RAG 에이전트 실무
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.
지난주 내 뉴스 피드가 갑자기 난리가 났다. 삼성전자, SK하이닉스 주가 폭락. 마이크론 7% 급락. 반도체주 일제히 흔들. 원인은 단 하나, 구글이 논문 하나 발표한 것 때문이었다. 터보퀀트(TurboQuant). LLM 메모리를 6배 줄이고 속도는 8배 올린다는 기술. 솔직히 처음 이 뉴스를 봤을 때 반응이 두 갈래로 갈렸다. 한쪽에서는 “구글의 딥시크 모먼트다, 반도체 시대 끝났다”는 패닉이 나왔고, 다른 … Read more
오픈클로를 처음 설치하면 가장 먼저 부딪히는 질문이 있다. “어떤 AI 모델을 연결해야 하지?” 온보딩 위저드에서 Anthropic, OpenAI, Google, DeepSeek 등 선택지가 쭉 나오는데, 각각 뭐가 다르고, 비용은 얼마나 들고, 내 용도에는 뭐가 맞는지 처음에는 감이 안 온다. 나도 그랬다. 처음에는 무조건 제일 좋다는 클로드 Opus를 연결했다가, 한 달 API 비용을 보고 깜짝 놀랐다. 하트비트 점검이나 … Read more
“Gemini가 내 탭 내용을 읽는다”는 말을 들었을 때, 막연하게 느껴지는 사람이 많다. 어떻게 읽는다는 건지, 어디로 보내는 건지, 내 데이터는 어디서 처리되는지. 사용자 입장에서는 그냥 사이드바에 물어보면 답이 온다는 사실만 보이고, 그 사이에 무슨 일이 일어나는지는 완전히 블랙박스다. 개발자라면 이 블랙박스가 불편하다. Chrome에 Gemini를 활용한 기능을 만들어보려고 했을 때, 처음 맞닥뜨리는 질문이 “Prompt API가 뭐고, … Read more
AI 에이전트를 처음 만들어보던 시절이 있었다. 그때 제일 많이 막혔던 지점이 “이 에이전트가 실제로 뭔가를 하게 만들려면 어떻게 해야 하지?”였다. 텍스트 생성은 잘 됐다. 근데 에이전트가 웹사이트에 들어가서 정보를 긁어오고, 양식을 채우고, 버튼을 누르는 것까지 연결하는 건 전혀 다른 문제였다. LLM이 답을 알아도, 그 답을 실행에 옮기는 부분은 개발자가 직접 설계해야 했다. 2026년 현재, 그 … Read more
오픈클로를 설치하고 첫 대화까지 성공했다면, 이제 진짜 재미있는 단계가 남았다. 바로 스킬(Skill) 개발이다. 오픈클로의 기본 상태는 똑똑한 대화 상대에 가깝다. 질문하면 대답하고, 시키면 해준다. 그런데 스킬을 붙이는 순간, 성격이 완전히 달라진다. 매일 아침 9시에 이메일을 정리해서 텔레그램으로 보내주고, 특정 웹사이트의 가격 변동을 모니터링해서 조건에 맞으면 알림을 보내고, 깃허브 PR 상태를 주기적으로 점검해서 슬랙에 리포트를 올린다. … Read more