knowledge-based content
RAG 시스템, LangGraph 멀티에이전트, FastAPI 백엔드, 벡터 데이터베이스 등 AI 시스템을 직접 설계하고 구현하는 과정을 다룹니다. 실제 프로젝트 경험을 바탕으로 한 구현 가이드와 트러블슈팅을 공유합니다.
TypeScript는 단순히 “자바스크립트에 타입을 붙이는 언어”로 소개되지만, 막상 배우기 시작하면 많은 문법에 당황하게 된다. 타입이라는 개념 자체가 코드에 ‘제약’을 주는 것처럼 느껴지기도 하지만, 실제로는 코드의 명확성, 안정성, 예측 가능성을 높이는 강력한 무기다. 이번 글에서는 TypeScript를 배우면서 반드시 이해하고 넘어가야 할 8개의 핵심 문법을 정리했다. 문법 그 자체보다도 왜 이 문법이 필요했고, 어떤 상황에서 반드시 써야 … Read more
서론: RAGFlow를 제대로 이해하기 위한 여정 RAGFlow는 문서 이해 기반의 오픈소스 RAG(Retrieval-Augmented Generation) 엔진으로, 복잡한 형식의 데이터에서 진실한 질의응답 기능을 제공합니다. 단순히 사용법만 아는 것을 넘어서 RAGFlow의 내부 구조와 데이터베이스 스키마를 이해한다면, 이 강력한 도구를 더욱 효과적으로 활용할 수 있습니다. 본 포스팅에서는 RAGFlow의 핵심인 데이터베이스 스키마, 디렉토리 구조, 그리고 애플리케이션 실행 과정을 상세히 분석해보겠습니다. RAGFlow … Read more
서론: 협업 도구 선택의 중요성 현대 기업 환경에서 효과적인 협업은 경쟁력의 핵심 요소입니다. 특히 원격근무와 하이브리드 업무 환경이 일반화되면서, 팀원들 간의 원활한 소통과 문서화는 더욱 중요해졌습니다. Notion, Mermaid, Draw.io는 각각 다른 특성과 장점을 가진 도구로, 상황에 맞게 적절히 활용하면 팀의 생산성을 극대화할 수 있습니다. Notion: 올인원 워크스페이스의 활용 Notion의 핵심 특징과 장점 Notion은 노트, 데이터베이스, … Read more
왜 LangChain과 LangGraph인가? AI 챗봇을 처음 만들어보려는 개발자라면 “어디서부터 시작해야 할까?”라는 고민이 클 것입니다. OpenAI API를 직접 호출해서 만들 수도 있지만, 실제 서비스에서는 훨씬 복잡한 요구사항들이 있죠. 사용자의 대화 맥락을 기억해야 하고, 외부 데이터베이스에서 정보를 가져와야 하고, 때로는 여러 단계의 추론 과정을 거쳐야 합니다. LangChain은 이런 복잡한 AI 애플리케이션을 쉽게 구축할 수 있게 해주는 프레임워크입니다. … Read more
생성형 AI 자동화 시대, 왜 Langflow와 Dify가 주목받는가 새로운 패러다임의 등장 Langflow Dify 2023년 이후 생성형 AI, 특히 ChatGPT와 같은 LLM이 개발자와 비즈니스 전반에 확산되면서 “누구나 쉽게 챗봇, 자동화, 지식 검색, Q&A 서비스를 만들 수 있는 툴”이 필수 도구로 떠올랐다. 이때 단순히 GPT API를 직접 코드로 붙이는 것을 넘어서, GUI(그래픽 UI) 기반의 워크플로우 설계, 멀티모델·멀티 … Read more
Langchain 기초, 그리고 생성형 AI 활용의 패러다임 Langchain은 OpenAI의 ChatGPT를 비롯해 여러 대형 언어모델(LLM, Large Language Model)을 파이썬 환경에서 쉽고 강력하게 활용할 수 있게 해주는 프레임워크다. 단순히 텍스트 입력과 출력에 그치지 않고, 여러 단계의 프롬프트(지시문), 사용자 입력, 외부 도구와의 연동, 다중 모델 체이닝까지 구현할 수 있다. 실제 프로덕트에서 “챗봇처럼 자연어 대화형 인터페이스를 만들고 싶다”, “문서 … Read more
fastapi‑mcp란 무엇인가? FastAPI‑MCP는 FastAPI 앱의 모든 엔드포인트를 Model Context Protocol(MCP) 도구로 자동 노출해주는 라이브러리입니다. zero‑config 방식: FastApiMCP(app).mount() 한 줄이면 /mcp 경로에 자동으로 MCP 서버가 세팅됩니다. OpenAPI 스키마 기반으로 엔드포인트의 요청/응답 형태, docstring 등 정보를 그대로 유지합니다 (FastAPI MCP). 내부의 FastAPI 종속성 주입(Dependency‑Inject)이나 인증 로직도 자연스럽게 통합되어 안심하고 사용 가능합니다 (GitHub). ASGI transport 사용: HTTP 요청 … Read more
LLM 에이전트 설계, 어디까지 진화했는가? 최근 Claude 모델에서 소개된 MCP(Memory-Control-Planning) 개념은 LLM을 이용한 고도화된 에이전트 설계의 지평을 넓히고 있습니다. 동시에 LangChain과 LangGraph 같은 프레임워크는 이러한 LLM 능력을 체계적으로 실현할 수 있도록 돕습니다. 이 글에서는 Claude MCP의 개념을 정리하고, 이를 LangChain 및 LangGraph에 통합하는 실질적인 구조를 제안합니다. 특히 MCP 서버를 gRPC 기반으로 외부에서 운용하는 구조를 상정하고, … Read more
들어가며 최근 Anthropic의 Claude 모델에서 소개된 MCP(Memory, Control, Planning) 기능은 LLM 기반 애플리케이션 설계에 새로운 전환점을 제시하고 있습니다. 특히 RAG(Retrieval-Augmented Generation) 시스템을 구축할 때, 이 기능은 더욱 정교한 문맥 유지, 대화 흐름 제어, 장기적인 목표 기반의 질의 응답에 기여할 수 있습니다. 본 글에서는 Claude의 MCP 개념을 소개하고, 이를 LangChain과 LangGraph 프레임워크에서 어떻게 통합하여 RAG … Read more
[Python LangGraph] Python 생태계에서 LLM(대규모 언어 모델)을 활용한 워크플로우를 설계하는 데 있어 LangGraph는 매우 유용한 도구입니다. LangGraph는 LangChain을 기반으로 하면서, 상태 기반의 워크플로우를 정의하고 실행할 수 있는 라이브러리입니다. 특히 대화형 애플리케이션을 설계하거나, 다양한 에이전트의 논리 흐름을 제어할 때 강력한 유연성과 확장성을 제공합니다. 이 글에서는 LangGraph를 처음 접하는 분들을 위해 주요 문법을 중심으로 사용법과 개념을 … Read more