knowledge-based content
핵심 요약 생성형 RAG(Retrieval-Augmented Generation)를 제대로 구축하려면 단순히 검색과 생성을 연결하는 것만으로는 부족합니다. NLP 기술을 활용한 정교한 문서 처리와 에이전트 전략을 통한 지능적인 정보 활용이 필수입니다. 최신 RAG 시스템은 쿼리 재작성, 하이브리드 검색, 컨텍스트 압축, 멀티 에이전트 협업 등을 통해 답변 품질을 극적으로 향상시키고 있습니다. 요즘 AI 챗봇이나 검색 시스템을 만들다 보면 RAG라는 단어를 빼놓을 … Read more
핵심 요약 최근 공공기관에서 AI 시스템 도입이 활발해지면서 Agentic RAG 구축에 대한 관심이 높아지고 있습니다. 기존 RAG 시스템과 달리 에이전트가 자율적으로 판단하고 검색하는 Agentic RAG는 청크 단위 임베딩 시 메타데이터를 체계적으로 설계하는 것이 핵심입니다. 문서 출처, 생성일자, 부서정보, 보안등급 같은 메타데이터를 적절히 구조화하면 에이전트가 더욱 정확한 질의 검색을 수행할 수 있습니다. 특히 공공기관 특성상 문서 … Read more
현업에서 AI 에이전트 시스템을 구축하면서 가장 많이 받는 질문이 바로 “에이전트와 툴의 경계는 어디까지인가”입니다. 특히 LangGraph와 같은 프레임워크를 활용해 복잡한 워크플로우를 설계할 때, 각 기능을 독립적인 에이전트로 분리할지 아니면 하나의 에이전트 내 툴로 구성할지 고민이 많죠. 오늘은 실제 사업 관점에서 어떻게 에이전트 아키텍처를 설계해야 하는지, 그리고 어떤 기준으로 에이전트와 툴을 구분해야 하는지 명확하게 정리해보겠습니다. 에이전트와 … Read more
AI 에이전트 기반 애플리케이션의 복잡성이 점점 더 고도화되고 있습니다. 단일 프롬프트에서의 응답 수준을 넘어서 이제는 다중 회차(turn) 기반의 대화, 다양한 상태(state) 관리, 그리고 복수 에이전트 간 협업(Agent Collaboration) 까지도 필요해졌습니다. 이러한 요구에 대응하기 위해 등장한 것이 LangGraph입니다. LangChain의 확장 생태계로서, 복잡한 멀티턴(Multiturn) 대화 흐름을 제어 가능한 그래프 기반 워크플로우로 전환해주는 이 프레임워크는 에이전트 지향(Agent-Oriented) 시스템을 … Read more
시작하며 2023년 AI 생태계에서 가장 중요한 변화 중 하나는 바로 Function Calling 기술의 도입이었습니다. 이 기술은 단순히 텍스트만 생성하던 LLM이 외부 도구와 상호작용할 수 있게 만들어주는 혁신적인 기능이었죠. 오늘은 이 기술이 어떻게 발전해왔는지, 그리고 현재 가장 주목받는 LangGraph와 @tool 데코레이터까지의 여정을 자세히 살펴보겠습니다. Function Calling의 탄생과 발전 연대기 2022년: LangChain의 선구적 역할 사실 많은 사람들이 … Read more