다.

제이펍 <서평단 당첨> 활동을 위해 책을 제공받아, 실무 엔지니어로서의 경험과 진정성을 담아 솔직하게 작성한 서평입니다.

코딩 자율학습 나도코딩의 자바 입문 리뷰

코딩 자율학습 나도코딩의 자바 입문 - 기초부터 객체지향까지, 예제와 실습으로 완성하는 자바 프로그래밍 ㅣ 코딩 자율학습
나도코딩 지음 / 길벗 / 2026년 5월

📖 책에 대한 첫인상

이 책을 처음 접하게 된 계기

평소 유튜브에서 '나도코딩' 채널을 즐겨 보던 입장에서, 강의로 쌓아 온 노하우가 책으로 정리되어 나왔다는 소식을 접하고 자연스럽게 관심이 갔습니다. 영상 강의는 분명 직관적이지만, 다시 찾아보거나 빠르게 훑어보기에는 한계가 있죠. 40만 구독자, 누적 조회수 2,600만, 수강생 10만 5천 명이라는 검증된 강의 내용이 한 권의 책으로 정리되었다는 점이 가장 큰 매력으로 다가왔습니다.

기대했던 점

요즘 ChatGPT, Claude, Copilot 같은 AI 도구들이 코드를 척척 작성해 주는 시대입니다. "그럼 프로그래밍을 굳이 배워야 할까?"라는 질문이 자주 떠오르는 시기이기도 합니다. 그래서 저는 이 책이 단순히 문법을 나열하는 책이 아니라, AI가 만든 코드를 읽고 판단할 수 있는 '기본기' 를 길러줄 수 있을 거라고 기대했습니다. 특히 자바는 객체지향이라는 진입 장벽이 있는 언어인 만큼, 입문자에게 친절한 설명이 어떻게 풀어졌을지 궁금했습니다.

---

🔍 내용 분석 및 평가

핵심 주제

이 책의 핵심 주제는 한 문장으로 요약됩니다.

"AI 시대일수록 흔들리지 않는 프로그래밍 기본기를 자바로 단단히 다지자."

문법 → 객체지향 → 컬렉션 → 예외 처리 → 입출력으로 이어지는 정통 자바 학습 흐름을, 입문자 눈높이에 맞춰 처음부터 끝까지 한 호흡으로 끌어갑니다.

책의 구성 방식

목차를 살펴보면 책의 학습 설계가 굉장히 치밀하다는 것이 느껴집니다.

1~7장: 기초 문법 단계 자료형, 변수, 연산자, 문자열, 조건문, 반복문, 배열 — 어떤 언어를 배워도 통하는 보편적 기본기를 다집니다.

8~11장: 객체지향 본격 진입 메서드부터 시작해 클래스를 '전반전/후반전'으로 나눠 두 챕터에 걸쳐 다루는 구성이 인상적입니다. 보통 입문서에서 가장 무너지기 쉬운 구간이 객체지향인데, 단계를 쪼개서 천천히 끌고 가는 방식이 학습자 친화적입니다. 이후 상속, 다형성, 추상 클래스, 인터페이스로 자연스럽게 확장됩니다.

12~14장: 실전 활용 기초 컬렉션 프레임워크, 예외 처리, 입출력과 파일 — 실제 프로젝트에서 매일 마주치는 주제들입니다.

부록 A~C: 한 단계 더 제네릭, 람다/스트림, 스레드까지 포함되어 있어, 입문서 한 권만 떼면 중급으로 넘어갈 디딤돌이 마련됩니다.

학습 흐름이 개념 이해 → 예제 보기 → 문제 풀기 → 실전 코딩 의 4단계로 반복되는 점이 특히 좋습니다. 단순히 읽고 끝나는 게 아니라 손으로 직접 쳐 보고, 막히는 곳에서 사고하게 만드는 구조입니다.

가장 인상 깊었던 부분

세 가지가 기억에 남습니다.

첫째, 클래스를 두 챕터로 분할한 점입니다. 9장에서 클래스의 기본 뼈대(인스턴스 변수, 메서드, 생성자, this, 접근 제어자)를 익히고, 10장에서 비로소 상속과 다형성으로 확장합니다. 입문자가 객체지향 앞에서 좌절하는 가장 큰 이유는 '한꺼번에 너무 많은 개념을 만나기 때문'인데, 이 책은 그 부담을 절반으로 나누어 줍니다.

둘째, "왜 이 개념이 필요한가" 를 먼저 설명하는 서술 방식입니다. 예컨대 "8.6 메서드가 필요한 이유"처럼, 문법을 배우기 전에 그 문법이 존재하는 이유부터 짚어 줍니다. 이런 접근은 단순 암기를 막고, 사고하는 개발자의 습관을 길러 줍니다.

셋째, 6.5의 구구단 출력, 14.3의 학생 성적표 만들기처럼 챕터 중간중간 박혀 있는 실습 예제입니다. 이론에 매몰되지 않도록 호흡을 끊어 주는 장치로 작용합니다.

설명의 명확성

추천평을 보면 "1:1 과외를 받는 느낌"이라는 표현이 반복해서 등장하는데, 이는 나도코딩 특유의 설명 방식 — 일상의 비유, 단계적 빌드업, 자주 틀리는 지점 미리 짚어 주기 — 가 책에도 그대로 녹아 있기 때문일 것입니다. 영상 강의로 다져진 '학습자가 어디서 막히는지'에 대한 감각이 텍스트에도 살아 있습니다.

아쉬운 점

굳이 짚자면 두 가지입니다.

하나는 두께와 분량입니다. 입문서 치고는 방대해서, 단기간에 끝내려는 학습자에게는 부담스러울 수 있습니다. 다만 이는 깊이를 위해 감수해야 할 트레이드오프입니다.

다른 하나는 빌드 도구나 협업 도구(Gradle/Maven, Git)에 대한 내용이 빠져 있다는 점입니다. 자바 '언어'에 집중한 입문서로서는 합리적인 선택이지만, 책을 떼고 나면 별도 학습이 필요합니다.

초보자용인가, 중급자용인가

명확하게 완전 초보자에서 초·중급 진입자까지를 위한 책입니다.

완전 입문자: 첫 자바 책으로 매우 적합. 1장의 개발 환경 설정부터 친절합니다.

타 언어 경험자: 1~7장은 빠르게 훑고 8장부터 정독하는 방식으로 활용하면 효율적입니다.

중급 이상: 새로 얻을 정보는 제한적이지만, 부록의 람다·스트림·스레드 부분은 개념 정리용으로 가치가 있습니다.

---

💼 실용성 및 활용

실무 적용 가능성

자바는 여전히 엔터프라이즈 백엔드, 안드로이드, 대규모 시스템 개발의 핵심 언어입니다. 이 책에서 다루는 컬렉션 프레임워크(List/Set/Map), 예외 처리, 파일 입출력은 실무에서 매일 만나는 주제이고, 부록의 제네릭과 람다/스트림은 모던 자바 코드를 읽기 위한 필수 지식입니다.

다만 이 책은 Spring 같은 프레임워크나 JDBC, 웹 개발은 다루지 않습니다. 그건 이 책의 한계가 아니라 의도된 범위입니다. 이 책의 역할은 "Spring을 배우러 가도 헤매지 않을 자바 실력"을 만드는 것이고, 그 역할에는 충실합니다.

앞으로의 학습에 미치는 영향

이 책을 끝낸 뒤의 학습 동선이 자연스럽게 그려집니다.

백엔드 진로 → Spring Boot, JPA로 진입

안드로이드 진로 → Kotlin 또는 안드로이드 SDK로 확장

CS 기초 보강 → 자료구조/알고리즘(자바로 풀기)

AI 시대 대응 → AI가 생성한 자바 코드를 읽고 리팩토링하는 안목

추천 대상

첫 프로그래밍 언어로 자바를 선택한 대학생, 비전공 입문자

코딩테스트나 백엔드 취업을 준비하는 취준생

자녀와 함께 프로그래밍을 시작하려는 부모(추천평에 실제 사례 등장)

다른 언어를 쓰다가 자바 생태계로 넘어가려는 개발자

AI 도구를 더 잘 쓰기 위해 기본기를 정비하려는 주니어

---

⭐ 종합 평가

한마디로 요약하면

"입문자의 시선을 끝까지 놓치지 않는, 정석에 가까운 자바 입문서."

평점: ★★★★½ (4.5 / 5)

0.5점을 남긴 이유는 빌드 도구나 협업 워크플로우까지 욕심내지 않았다는 점인데, 이는 책의 본분이 '자바 언어 입문'이라는 점을 생각하면 사실상 의도된 절제입니다. 입문서로서의 완성도만 보면 거의 만점에 가깝습니다.

장점과 단점

장점

영상 강의로 검증된 설명 방식과 커리큘럼

객체지향을 두 챕터로 나눈 친절한 학습 곡선

'왜 필요한가'를 먼저 묻는 사고 중심 서술

부록까지 포함해 초→중급 진입 다리 역할

단점

분량이 많아 단기 완독에 부담

빌드 도구·Git·웹 개발은 범위 밖

한 줄 평 (개발자·IT 종사자용)

"AI가 코드를 짜주는 시대일수록, 그 코드를 '읽고 판단할 수 있는 사람'의 가치는 더 커진다. 이 책은 바로 그 판단력의 뿌리, 자바 기본기를 가장 친절한 방식으로 심어 주는 입문서다."

읽으려는 분들께

이 책을 펼친 분께 한 가지만 당부드리고 싶습니다. 반드시 손으로 직접 쳐 보세요. 눈으로 읽는 코드와 손으로 친 코드 사이에는 건널 수 없는 강이 있습니다. 책의 학습 구조 자체가 '실습'을 전제로 짜여 있으니, IDE를 켜 놓고 한 챕터씩 따라가다 보면 어느 순간 "어, 이제 객체가 뭔지 알 것 같다"라는 감각이 옵니다. 그 감각이 바로 AI 시대에도 흔들리지 않을 여러분의 가장 단단한 자산이 될 겁니다.

조급해하지 마시고, 한 챕터당 하루 또는 이틀씩 잡고 천천히 가세요. 이 책은 빠르게 끝내는 책이 아니라, 천천히 체화하는 책입니다.

---

🏷️ 해시태그

#나도코딩 #자바입문 #자바프로그래밍 #코딩자율학습 #Java #자바책추천 #프로그래밍입문 #객체지향프로그래밍 #OOP #개발자공부 #코딩공부 #백엔드개발자 #비전공자코딩 #취준생추천 #코딩테스트준비 #AI시대개발자 #프로그래밍기본기 #IT도서 #개발서적 #길벗출판사 #협찬

『에이전트 시대의 AI 시스템 설계』 — LangChain 다음에 읽어야 할 책

에이전트 시대의 AI 시스템 설계 : RAG, 최적화, 가드레일로 완성하는 32가지 프로덕션 패턴
발리아파 락시마난.하네스 하프케 지음, 류광 옮김 / 한빛미디어 / 2026년 4월

본문

이 책을 집어든 이유

요즘 사내에서 LLM을 붙인 업무 자동화 PoC를 굴리고 있다. 데모 단계까지는 어떻게든 됐는데, 답이 매번 미묘하게 다른 문제 와 근거 없는 답을 그럴듯하게 지어내는 문제 가 좀처럼 잡히지 않았다. 프롬프트를 다듬는 것만으로는 한계가 명확했고, LangChain 공식 문서와 입문서 한두 권으로는 "왜 깨지는지" 를 시스템 차원에서 설명해 주는 자료가 없었다.

마침 한빛미디어 <나는리뷰어다> 활동으로 이 책을 받아 보게 됐다. "32가지 설계 패턴" 이라는 표지의 카피가 일단 마음을 끌었다. 머신러닝 디자인 패턴(2021)을 썼던 그 락슈마난이 LLM/에이전트 시대 버전으로 다시 돌아왔다는 점도 컸다.

한 줄 요약

이 책은 "모델을 GPT에서 Claude로, 프레임워크를 LangChain에서 LangGraph로 바꿔도 무너지지 않는 설계 원칙" 을 32개의 패턴으로 정리한 카탈로그다. 패턴마다 문제 정의 → 해법 → 트레이드오프 → 파이썬 예제 가 일관된 형식으로 들어 있어, 읽다 보면 자연스럽게 "이 패턴은 우리 시스템에 적용할 수 있을까?" 를 자기 검열하게 된다.

저자 두 사람의 이력이 책의 톤을 설명한다. 발리아파 락슈마난은 구글에서 AI 솔루션 디렉터를 거쳐 금융 도메인 에이전트 스타트업을 창업했고, 하네스 하프케는 핀테크 디지츠(Digits)에서 ML 시스템을 만든 GDE다. 둘 다 "PoC를 프로덕션으로 가져갈 때 무엇이 깨지는가" 를 직접 겪은 사람들이라 패턴들이 학술적이지 않고 운영자 시점이다. 번역은 류광 — 『AI 에이전트 인 액션』, 『LLM 인 프로덕션』, 『그림으로 배우는 생성형 AI』를 옮긴 그 분이라 용어 일관성이 깔끔하다.

32가지 패턴이 7개 영역으로 묶이는 방식

목차를 영역 단위로 다시 보면 책의 의도가 더 잘 보인다.

• 콘텐츠 제어 (CH2 · 패턴 1~5) — 로짓 마스킹, 문법, 스타일 전이, 역중립화, 콘텐츠 최적화. "출력이 매번 다른 문제" 를 모델이 아니라 시스템 차원에서 묶어 잡는 영역.

• 지식 추가 — 기본/고급 (CH3·4 · 패턴 6~12) — 기본 RAG에서 출발해 색인 인식 검색, 노드 후처리, 신뢰할 수 있는 생성, 심층 탐색까지. RAG를 한 단어로 쓰는 책은 많지만 색인 단계와 검색 단계의 패턴을 분리해서 보여주는 책은 흔치 않다.

• 모델 능력 확장 (CH5 · 패턴 13~16) — CoT, ToT, 어댑터 조정, 지시사항 진화. 프롬프트로 안 풀리는 추론을 어디까지 시스템 설계로 우회할 수 있는가.

• 신뢰성 개선 (CH6 · 패턴 17~20) — 심판형 LLM, 성찰, 의존성 주입, 프롬프트 최적화. 운영 단계에서 가장 자주 마주치는 영역.

• 에이전트의 행동 능력 (CH7 · 패턴 21~23) — 도구 호출, 코드 실행, 다중 에이전트 협업. 다른 책의 메인 토픽이 여기서는 한 챕터 로 정리된다는 점이 시사하는 바가 있다.

• 제약 조건 해결 (CH8 · 패턴 24~28) — SLM, 프롬프트 캐싱, 인퍼런스 최적화, 성능 저하 테스트, 장기 기억. 비용·지연시간을 본격적으로 다룬다.

• 안전장치 (CH9 · 패턴 29~32) — 템플릿 생성, 조립 후 재구성, 자체점검, 가드레일.

마지막 10장은 조합 이다. 앞에서 다룬 패턴들을 실제 워크플로로 엮는 방법을 보여준다.

가장 와닿은 챕터 — 6장 신뢰성 개선, 그리고 4장 신뢰할 수 있는 생성

PoC 단계에서 가장 막혀 있던 "근거 없이 답을 지어내는 문제" 가 4장의 패턴 11(신뢰할 수 있는 생성) 과 6장의 패턴 17(심판형 LLM) 두 패턴으로 거의 그대로 정리됐다. 답변에 출처를 강제하는 구조와, 별도 LLM으로 답변 품질을 평가하는 구조를 분리해서 보고 나니 "품질 평가는 모델이 아니라 시스템에 책임을 주는 일" 이라는 게 머리에 박혔다.

특히 6장의 패턴 19(의존성 주입) 은 충격이 컸다. 에이전트가 호출하는 도구를 외부에서 주입하는 구조로 짜면 단위 테스트가 가능해진다는 단순한 아이디어인데, 그동안 우리 코드는 도구를 클래스 내부에서 직접 인스턴스화하고 있어서 에이전트의 행동을 테스트할 수 없는 상태 였다. 책을 덮자마자 우리 PoC 레포의 agent.py 를 의존성 주입 방식으로 리팩토링하기 시작했다.

8장의 패턴 24(소규모 언어 모델) 도 인상적이었다. 모든 호출을 GPT-4 급으로 처리하는 PoC를 그대로 운영에 올리면 비용이 어디서 폭발할지 막막했는데, 어떤 단계에서 SLM으로 충분한가 를 판단하는 기준을 제시해 준다.

다른 책과 비교했을 때의 자리

같은 시기에 나온 한빛미디어의 『컨텍스트 엔지니어링으로 구축하는 AI 에이전트』, 위키북스의 『AI 에이전트 인 액션』, 『LLM 인 프로덕션』 과 비교하면 이 책의 자리가 분명해진다. 다른 책들이 프레임워크 기반의 구체적 구현 또는 컨텍스트 관리 전략 에 무게를 둔다면, 이 책은 한 단계 추상화된 "패턴 카탈로그" 다. 락슈마난의 전작 『머신러닝 디자인 패턴』(2021) 의 LLM 버전이라고 봐도 무리가 없다.

GoF 디자인 패턴이 특정 언어를 안 가리듯, 이 책의 32개 패턴도 LangChain/LlamaIndex/LangGraph 어느 쪽이든 적용된다. 프레임워크는 6개월 단위로 갈아엎히지만 패턴은 남는다 는 게 이 책의 베팅이다.

아쉬운 점

• 예제 코드가 파이썬 기반. 자바/코틀린/Go 백엔드 환경에 바로 옮기려면 한 번의 번역이 필요하다. 다만 패턴 자체는 언어 독립적이라 코드는 의사 코드처럼 읽고 우리 환경에 다시 짜는 식으로 쓰면 된다.

• 기초 RAG·LLM 개념이 익숙하다는 전제. 입문자에게는 패턴 1~5의 추상화 수준이 다소 높다. LangChain 입문서 한 권 또는 같은 저자의 『그림으로 배우는 생성형 AI』를 한 차례 거친 뒤 읽기를 권한다.

• 32개를 모두 적용할 필요는 없다. 본인 시스템에 매핑해 보면 절반은 지금 우리에게 필요 없는 패턴 이다. 그 매핑 작업 자체가 이 책의 진짜 학습이다.

어떤 사람에게 권하나

• ✅ LLM/RAG PoC를 한 번이라도 만들어 본 백엔드/AI 엔지니어 — 운영 단계에서 환각·비용·지연시간 문제로 막혀 본 사람.

• ✅ 사내 LLM 도입 아키텍처를 책임지는 테크리드/아키텍트 — 모델·프레임워크 선택 의사결정에서 휘둘리고 싶지 않은 사람.

• ✅ 여러 LLM 프레임워크 사이에서 무엇을 골라야 할지 모르겠는 개발자 — 이 책은 프레임워크 위 의 설계 원칙을 다룬다.

• ⚠️ LLM을 처음 접하는 입문자에게는 무겁다. 입문서 → 이 책 순서가 자연스럽다.

마무리

다 읽고 가장 먼저 한 일은 우리 PoC 레포를 열고 어떤 패턴이 빠져 있는가 를 적어 보는 일이었다. 신뢰할 수 있는 생성, 심판형 LLM, 의존성 주입, 가드레일 — 4개 패턴이 빠져 있었고, 그 자리에 임시 코드가 들어가 있었다. 다음 스프린트의 백로그에 이 4개를 올렸다.

LLM 시대의 디자인 패턴 GoF 가 될 수 있는 책이라는 게 한 달 가까이 곁에 두고 본 소감이다. 프레임워크 책처럼 6개월 뒤 버려질 책은 분명 아니다.