[TRANSLATION] Translate unit2 to Korean

units/en/unit2/langgraph/when_to_use_langgraph.mdx

@@ -1,4 +1,4 @@
-# What is `LangGraph`?
+# What is `LangGraph`? [[what-is-langgraph]]
 
 `LangGraph` is a framework developed by [LangChain](https://www.langchain.com/) **to manage the control flow of applications that integrate an LLM**.
 

units/ko/_toctree.yml

@@ -1,40 +1,106 @@
 - title: Unit 0. Welcome to the course
   sections:
   - local: unit0/introduction
-    title: Welcome to the course 🤗
+    title: AI 에이전트 코스에 오신걸 환영합니다 🤗
   - local: unit0/onboarding
-    title: Onboarding
+    title: 온보딩(Onboarding), 첫 걸음 내딛기 ⛵
   - local: unit0/discord101
-    title: (Optional) Discord 101
+    title: (선택) Discord 101
 - title: Unit 1. Introduction to Agents
   sections:
   - local: unit1/introduction
-    title: Introduction
+    title: 에이전트 소개
   - local: unit1/what-are-agents
-    title: What is an Agent?
+    title: 에이전트란?
   - local: unit1/quiz1
     title: Quick Quiz 1
   - local: unit1/what-are-llms
-    title: What are LLMs?
+    title: LLM이란?
   - local: unit1/messages-and-special-tokens
-    title: Messages and Special Tokens
+    title: 메세지와 특수 토큰
   - local: unit1/tools
-    title: What are Tools?
+    title: 도구란?
   - local: unit1/quiz2
     title: Quick Quiz 2
   - local: unit1/agent-steps-and-structure
-    title: Understanding AI Agents through the Thought-Action-Observation Cycle
+    title: 사고-행동-관찰 주기를 통해 AI 에이전트 이해하기
   - local: unit1/thoughts
-    title: Thought, Internal Reasoning and the Re-Act Approach
+    title: 사고, AI 에이전트의 내부 추론과 Re-Act 방식
   - local: unit1/actions
-    title: Actions, Enabling the Agent to Engage with Its Environment
+    title: 액션, 에이전트가 환경과 상호작용할 수 있게 하기
   - local: unit1/observations
-    title: Observe, Integrating Feedback to Reflect and Adapt
+    title: 관찰, 피드백을 통합하여 성찰하고 적응하기
   - local: unit1/dummy-agent-library
-    title: Dummy Agent Library
+    title: 더미 에이전트 라이브러리
   - local: unit1/tutorial
-    title: Let’s Create Our First Agent Using smolagents
+    title: smolagents로 첫 번째 에이전트 만들기
   - local: unit1/final-quiz
     title: Unit 1 Final Quiz
   - local: unit1/conclusion
     title: Conclusion
+- title: Unit 2. Frameworks for AI Agents
+  sections:
+  - local: unit2/introduction
+    title: AI Agent 프레임워크 소개
+- title: Unit 2.1 The smolagents framework
+  sections:
+  - local: unit2/smolagents/introduction
+    title: smolagents 소개
+  - local: unit2/smolagents/why_use_smolagents
+    title: smolagents를 왜 사용할까?
+  - local: unit2/smolagents/quiz1
+    title: Quick Quiz 1
+  - local: unit2/smolagents/code_agents
+    title: 코드를 사용하는 에이전트 만들기
+  - local: unit2/smolagents/tool_calling_agents
+    title: 액션을 코드 조각(코드 스니펫)이나 JSON 블롭으로 작성하기
+  - local: unit2/smolagents/tools
+    title: Tool 도구 소개
+  - local: unit2/smolagents/retrieval_agents
+    title: 검색 에이전트
+  - local: unit2/smolagents/quiz2
+    title: Quick Quiz 2
+  - local: unit2/smolagents/multi_agent_systems
+    title: 멀티 에이전트 시스템
+  - local: unit2/smolagents/vision_agents
+    title: 비전과 브라우저 에이전트
+  - local: unit2/smolagents/final_quiz
+    title: 최종 Quiz
+  - local: unit2/smolagents/conclusion
+    title: 결론
+- title: Unit 2.2 The LlamaIndex framework
+  sections:
+  - local: unit2/llama-index/introduction
+    title: LLamaIndex 소개
+  - local: unit2/llama-index/llama-hub
+    title: LlamaHub 소개
+  - local: unit2/llama-index/components
+    title: LlamaIndex의 구성 요소
+  - local: unit2/llama-index/tools
+    title: LlamaIndex에서 도구 사용하기
+  - local: unit2/llama-index/quiz1
+    title: Quick Quiz 1
+  - local: unit2/llama-index/agents
+    title: LlamaIndex에서 에이전트 사용하기
+  - local: unit2/llama-index/workflows
+    title: LlamaIndex에서 에이전트 워크플로우 만들기
+  - local: unit2/llama-index/quiz2
+    title: Quick Quiz 2
+  - local: unit2/llama-index/conclusion
+    title: 결론
+- title: Unit 2.3 The LangGraph framework
+  sections:
+  - local: unit2/langgraph/introduction
+    title: LangGraph 소개
+  - local: unit2/langgraph/when_to_use_langgraph
+    title: LangGraph란?
+  - local: unit2/langgraph/building_blocks
+    title: LangGraph의 구성 요소
+  - local: unit2/langgraph/first_graph
+    title: 첫 번째 LangGraph 만들기
+  - local: unit2/langgraph/document_analysis_agent
+    title: Document Analysis Graph
+  - local: unit2/langgraph/quiz1
+    title: Quick Quiz 1
+  - local: unit2/langgraph/conclusion
+    title: Conclusion

units/ko/unit2/introduction.mdx

@@ -0,0 +1,40 @@
+# 에이전틱 프레임워크 소개
+
+<img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/unit2/thumbnail.jpg" alt="Thumbnail"/>
+
+Unit 2에 오신 것을 환영합니다! **이번 유닛에서는 다양한 에이전틱 프레임워크**를 살펴보고, 이를 활용해 강력한 에이전트 기반 애플리케이션을 만드는 방법을 배웁니다.
+
+이번 유닛에서 다룰 내용은 다음과 같습니다:
+
+- 2.1: [smolagents](https://huggingface.co/docs/smolagents/en/index)  
+- 2.2: [LlamaIndex](https://www.llamaindex.ai/)
+- 2.3: [LangGraph](https://www.langchain.com/langgraph)
+
+함께 시작해봅시다! 🕵
+
+## 에이전틱 프레임워크는 언제 필요할까?
+
+에이전틱 프레임워크는 **LLM 기반 애플리케이션을 만들 때 항상 필요한 것은 아닙니다.** 프레임워크는 특정 작업을 효율적으로 해결할 수 있도록 워크플로우에 유연성을 제공하지만, 항상 필수적인 것은 아닙니다.
+
+때로는 **미리 정의된 워크플로우만으로도** 사용자 요청을 충분히 처리할 수 있으며, 굳이 에이전틱 프레임워크가 필요하지 않을 수 있습니다. 에이전트 구조가 단순하다면, 프롬프트 체이닝 등 일반 코드만으로도 충분합니다. 이 경우 개발자는 **추상화 없이 시스템을 완전히 이해하고 제어**할 수 있다는 장점이 있습니다.
+
+하지만 워크플로우가 복잡해져 LLM이 함수를 호출하거나, 여러 에이전트를 활용해야 하는 경우에는 이러한 추상화가 도움이 되기 시작합니다.
+
+이러한 점을 고려하면, 다음과 같은 기능이 필요함을 알 수 있습니다:
+
+* 시스템을 구동할 *LLM 엔진*
+* 에이전트가 접근할 수 있는 *도구 목록*  
+* LLM 출력에서 도구 호출을 추출하는 *파서*
+* 파서와 동기화된 *시스템 프롬프트*
+* *메모리 시스템*
+* LLM의 실수를 제어할 *에러 로깅 및 재시도 메커니즘*
+
+이러한 주제들이 각 프레임워크에서 어떻게 해결되는지, `smolagents`, `LlamaIndex`, `LangGraph`를 통해 살펴볼 예정입니다.
+
+## 에이전틱 프레임워크별 유닛 안내
+
+| 프레임워크  | 설명 | 유닛 저자 |
+|------------|----------------|----------------|
+| [smolagents](./smolagents/introduction) | Hugging Face에서 개발한 에이전트 프레임워크 | Sergio Paniego - [HF](https://huggingface.co/sergiopaniego) - [X](https://x.com/sergiopaniego) - [Linkedin](https://www.linkedin.com/in/sergio-paniego-blanco) |
+| [Llama-Index](./llama-index/introduction) | 컨텍스트 증강 AI 에이전트를 프로덕션에 배포할 수 있는 엔드-투-엔드 툴링 | David Berenstein - [HF](https://huggingface.co/davidberenstein1957) - [X](https://x.com/davidberenstei) - [Linkedin](https://www.linkedin.com/in/davidberenstein) |
+| [LangGraph](./langgraph/introduction) | 상태 기반 에이전트 오케스트레이션을 지원하는 프레임워크 | Joffrey THOMAS - [HF](https://huggingface.co/Jofthomas) - [X](https://x.com/Jthmas404) - [Linkedin](https://www.linkedin.com/in/joffrey-thomas) |

units/ko/unit2/langgraph/building_blocks.mdx

@@ -0,0 +1,127 @@
+# LangGraph의 구성 요소[[building-blocks-of-langgraph]]
+
+LangGraph로 애플리케이션을 구축하려면 핵심 구성 요소를 이해해야 합니다. LangGraph 애플리케이션을 구성하는 기본 빌딩 블록을 살펴보겠습니다.
+
+<img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/unit2/LangGraph/Building_blocks.png" alt="Building Blocks" width="70%"/>
+
+LangGraph 애플리케이션은 **진입점(entrypoint)**에서 시작하며, 실행 흐름에 따라 한 함수에서 다른 함수로 이동하다가 END에 도달합니다.
+
+<img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/unit2/LangGraph/application.png" alt="Application"/>
+
+## 1. 상태[[state]]
+
+**상태(State)**는 LangGraph의 중심 개념입니다. 애플리케이션을 통해 흐르는 모든 정보를 나타냅니다. 
+
+```python
+from typing_extensions import TypedDict
+
+class State(TypedDict):
+    graph_state: str
+```
+
+상태는 **사용자 정의**이므로, 의사결정 과정에 필요한 모든 데이터를 포함하도록 신중하게 설계해야 합니다!
+
+> 💡 **팁:** 애플리케이션이 단계 간에 추적해야 할 정보가 무엇인지 신중하게 고민하세요.
+
+## 2. 노드[[nodes]]
+
+**노드(Node)**는 파이썬 함수입니다. 각 노드는:
+- 상태를 입력으로 받습니다
+- 작업을 수행합니다
+- 상태 업데이트를 반환합니다
+
+```python
+def node_1(state):
+    print("---Node 1---")
+    return {"graph_state": state['graph_state'] +" I am"}
+
+def node_2(state):
+    print("---Node 2---")
+    return {"graph_state": state['graph_state'] +" happy!"}
+
+def node_3(state):
+    print("---Node 3---")
+    return {"graph_state": state['graph_state'] +" sad!"}
+```
+
+예를 들어, 노드는 다음과 같은 역할을 할 수 있습니다:
+- **LLM 호출**: 텍스트 생성 또는 의사결정
+- **툴 호출**: 외부 시스템과 상호작용
+- **조건부 로직**: 다음 단계 결정
+- **사람 개입**: 사용자 입력 받기
+
+> 💡 **정보:** START와 END처럼 전체 워크플로우에 필수적인 일부 노드는 langGraph에서 직접 제공합니다. 
+
+
+## 3. 엣지[[edges]]
+
+**엣지(Edge)**는 노드를 연결하며, 그래프 내에서 가능한 경로를 정의합니다:
+
+```python
+import random
+from typing import Literal
+
+def decide_mood(state) -> Literal["node_2", "node_3"]:
+
+    # 종종 상태를 사용해 다음에 방문할 노드를 결정합니다
+    user_input = state['graph_state'] 
+
+    # 여기서는 노드 2, 3 사이를 50:50으로 분기합니다
+    if random.random() < 0.5:
+
+        # 50% 확률로 Node 2 반환
+        return "node_2"
+
+    # 50% 확률로 Node 3 반환
+    return "node_3"
+```
+
+엣지는 다음과 같이 나뉩니다:
+- **직접(Direct)**: 항상 노드 A에서 노드 B로 이동
+- **조건부(Conditional)**: 현재 상태에 따라 다음 노드를 선택
+
+## 4. StateGraph[[stategraph]]
+
+**StateGraph**는 전체 에이전트 워크플로우를 담는 컨테이너입니다:
+
+```python
+from IPython.display import Image, display
+from langgraph.graph import StateGraph, START, END
+
+# 그래프 생성
+builder = StateGraph(State)
+builder.add_node("node_1", node_1)
+builder.add_node("node_2", node_2)
+builder.add_node("node_3", node_3)
+
+# 로직 정의
+builder.add_edge(START, "node_1")
+builder.add_conditional_edges("node_1", decide_mood)
+builder.add_edge("node_2", END)
+builder.add_edge("node_3", END)
+
+# 그래프 컴파일
+graph = builder.compile()
+```
+
+이제 시각화할 수 있습니다! 
+```python
+# 시각화
+display(Image(graph.get_graph().draw_mermaid_png()))
+```
+<img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/unit2/LangGraph/basic_graph.jpeg" alt="Graph Visualization"/>
+
+하지만 가장 중요한 것은 실제로 호출하는 것입니다:
+```python
+graph.invoke({"graph_state" : "Hi, this is Lance."})
+```
+출력 :
+```
+---Node 1---
+---Node 3---
+{'graph_state': 'Hi, this is Lance. I am sad!'}
+```
+
+## 다음 단계[[what's-next]]
+
+다음 섹션에서는 이러한 개념을 실제로 적용하여 첫 번째 그래프를 만들어보겠습니다. 이 그래프는 Alfred가 이메일을 받아 분류하고, 정상 메일이라면 임시 답장을 작성할 수 있도록 합니다.

units/ko/unit2/langgraph/conclusion.mdx

@@ -0,0 +1,20 @@
+# 결론[[conclusion]]
+
+2단원의 LangGraph 모듈을 완료하신 것을 축하합니다! 🥳
+
+이제 LangGraph로 구조화된 워크플로우를 구축하는 기본기를 마스터하셨으며, 이를 실제 프로덕션 환경에 적용할 수 있습니다.
+
+이 모듈은 LangGraph 여정의 시작에 불과합니다. 심화 주제를 원하시는 분들을 위해 추천드립니다:
+
+- [공식 LangGraph 문서](https://github.com/langchain-ai/langgraph) 탐색
+- LangChain 아카데미의 종합적인 [LangGraph 소개](https://academy.langchain.com/courses/intro-to-langgraph) 강의 수강
+- 직접 무언가를 만들어보세요!
+
+다음 단원에서는 실제 사용 사례를 탐구합니다. 이제 이론을 넘어 실전으로 나아갈 시간입니다!
+
+**여러분의 강의에 대한 생각과 제안 사항들을 매우 환영합니다**. 피드백이 있으시면 👉 [이 양식](https://docs.google.com/forms/d/e/1FAIpQLSe9VaONn0eglax0uTwi29rIn4tM7H2sYmmybmG5jJNlE5v0xA/viewform?usp=dialog)을 작성해주세요!
+
+### 존경하는 여러분! 🎩🦇
+배움을 멈추지 마세요 🤗
+
+-알프레드-