한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.
레거시 스택과 생성형 AI 사이의 간극
작년 초부터 생성형 AI와 자바 스프링 백엔드를 접목한 강의를 맡아왔다. 그러나 현실의 커리큘럼은 여전히 JSP(Java Server Pages), MyBatis(퍼시스턴스 프레임워크) 같은 전통 기술을 포함한다.
분기마다 DeepSeek(LLM), o1(추론 특화 모델), nano banana(경량 모델), Claude Code(코드 특화 LLM), OpenClaw(오픈소스 모델) 등 새로운 기술이 쏟아지는 상황에서, 이를 충분히 소화하지 못한 채 기존 스택을 다루는 과정은 구조적 간극처럼 느껴졌다. 특히 에이전트 구현 영역은 가장 난해했다.
LangChain으로 재정렬된 에이전트 개념
강의 특성상 Java 중심, 보조적으로 JavaScript 정도만 다루다 보니 Python 기반 LangChain(LLM 오케스트레이션 프레임워크)을 깊이 있게 접하기 어려웠다. 모델 호출 후 Stream(스트리밍 처리)이나 고차함수로 연결하는 수준에서 멈출 수밖에 없었다. 부트캠프 환경에서는 일정 깊이 이상을 다루면 오히려 이해도를 해칠 수 있다는 제약도 존재했다.
이 책은 그 단절된 개념들을 정리해준다. 기존 프로그래밍 패턴으로 설명하던 호출 체계, 상태 관리, 체이닝 구조가 LangChain을 통해 하나의 추상화 계층으로 묶인다. 그러나 핵심은 프레임워크 자체가 아니다. 프롬프트 품질 관리, 다중 모델 통합, 출력 스키마 제어 같은 문제를 어떻게 구조적으로 해결하는지가 중심이다. 에이전틱 사고(목표 기반 문제 해결 구조)를 체계화하는 데 의의가 있다.
RAG·MCP를 통한 구조 확장
책은 GPT-5-nano(경량 모델), LangChain, Colab(클라우드 노트북), Streamlit(파이썬 웹 UI) 중심으로 구성되어 학습 부담을 낮춘다. 환경 설정과 모델 선택에서의 복잡도를 최소화한 점은 분명 장점이다. 동시에 다양한 벤더나 배포 환경을 폭넓게 다루지는 않는다.
RAG(검색 증강 생성)와 MCP(Model Context Protocol, 모델-도구 연결 규약) 같은 개념은 단순한 텍스트 생성 단계를 넘어, 외부 데이터와 도구 호출을 결합한 구조로 확장하는 방향을 제시한다. 생성형 모델을 “출력기”가 아닌 “구성 요소”로 다루는 시각을 제공한다는 점에서 의미가 있다.
프레임워크를 넘어 설계 철학으로
이 책은 종착점이 아니라 정리된 출발점에 가깝다. LangChain4j(Java용 LangChain), Spring AI(스프링 기반 AI 통합), Ollama(로컬 LLM 서빙), OpenRouter·Groq·Gemini·NVIDIA NIM(다중 모델 API) 같은 환경에서도 동일한 문제 정의와 구조를 재현할 수 있다. 구현체는 달라도 설계 관점은 유지된다.
결국 중요한 것은 특정 라이브러리의 API 숙련도가 아니라, 모델 호출을 어떻게 추상화하고, 상태를 어떻게 통제하며, 출력을 어떻게 계약화(contract)할 것인가에 대한 사고 체계다. 이 책은 그 관점을 비교적 안정적으로 제공한다.
추천 독자
이 책은 다음과 같은 독자에게 적합하다.
생성형 AI를 실무 백엔드와 연결하려는 개발자LangChain의 개념 구조를 한 번에 정리하고 싶은 독자RAG나 도구 호출 기반 에이전트 구조를 처음 접하는 사람Python 중심 실습으로 빠르게 전체 그림을 파악하고 싶은 개발자
반면, 멀티 벤더 운영 전략이나 대규모 프로덕션 아키텍처 설계를 기대한다면 보완 학습이 필요하다. 기본 개념을 정리하고 구조적 사고를 다지는 용도로 적절한 기술서다.
