TL;DR

이 레포는 Agentic AI를 처음 배우는 사람부터 multi-agent 시스템을 설계하려는 개발자까지 이어 주는 삼중 언어 학습 로드맵이다. Stage 0~2의 공통 기초 뒤에 CLI Power User와 Agent Builder 트랙을 배치하고, MCP·Skills·Plugins·Subagents, RAG·memory, production 운영, Computer Use·Browser Use·Code Sandbox로 범위를 넓힌다. 240+개 큐레이션 프로젝트와 23개 기초 실습이 있어 읽기와 코딩을 함께 진행할 수 있지만, 예제는 입문 및 경로 확인용이므로 깊은 구현은 연결된 외부 자료를 추가로 따라야 한다. 실행 패키지를 찾는 사람보다 학습 순서와 참고 자료를 한곳에서 정리하려는 개발자에게 적합하다.

핵심 포인트

• 이 레포는 실행 가능한 라이브러리나 Agent framework가 아니라 Agentic AI 학습 로드맵과 큐레이션 문서 모음이다. Python 코드는 개념을 익히기 위한 23개 illustrative exercise와 약 300행의 walkthrough에 쓰인다. 따라서 바로 배포할 패키지보다 학습 순서를 잡으려는 개발자에게 적합하다.
• Stage 0~2에서 Python, CLI, git, API, LLM, Prompt Engineering을 익힌 뒤 CLI Power User와 Agent Builder 트랙으로 나뉜다. Agent Builder는 function calling, ReAct, LangGraph, AutoGen, CrewAI, MCP, RAG, memory, multi-agent orchestration까지 Stage 3~8에서 확장한다. Claude Code 생태계와 MCP, Skills, Plugins, Subagents를 별도 공통 허브로 다루는 점이 일반적인 LLM 입문 목록과 다르다.
• 각 단계의 예제는 70~150행 starter, Ollama와 Anthropic SDK의 dual-path 비교, mock-based test, success criteria를 포함한다. 다만 starter.py가 TODO 골격이 아니라 완성 답안이므로 파일을 그대로 실행하면 학습 효과를 과대평가할 수 있다. 저자는 starter.py를 참고용으로 이름을 바꾸고 직접 재작성하는 학습 방식을 권장한다.
• 繁體中文, 简体中文, English 문서를 모두 유지하며 240+개 프로젝트와 79+개 MCP·Skill 항목을 적합한 사용자, 학습 내용, 실행 방법과 함께 분류한다. 연구원, 개발자, 교사, 지식 노동자, 일상 사용자를 위한 5개 분기 경로도 별도로 제공한다. MIT License와 GitHub Pages 문서를 함께 제공하므로 무료로 따라가거나 조직 내부 학습 자료로 재사용하기 쉽다.

이미지 분석