AI
AI 에이전트 개발 실전 #6 MCP 서버 직접 만들기
LLM 앱 개발 실전 11편에서는 남이 만든 MCP 서버에 연결했습니다. 이번에는 우리 도구를 MCP 서버로 직접 만듭니다. FastMCP로 서버 작성, 우리 에이전트 루프에 연결, 도구를 서버로 분리할 기준까지 다룹니다.
AI 에이전트 개발 실전 #5 서브에이전트로 일 나누기
하나의 에이전트가 모든 일을 하면 컨텍스트도 책임도 비대해집니다. 서브에이전트로 일을 위임하는 이유, delegate 도구 구현, 오케스트레이터-워커 패턴과 병렬 실행, 위임이 과해지지 않게 막는 기준까지 다룹니다.
AI 에이전트 개발 실전 #4 긴 작업을 버티는 컨텍스트 관리
에이전트가 오래 돌수록 대화가 자라 컨텍스트 한계에 다가갑니다. 도구 결과 다이어트, 오래된 결과 비우기, 요약 압축과 서버측 compaction, 파일 기반 스크래치패드까지 긴 작업을 버티는 기법을 정리합니다.
AI 에이전트 개발 실전 #3 계획 세우기와 자기 수정
여러 단계 작업을 맡기려면 에이전트에게 행동 규칙과 계획이 필요합니다. 시스템 프롬프트 설계, 계획 먼저 세우게 하기, 중간 검증과 재시도, adaptive thinking으로 생각 깊이를 조절하는 방법까지 다룹니다.
AI 에이전트 개발 실전 #2 좋은 도구 설계하기
에이전트 품질의 차이는 대부분 도구에서 갈립니다. 모델이 읽는 문서로서의 description, 스키마 설계, 에러 메시지 설계, 위험한 도구의 분류와 확인 절차까지 도구 설계 원칙을 정리합니다.
AI 에이전트 개발 실전 #1 에이전트 루프 단단하게 만들기
LLM 앱 개발 실전에서 만든 최소 에이전트 루프를 실전 수준으로 끌어올립니다. stop_reason 전부 처리하기, 도구 에러를 결과로 돌려주기, 재시도와 로깅까지. 이 시리즈의 출발점입니다.
LLM 앱 개발 실전 #13 실전 프로젝트: 사내 문서 Q&A 봇
지금까지의 조각을 하나로 묶어 사내 문서에 답하는 Q&A 봇을 처음부터 끝까지 만듭니다. RAG, 스트리밍, 근거 프롬프트, 대화 메모리를 결합한 시리즈의 마무리입니다.
LLM 앱 개발 실전 #12 비용, 평가, 관측
만든 앱을 실제로 운영할 때 필요한 것들을 다룹니다. 토큰 비용 줄이기와 프롬프트 캐싱, 품질을 측정하는 평가, 그리고 동작을 들여다보는 관측을 정리합니다.
LLM 앱 개발 실전 #11 MCP로 도구 연결하기
도구를 연결하는 표준인 MCP(Model Context Protocol)를 다룹니다. 매번 도구를 손으로 짜는 대신, 이미 만들어진 도구 서버에 Claude를 연결하는 방법을 알아봅니다.
LLM 앱 개발 실전 #10 AI 에이전트 만들기
Claude가 스스로 도구를 골라 여러 단계를 밟아 일을 처리하는 에이전트를 만듭니다. 에이전트 루프, 여러 도구 오케스트레이션, 안전한 종료 조건까지 다룹니다.
LLM 앱 개발 실전 #9 대화 메모리와 컨텍스트 관리
대화가 길어질 때 쌓이는 히스토리를 어떻게 다룰지 정리합니다. 컨텍스트 한계와 토큰 비용 문제, 슬라이딩 윈도우와 요약 압축, 서버측 컴팩션까지 다룹니다.
LLM 앱 개발 실전 #8 RAG 파이프라인 구축
벡터 검색으로 찾은 문서를 Claude에게 건네, 우리 문서에 근거해 답하게 하는 RAG를 완성합니다. 청킹, 검색, 프롬프트 주입, 생성까지 전체 파이프라인을 만듭니다.