

AI 에이전트와 함께하는 개발
AI 에이전트를 실제 개발 과정에 활용한 경험과 한계를 정리했습니다. 작은 작업부터 시작하고 맥락 문서화를 통해 활용도를 높이려는 방향을 제안했습니다.


AI 에이전트를 실제 개발 과정에 활용한 경험과 한계를 정리했습니다. 작은 작업부터 시작하고 맥락 문서화를 통해 활용도를 높이려는 방향을 제안했습니다.


구글의 A2A 프로토콜과 공식 튜토리얼 코드를 바탕으로 서버·클라이언트 구조를 살펴보았습니다. LangChain 에이전트를 A2A로 노출하고 호출하는 흐름도 함께 정리했습니다.


n8n의 오픈소스·자체 호스팅 강점과 코드 확장성을 바탕으로 서비스 자동화 전략을 정리했습니다. API와 MCP를 결합한 하이브리드 구조로 단순 업무와 복잡한 비정형 문제를 함께 다루는 방법을 제시했습니다.


Arize Phoenix로 Bedrock 멀티 에이전트의 실행 경로를 통합 추적하고 평가하는 방법을 소개했습니다. 지연시간, 토큰, 비용, MCP 동작까지 함께 관측해 디버깅과 최적화를 돕습니다.

카카오페이증권이 고객 관점의 장애 가시화와 대응 자동화를 위해 핑크와드를 구축했습니다. 장애 탐지부터 담당자 호출, 요약, 보고서 작성까지 통합해 대응 시간을 크게 줄였습니다.


Strands Agents와 MCP로 신약 개발 연구 어시스턴트를 구성하는 방법을 소개했습니다. 다중 데이터베이스 검색과 결과 종합, PDF 생성까지 이어지는 에이전트 워크플로우를 보여주었습니다.


엔터프라이즈 AI 에이전트는 전통적인 LLM 평가만으로는 충분히 측정하기 어려웠습니다. NEXA는 LLM-as-a-Judge로 도구 정확성과 효율성을 평가하는 방식을 적용했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


엔터프라이즈 AI 에이전트는 전통적 LLM 평가만으로는 성능 측정이 어려워 전용 평가가 필요했습니다. NEXA는 Langfuse의 LLM-as-a-Judge로 도구 정확성과 효율성을 함께 평가했습니다.

PlayMCP를 제로부터 개발한 소개 글입니다. AI가 자연스러운 대화를 구현하는 흐름 속에서 MCP 플랫폼 개발 배경을 설명합니다.

소규모 팀의 DBA 공백 문제를 AI 에이전트로 보완한 사례를 소개했습니다. MCP 도구와 사전 검증으로 안전성을 높이며 MAIA 플랫폼으로 확장했습니다.

광고사업팀이 AI와 MCP를 활용해 세일즈, 협업, 리포트 업무를 크게 효율화한 사례를 소개했습니다.\n프롬프트와 맞춤형 툴로 반복 작업을 줄이고 임팩트 높은 일에 집중하는 방향을 제시했습니다.


Claude Code를 자율형 코딩 에이전트로 소개하며 개발 전 과정을 자동화하는 흐름을 설명했습니다. MCP, 터미널 통합, 다중 에이전트로 생산성과 학습 효율을 높이는 활용법도 정리했습니다.