반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    LangChain과 LangGraph로 만드는 LLM 애플리케이션 2/e

    베스트

    LangChain과 LangGraph로 만드는 LLM 애플리케이션 2/e 고급 에이전트와 프로덕션 수준의 앱 개발을 위한 올인원 가이드

    • 벤 아우파스, 레오니드 쿨리긴 저
    • 옥경석, 박규성 역
    • 에이콘출판
    • 2026년 04월 29일
    • 정가
      40,000원
    • 판매가
      36,000원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      2,000원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2026년 07월 02일(목)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    바로 구매 쇼핑카트 담기 위시리스트
    회원리뷰
    - [0]
    ISBN: 9791161759418 528쪽 1,003g 188 x 235 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책이 속한 분야

    책 소개

    상품문의 / 정보수정 요청 >

    이 책은

    프로덕션에서 통하는 LLM 애플리케이션은 무엇이 다른가
    설계에서 운영까지, 개발 전 과정의 기준을 제시한다

    이 책은 오늘날 AI를 다루는 기업이 직면한 가장 큰 과제, 즉 프로토타입에서 프로덕션으로의 전환을 다룬다. LangChain 생태계의 최신 변화를 반영해 전면 개정되었으며, 엔터프라이즈 환경에서 AI 시스템을 개발·배포·확장하는 방법을 담았다. 특히 다중 에이전트 아키텍처, 견고한 LangGraph 워크플로, 고급 RAG 파이프라인에 중점을 두었다.

    에이전틱 시스템 구축을 위한 디자인 패턴을 다루고, 복잡한 작업을 처리하는 다중 에이전트 구성을 실제로 구현한다. 테스트·평가·배포에 관한 내용도 대폭 확장하여 최신 LLM 애플리케이션의 요구에 대응하며, 안전장치와 책임 있는 개발 원칙을 갖춘 AI 시스템의 설계 방법까지 제시한다. 또한 RAG 관련 내용을 보강하여 하이브리드 검색·리랭킹·팩트체크 파이프라인을 통해 출력 정확도를 높이는 방법을 안내한다.

    기존 워크플로를 확장하든 다중 에이전트 시스템을 처음부터 설계하든, 이 책은 프로덕션 수준의 LLM 애플리케이션 개발에 필요한 기술적 깊이와 실용적인 지침을 제공한다.


     


     


    출판사 리뷰

    LangChain 공동 창업자 해리슨 체이스의 강력 추천!
    프로토타입에서 프로덕션까지, LLM 애플리케이션 개발 전 과정을 담은 실전 가이드

    LangChain 공동 창업자이자 CEO인 해리슨 체이스는 이 책을 "LLM 애플리케이션을 아이디어 단계에서 실제 엔터프라이즈 환경까지 끌어올리는 탁월한 안내서"라고 평했다. 그가 직접 추천한 이유는 분명하다. 이 책은 단순한 튜토리얼을 넘어, 프로토타입을 실제 프로덕션 시스템으로 전환하는 방법을 가장 체계적으로 제시하기 때문이다.

    이 책을 먼저 읽어본 베타리더들 역시 각자의 관점에서 그 가치를 구체적으로 짚어냈다.

    베타리더 후기

    이 책은 LLM 기반 애플리케이션을 실제로 구현하고 싶은 개발자라면 한 번쯤 곁에 두어야 할 실전 입문서다. LangChain의 기본 개념부터 시작해 LangGraph를 활용한 복잡한 에이전트 흐름 설계까지, 단계적으로 쌓아 올리는 구성 덕분에 이론과 실습 사이의 간격이 크지 않다. 특히 단순한 챗봇 수준을 넘어 RAG 파이프라인, 멀티 에이전트 아키텍처 같은 실무에 가까운 예제가 풍부하게 담겨 있어, 읽는 내내 "이걸 실제 프로젝트에 바로 써볼 수 있겠다"는 느낌이 들었다.

    개인적으로 가장 도움이 된 부분은 LangGraph였다. LangChain만으로는 다소 복잡하게 느껴졌던 상태 관리와 에이전트 간 흐름 제어를 그래프 구조로 직관적으로 표현하는 방식이 인상적이었다. 코드 예제도 충분히 상세해서 처음 접하는 개념이라도 따라가기 어렵지 않았다. 2판에서 보강된 내용도 현재 LLM 생태계의 흐름을 잘 반영하고 있어, 1판을 읽었던 독자라도 다시 펼쳐볼 가치가 충분하다.

    Python 기초 지식을 갖추고 LLM 애플리케이션 개발에 첫발을 내딛으려는 분, 혹은 간단한 LangChain 경험은 있지만 에이전트 설계나 LangGraph 활용에서 막혀 있는 분께 특히 추천한다. 개념 설명과 실습 코드가 균형 있게 구성되어 있어, 처음부터 끝까지 따라가다 보면 어느새 자신만의 LLM 애플리케이션 하나를 손에 쥐게 될 것이다.
    - 윤명식(엔터프라이즈디비)

    이 책을 한 문장으로 요약하자면 "Hello, LangChain"이 될 것이다. 공식 문서의 Getting Started를 따라가다 보면 코드는 돌아가는데, 정작 왜 이것이 랭'체인'이고 랭'그래프'인지 감이 잡히지 않는 경험을 하게 된다. 이 책은 바로 그 부분부터 짚고 들어간다. 동작하는 코드를 먼저 보여준 뒤 체인과 그래프라는 핵심 개념을 자연스럽게 설명해 나가는 방식 덕분에, 단순한 사용법을 넘어 LangChain이 어떻게 사용하도록 설계된 프레임워크인지를 처음부터 제대로 배울 수 있다. 또한 LangChain과 LangGraph에만 그치지 않고, LLM을 다루는 데 필요한 주변 개념도 깊지는 않지만 한 번씩 다뤄 준다는 점도 장점이다. 덕분에 입문자도 LLM 개발의 전체적인 그림을 보면서 시작할 수 있다.
    - 이주영(크래프톤 / Art Dept. Visual R&D Team)

    이 책은 LangChain과 LangGraph를 활용해 LLM 애플리케이션을 실제 서비스 구조로 구현하는 흐름을 다루는 실무 중심서다. 개념 설명에 그치지 않고, 환경 설정부터 LCEL, 워크플로, RAG까지 단계적으로 이어지며 전체 아키텍처를 이해할 수 있게 구성되어 있다. LLM 기능을 기존 서비스에 어떻게 연결하고 확장할지 고민하는 개발자에게 특히 유용하며, LangChain과 LangGraph를 체계적으로 익히고 싶은 실무 개발자에게 추천할 만한 책이다.
    - 최지현(프리랜서 웹 개발자)

    AI를 단순히 사용하는 것과 AI를 활용해 애플리케이션을 개발하는 것은 전혀 다른 차원의 이야기가 될 수 있다. LLM의 선택뿐 아니라 어떤 프레임워크와 도구를 이용해 AI가 보다 제대로 활용될 수 있도록 할지 고민해야 한다. 이 책은 파이썬 환경에서 LangChain과 LangGraph를 중심으로 한 AI 관련 패키지로 RAG를 구축하고 에이전틱 AI를 만들어 보면서, 현업에서 요구되는 다양한 상황에 맞춰 AI 기반 애플리케이션을 개발하는 방법과 사례를 다룬다. AI 기반 제품 개발에 참여하고 있거나 관련된 분들에게 좋은 지침서가 될 것이다. 특히 AI 기반 애플리케이션이 어떻게 동작하는지 다양한 관점에서 시험해 볼 수 있는 예제들이 제공되고 있어, 실전에서 빠르게 응용할 수 있는 연습 파트너로도 손색이 없다.
    - 노승헌(라인플러스 / SRE팀 리드)

    이 책은 LangChain과 LangGraph를 프로덕션 수준의 서비스에 적용하려는 개발자에게 현장에서 바로 쓸 수 있는 해결법을 폭넓게 제시한다. 생성형 AI(LLM), RAG, 도구, 에이전트의 기본 개념부터 컨텍스트 창 제한, 병렬 에이전트 합의 문제, 시맨틱 라우터 패턴, LLM 평가 기법까지 실무에서 맞닥뜨리는 수많은 주제를 코드와 함께 단계별로 설명한다. LangGraph 에이전트의 흐름을 상태 그래프로 시각화한 덕분에 복잡한 구조도 한눈에 들어오고, 각 장 말미의 복습 문제는 읽은 내용을 다시 한번 되짚어 준다. 평가, 배포, HuggingFace, Ollama, 오픈소스 모델까지 다루는 범위가 방대한 만큼 AI 개발을 처음 접하는 입문자에게는 다소 벅찰 수 있지만, 그만큼 이 한 권에서 얻어 갈 것이 많은 책이다.
    - 안단희(레피아 / 솔루션 개발 팀)

    이 책은 단순한 도구 사용법을 넘어, LangChain·LangGraph·LangSmith를 활용한 실제 서비스 구축 방법론을 집대성한 책이다. 특히 RAG 구성 시 공문서 처리에 필수적인 청킹 전략과 벡터 스토리지 선택 등 인프라 측면의 기술적 힌트를 풍부하게 제공한다.

    단순 구현을 넘어 답변의 질을 높이는 팩트체크 기법과 에이전틱 RAG로의 확장성, 그리고 실무 현장의 난관을 돌파할 논문 기반의 해결책을 제시하는 점이 인상적이다. 또한 기술·도메인 전문가가 협력하는 교차 기능 작업 그룹 기반의 평가 시스템과 LangSmith를 이용한 궤적 평가, 도커 배포 등 운영 전반을 상세히 다룬다.

    다양한 기술 비교표로 가독성을 높였으며, 생성형 AI의 미래와 저작권 등 기획적 고민에 대한 답안지도 담고 있다. 완성도 높은 서비스를 고민하는 기획자와 개발자는 물론, 실질적인 영감과 해법을 구하는 저 같은 독자에게도 이 책을 권한다.
    - 최규민(행정안전부)

    이 책은 LangChain과 LangGraph를 중심으로 LLM 애플리케이션을 어떻게 구조적으로 설계하고 구현할 수 있는지 이해하는 데 도움을 준다. 단순히 모델을 호출하는 수준을 넘어, 실제 애플리케이션 관점에서 흐름을 어떻게 연결하고 확장할지 생각하게 해준 점이 특히 인상적이었다. LLM 기반 서비스를 처음 체계적으로 만들어보려는 개발자나, 기존의 프롬프트 중심 접근에서 한 단계 나아가고 싶은 분들에게 추천한다.
    - 김준현(코드잇, 팀스파르타 / AX Engineer 강사)

    저자 소개

    벤 아우파스, 레오니드 쿨리긴

    저자 : 벤 아우파스
    15년 이상의 실무 경험을 갖춘 AI 구현 전문가다. 첼시 AI 벤처스(Chelsea AI Ventures)의 설립자로서 중소기업이 엔터프라이즈급 AI 솔루션을 구현해 실질적인 투자수익을 거두도록 돕는 데 주력하고 있다. 그가 구현한 시스템은 수백만 달러 규모의 사기 피해를 예방했으며, 트랜잭션을 0.3초 미만의 지연 시간으로 처리한다. 계산신경과학이라는 학문적 배경을 바탕으로 슈퍼컴퓨팅 뇌 모델 연구부터 기술력과 비즈니스 전략을 결합한 프로덕션 시스템 구축까지 두루 섭렵하여, 실용적인 AI 애플리케이션 분야에서 남다른 깊이의 전문성을 발휘하고 있다.

     

    저자 : 레오니드 쿨리긴
    구글 클라우드의 스태프 AI 엔지니어로 일하며, 생성형 AI와 수요 예측 및 최적화 문제 등 전통적인 머신러닝 솔루션 개발을 담당하고 있다. LangChain 내 구글 클라우드 연동의 핵심 메인테이너 중 한 명이자, 뮌헨 공과대학교와 뮌헨 대학교의 공동 기관인 CDTM에서 객원 강사로 활동 중이다. 구글 입사 전에는 독일, 러시아, 미국의 IT·금융·유통 기업을 두루 거치며 20여 년간 검색, 지도, 투자 관리 등 복잡한 머신러닝 및 데이터 처리 솔루션 기반의 B2C와 B2B 애플리케이션을 구축했다.

    역자 소개

    옥경석, 박규성

    역자 : 옥경석
    한국해양대학교를 졸업한 뒤 10여 년간 상선에서 근무했고, 한일 여객선의 선장을 지냈다. 선장 시절 경험한 항법 자동화 시스템을 계기로 해양 ICT 전문기업 KJ엔지니어링을 창립했으며, 자율운항선박 등 다수의 국가 연구 과제에 연구 책임자로 참여해 왔다. 챗봇과 빅데이터를 거쳐 현재는 LangChain 기반 생성형 AI 시스템 구현에 주력하고 있다. 이 책에서는 본문 번역을 맡아 LangChain을 중심으로 한 최신 생성형 AI의 개념과 흐름을 국내 독자에게 전달하는 데 힘썼다.

     

    역자 : 박규성
    부산정보대학교(현 부산과학기술대학교)에서 전자공학을 전공했다. KJ엔지니어링 연구소장으로, 해양수산부 자율운항선박 프로젝트와 LangChain 기반 인터랙티브 전자책 출판 플랫폼 연구·개발에 주력하고 있다. 이 책에서는 코드와 예제 구현을 중심으로 기술 내용을 검증하고, 최신 환경에 맞게 보완·정리하는 작업을 담당했다.

    목차

    1장. 생성형 AI의 부상: 언어 모델에서 에이전트로
    최신 LLM 기술 동향
    ____모델 비교
    ____LLM 공급자 현황
    ____라이선싱
    단순 모델에서 에이전틱 애플리케이션으로의 진화 과정
    ____기존 LLM의 한계
    ____LLM 애플리케이션 이해
    ____AI 에이전트 이해
    LangChain 소개
    ____원시 LLM의 문제점
    ____LangChain이 에이전트 개발을 지원하는 방법
    ____LangChain 아키텍처 살펴보기
    ________생태계
    ________모듈식 설계 및 종속성 관리
    ________LangGraph, LangSmith 및 동반 도구들
    ________서드파티 애플리케이션과 시각적 도구
    요약
    복습문제

    2장. LangChain 첫걸음
    이 책에 대한 종속성 설정
    ____API 키 설정
    LangChain의 빌딩 블록 살펴보기
    ____모델 인터페이스
    ________LLM 상호작용 패턴
    ________개발 테스트
    ________채팅 모델과 작업
    ________추론 모델
    ________모델 동작 제어
    ________애플리케이션을 위한 매개변수 선택
    ____프롬프트와 템플릿
    ________채팅 프롬프트 템플릿
    ____LangChain 표현 언어(LCEL)
    ________LCEL을 이용한 간단한 워크플로
    ________복잡한 체인의 예
    로컬 모델 실행
    ____Ollama 시작하기
    ____로컬에서 Hugging Face 모델 작업
    ____로컬 모델을 위한 팁
    멀티모달 AI 애플리케이션
    ____텍스트-이미지 변환
    ________OpenAI를 통한 DALL-E 사용
    ________Stable Diffusion 사용
    ____이미지 이해
    ________Gemini 2.5 Pro 사용
    ________GPT-4 Vision 사용
    요약
    복습문제

    3장. LangGraph로 워크플로 구축
    LangGraph의 기본 원리
    ____상태 관리
    ____리듀서
    ____그래프 구성하기
    ____제어된 출력 생성
    ________출력 파싱
    ________오류 처리
    프롬프트 엔지니어링
    ____프롬프트 템플릿
    ____제로샷과 퓨샷 프롬프팅
    ________프롬프트 연결
    ________동적 퓨샷 프롬프팅
    ____사고의 체인
    ____자기 일관성
    제한된 컨텍스트 창으로 작업하기
    ____긴 동영상 요약
    메모리 메커니즘의 이해
    ____채팅 기록 트리밍
    ____데이터베이스에 기록 저장하기
    ____LangGraph 체크포인트
    요약
    복습문제

    4장. 지능형 RAG 시스템 구축
    색인에서 지능형 검색까지
    RAG 시스템의 컴포넌트
    ____RAG 도입 시기
    임베딩에서 검색까지
    ____임베딩
    ____벡터 저장소
    ________벡터 저장소 비교
    ________벡터 저장소에 대한 하드웨어 고려사항
    ________LangChain의 벡터 저장소 인터페이스
    ____벡터 인덱싱 전략
    RAG 파이프라인 분석
    ____문서 처리
    ________청킹 전략
    ________검색 시스템
    ____고급 RAG 기술
    ________하이브리드 검색: 시맨틱 검색과 키워드 검색의 조합
    ________리랭킹
    ________쿼리 변환: 더 나은 쿼리를 통한 검색 개선
    ________검색 결과 처리: 검색된 정보 가치 극대화
    ________응답 향상: 생성 출력 개선 기법
    ________수정 RAG
    ________에이전틱 RAG
    ________적절한 기술 선택하기
    기업 문서 채팅봇 개발
    ____문서 로딩
    ____언어 모델 설정
    ____문서 검색 시스템
    ____상태 그래프 설계
    ____사용자 인터페이스를 위해 Streamlit과 통합
    ____평가 및 성능 고려사항
    RAG 시스템 문제 해결
    요약
    복습문제

    5장. 지능형 에이전트 구축
    도구의 기본 개념
    ____LangChain의 도구
    ____REACT
    도구의 정의
    ____내장된 LangChain 도구
    ____사용자 정의 도구
    ________파이썬 함수를 도구로 래핑하기
    ________실행 가능한 컴포넌트로부터 도구 생성하기
    ________Structured Tool 또는 BaseTool 서브클래스 생성
    ____오류 처리
    고급 도구 호출 기능
    워크플로에 도구 통합
    ____제어된 생성
    ________공급업체에서 제공하는 제어된 생성
    ____ToolNode
    ____도구 호출 패러다임
    에이전트의 정의와 작동 원리
    ____계획 및 해결 에이전트
    요약
    복습문제

    6장. 고급 애플리케이션 및 다중 에이전트 시스템
    에이전틱 아키텍처
    ____에이전틱 RAG
    다중 에이전트 아키텍처
    ____에이전트의 역할과 전문화
    ____합의 메커니즘
    ____통신 프로토콜
    ________시맨틱 라우터
    ________상호작용 구조화
    ____LangGraph 스트리밍
    ____핸드오프
    ________공유 메시지 목록을 통한 통신
    ____LangGraph 플랫폼
    적응형 시스템 구축
    ____동적 행동 조정
    ____인간 참여
    추론 경로 탐색
    ____ToT
    ____MCTS로 ToT 트리밍하기
    에이전트 메모리
    ____캐시
    ____저장소
    요약
    복습문제

    7장. 소프트웨어 개발 및 데이터 분석 에이전트
    소프트웨어 개발에서의 LLM 활용
    ____개발의 미래
    ____구현 시 고려사항
    ____코드 LLM의 진화
    ____코드 LLM 벤치마크
    ____LLM 기반 소프트웨어 공학 접근
    ____보안 및 위험 관리 전략
    ____LLM 생성 코드 검증 프레임워크
    ____LangChain 통합
    LLM을 사용한 코드 작성
    ____구글의 생성형 AI
    ____Hugging Face
    ____Anthropic
    ____에이전틱 접근법
    ____문서 RAG
    ____저장소 RAG
    데이터 과학을 위한 LLM 에이전트 적용
    ____ML 모델 학습
    ________파이썬 실행이 가능한 에이전트 설정
    ________에이전트에게 신경망 구축 요청
    ________에이전트 실행 및 결과
    ____데이터셋 분석
    ________판다스 데이터프레임 에이전트 생성
    ________데이터셋에 대한 질문하기
    요약
    복습문제

    8장. 평가와 테스트
    평가의 중요성
    ____안전성과 정렬
    ____성능과 효율성
    ____사용자 및 이해관계자 가치
    ____LLM 평가를 위한 합의 구축
    평가 대상: 핵심 에이전트 능력
    ____작업 수행 능력 평가
    ____도구 사용 능력 평가
    ____RAG 평가
    ____계획 및 추론 능력 평가
    평가 방법: 방법론과 접근법
    ____자동화된 평가 접근법
    ____인간 참여 평가
    ____시스템 수준 평가
    프로덕션 환경에서의 LLM 에이전트 평가
    ____결과의 정확성 평가
    ____톤과 간결성 평가
    ____출력 형식 평가
    ____에이전트 궤적 평가
    ____사고의 체인 추론 평가
    오프라인 평가
    ____RAG 시스템 평가
    ____LangSmith에서 벤치마크 평가
    ____Hugging Face의 데이터셋과 Evaluate 라이브러리를 이용한 벤치마크 평가
    ____이메일 추출 평가
    요약
    복습문제

    9장. 프로덕션 적용 가능한 LLM 배포 및 관찰 가능성
    LLM 애플리케이션의 보안 고려사항
    LLM 애플리케이션 배포
    ____FastAPI를 활용한 웹 프레임워크 배포
    ____Ray Serve로 확장 가능한 배포
    ________인덱스 구축
    ________인덱스 서빙
    ________애플리케이션 실행
    ____LangChain 애플리케이션 배포 시 고려사항
    ____LangGraph 플랫폼
    ________LangGraph CLI를 활용한 로컬 개발
    ____서버리스 배포 옵션
    ____UI 프레임워크
    ____MCP
    ____인프라 고려사항
    ________배포 모델 선택 가이드
    ________모델 서빙 인프라스트럭처
    LLM 애플리케이션 관찰 방법
    ____LLM 애플리케이션 운영 지표
    ____응답 추적
    ____환각 감지
    ____편향 감지 및 모니터링
    ________LangSmith
    ____관찰 가능성 전략
    ____LLM 애플리케이션의 지속적 개선
    LangChain 애플리케이션 비용 관리
    ____LangChain에서의 모델 선택 전략
    ________계층화된 모델
    ________캐스케이딩 모델
    ____출력 토큰 최적화
    ____그 밖의 전략
    ____비용 모니터링 및 분석
    요약
    복습문제

    10장. 생성형 모델의 미래: 규모 확장을 넘어서
    생성형 AI의 현주소
    확장의 한계와 새로운 대안
    ____확장 가설에 대한 도전
    ____빅테크 대 소기업
    ____확장의 한계와 대안적 접근법의 부상
    ________규모 확장(기존 접근법)
    ________소형화(효율성 혁신)
    ________분산 처리(확장형 접근법)
    ____훈련 데이터 품질의 진화
    ____기술 발전을 통한 민주화
    ____사후 훈련 단계를 위한 새로운 확장 법칙
    경제 및 산업의 변화
    ____산업별 변화와 경쟁 구도
    ____직업의 진화와 변화가 가져올 영향
    ________단기적 영향(2025~2035)
    ________중기적 영향(2035~2045)
    ________장기적 변화(2045년 이후)
    ____경제적 분배와 형평성 고려사항 508
    사회적 영향
    ________허위 정보와 사이버 보안
    ________저작권 및 출처 표기 문제
    ________규제 및 실행 과제
    요약

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved