
토스페이먼츠 결제 시스템 연동을 돕는 MCP 서버 구현기
AI 코딩 도구의 결제 연동 정확도를 높이기 위해 토스페이먼츠가 MCP 서버를 구현한 과정을 공유했습니다. 문서 청크화와 BM25 검색으로 맥락을 제공해 Hallucination을 줄이고 연동 품질을 개선했습니다.

AI 코딩 도구의 결제 연동 정확도를 높이기 위해 토스페이먼츠가 MCP 서버를 구현한 과정을 공유했습니다. 문서 청크화와 BM25 검색으로 맥락을 제공해 Hallucination을 줄이고 연동 품질을 개선했습니다.


Langchain과 Langgraph의 create_react_agent 차이를 프롬프트 처리와 Tool Call 방식 중심으로 비교했습니다. 상용 LLM과 MCP 환경에는 Langgraph가 유리하고, Private LLM에는 Langchain을 고려할 수 있음을 정리했습니다.


AI 도구와 파일시스템 MCP로 개인 맞춤형 학습 앱을 빠르게 기획하고 구현한 사례를 소개했습니다. 망각곡선 기반 복습과 데이터 생성까지 자동화해 프로토타입 완성 속도를 높였습니다.

MCP의 개념과 서버/클라이언트 흐름을 해커톤 경험을 바탕으로 정리했습니다. Swagger API와 FastMCP를 활용해 서비스용 MCP tool을 빠르게 구현한 과정을 공유했습니다.


LLM을 코드 리뷰 자동화에 활용해 반복적인 피드백과 대기 시간을 줄이는 방법을 소개했습니다. CI/CD 연동 예시와 함께 장점, 한계, 도입 시 주의점을 정리했습니다.

AI를 활용해 사내 컨텍스트를 반영한 API 주석 생성과 문서 배포 프로토타입을 만들었습니다.다만 정확성 한계가 있어 사람 검토를 전제로 보조 도구로 활용해야 했습니다.


IntelliJ 사용자가 Cursor 대안을 찾다가 Claude + MCP 연동을 선택한 사례를 소개했습니다. IDE를 바꾸지 않고도 코드 지원과 외부 툴 연계를 활용하는 방법을 설명했습니다.


Amazon Bedrock Agents와 MCP를 Lambda와 CDK로 연결하는 서버리스 통합 방법을 소개했습니다. MCP 도구를 OpenAPI로 변환해 Agent의 Action Group으로 쓰는 구현과 배포 절차를 정리했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

AI가 답변을 넘어 실제 행동을 수행하는 시대에 접어들며 새로운 보안 위협이 부각되었습니다. 그래서 AI Red Teaming을 통해 프롬프트 인젝션과 명령 거부 같은 위험을 사전에 검증해야 한다고 설명했습니다.

AI가 단순 응답을 넘어 실제 행동을 수행하는 시대의 보안 위험을 설명했습니다. Red Teaming으로 명령 거부 실패와 프롬프트 인젝션을 사전에 점검하는 방법을 제안했습니다.

AI가 단순 답변을 넘어 실제 행동을 수행하면서 새로운 보안 위협이 커지고 있습니다. 이를 검증하기 위해 AI Red Teaming과 최소 권한, 가드레일 같은 방어 전략이 필요하다고 설명합니다.


MCP를 AI의 USB-C에 비유하며 LLM과 외부 시스템을 표준 인터페이스로 연결하는 방법을 소개했습니다. Python으로 MCP Server, Claude 연동, Streamlit Host, REST API Wrapper 실습까지 다뤘습니다.