Hello-Agents란?

Hello-Agents는 중국의 유명한 오픈소스 AI 교육 커뮤니티 Datawhale이 만든 체계적인 오픈소스 AI 에이전트 튜토리얼입니다. GitHub에서 45,600+ Stars를 획득하여 “LLM 사용자"에서 “Agent 시스템 구축자"로 성장하는 권위 있는 시작점이 되었습니다.

GitHub: https://github.com/datawhalechina/hello-agents Stars: 45,600+ 라이선스: Apache 2.0


왜 Hello-Agents가 필요한가?

2025년은 “AI 에이전트의 해"로 널리 인정받았습니다. OpenAI의 Operator에서 Google의 A2A 프로토콜까지, Anthropic의 MCP에서 바이트댄스의 UI-TARS까지, 전체 산업은 사용자를 대신해 인식하고 계획하고 행동할 수 있는 자율 지능 시스템으로 전환하고 있습니다.

그러나 대부분의 개발자에게 “챗봇 사용"에서 “진정한 Agent 구축"까지의 간극은 여전히 큽니다. Hello-Agents는 바로 이 공백을 채우는 완전한 솔루션입니다.


16장 완전한 커리큘럼

파트 1: Agent & LLM 기초

  • 1장: Agent 첫 만남 — Agent 정의, 진화 역사, 핵심 패러다임
  • 2장: Agent 발전 역사 — 기호 AI에서 AlphaGo까지, LLM 기반 자율 시스템까지
  • 3장: LLM 기초 — Transformer 아키텍처, 어텐션 메커니즘, 프롬프트 엔지니어링

파트 2: 첫 LLM Agent 구축

  • 4장: 클래식 Agent 패러다임 — ReAct, Plan-and-Solve, Reflection 제로 구현
  • 5장: 로우코드 플랫폼 Agent — Coze, Dify, n8n 3대 플랫폼 실전
  • 6장: 프레임워크 개발 실습 — AutoGen, AgentScope, LangGraph 비교 실전
  • 7장: 자체 Agent 프레임워크 — OpenAI API와 표준 라이브러리만으로 최소 Agent 프레임워크 구축

파트 3: 고급 지식 확장

  • 8장: 메모리 & 검색 — 단기 메모리, 장기 메모리, RAG 벡터 검색 시스템
  • 9장: 컨텍스트 엔지니어링 — 윈도우 전략, 요약 기술, 계층적 컨텍스트 구조
  • 10장: Agent 통신 프로토콜 — MCP, A2A, ANP 3대 프로토콜 심층 분석
  • 11장: Agentic RL — SFT, RLHF, GRPO 완전 훈련 파이프라인
  • 12장: Agent 성능 평가 — AgentBench, SWE-bench 등 벤치마크 테스트

파트 4: 종합 사례 연구

  • 13장: 스마트 여행 어시스턴트 — 다중 Agent 협업 MCP 도구 호출 실전
  • 14장: 자동화 딥 리서치 Agent — OpenAI DeepResearch 기능 복제
  • 15장: 사이버 타운 구축 — 다중 Agent 사회 역학과 emergent behavior 시뮬레이션

파트 5: 캡스톤 & 전망

  • 16장: 캡스톤 프로젝트 — 제로부터 완전한 지능형 에이전트 애플리케이션 설계 및 구축

핵심 하이라이트

능력Hello-Agents프레임워크 문서유료 부트캠프동영상 튜토리얼
체계적 커리큘럼16장 점진식파편화편차 큼비구조화
이론 심도Transformer에서 RL까지프레임워크 전용보통 얕음보통 얕음
실습 코딩매 장마다예시만비용 제한드물게 완전
로우코드+코드네이티브둘 다 다룸코드만보통 둘 중 하나품질 혼재
고급 주제전체 장거의 다루지 않음프리미엄 전용거의 없음
실전 프로젝트3개 종합 사례보통 없음1-2개 프로젝트드물게 프로덕션급
커뮤니티 업데이트71명 기여자벤더 제어N/A신뢰할 수 없음
가격무료무료$500-$5000무료

빠른 시작

 1# 온라인 읽기
 2# https://datawhalechina.github.io/hello-agents/
 3
 4# 로컬 설정
 5git clone https://github.com/datawhalechina/hello-agents.git
 6cd hello-agents
 7# Extra-Chapter/07 참고하여 환경 구성
 8
 9# 4장 ReAct Agent 실행
10python code/chapter4/react_agent.py

코드 예시: 제로에서 ReAct Agent 구축

 1import openai
 2import json
 3
 4tools = [
 5    {
 6        "type": "function",
 7        "function": {
 8            "name": "search_web",
 9            "description": "웹에서 정보 검색",
10            "parameters": {
11                "type": "object",
12                "properties": {"query": {"type": "string"}},
13                "required": ["query"]
14            }
15        }
16    },
17    {
18        "type": "function",
19        "function": {
20            "name": "calculate",
21            "description": "수학 계산 수행",
22            "parameters": {
23                "type": "object",
24                "properties": {"expression": {"type": "string"}},
25                "required": ["expression"]
26            }
27        }
28    }
29]
30
31def search_web(query): return f"검색 결과: {query}"
32def calculate(expr): return str(eval(expr))
33
34messages = [
35    {"role": "system", "content": "당신은 유용한 어시스턴트입니다. 필요할 때 도구를 사용하세요."},
36    {"role": "user", "content": "도쿄 인구를 1000으로 나눈 값은?"}
37]
38
39for step in range(5):
40    response = openai.chat.completions.create(
41        model="gpt-4", messages=messages, tools=tools, tool_choice="auto"
42    )
43    message = response.choices[0].message
44    messages.append(message)
45    
46    if message.tool_calls:
47        for tc in message.tool_calls:
48            name = tc.function.name
49            args = json.loads(tc.function.arguments)
50            result = search_web(**args) if name == "search_web" else calculate(**args)
51            messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})
52    else:
53        print("최종 답변:", message.content)
54        break

이 “생각 → 도구 호출 → 결과 관찰 → 다시 생각"의 루프는 OpenAI Operator와 Claude Computer Use 등 최고의 Agent가 사용하는 핵심 메커니즘입니다.


대상 독자

독자층가치
AI 엔지니어 지망생Agent 엔지니어링 핵심 능력을 체계적으로 습득, 면접 문제는 대기업 실전 문제에서 직접 추출
제품 팀로우코드 장으로 빠른 프로토타입 검증, 프레임워크 장으로 개발 팀과 효율적 협업
연구자/학자Agentic RL과 평가 장은 연구 프로젝트의 시작점으로 충분한 깊이
인디 개발자/창업가캡스톤 구조와 커뮤니티 프로젝트 라이브러리가 제품화에 영감과 참조 구현 제공

요약

Hello-Agents는 오늘날 가장 포괄적이고 이해하기 쉬우며 커뮤니티 지원이 강력한 AI 에이전트 개발 학습 자원입니다. 대학 과정의 깊이, 부트캠프의 실용성, 오픈소스 프로젝트의 커뮤니티 활력, 그리고 무료 문서의 가격을 모두 갖추고 있습니다.

에이전트 혁명은 곧 올 것이 아니라 — 이미 여기에 있습니다. Hello-Agents는 당신이 단순한 관찰자가 아닌 건설자가 되도록 보장합니다.

💡 더 많은 AI 도구와 오픈소스 프로젝트를 원하시나요? 매주 선별된 추천을 위해 dibi8.com 을 팔로우하세요.