Amazon Bedrock과 LangGraph로 Multi Agent 시스템 구현하기
Amazon Bedrock과 LangGraph로 Supervisor 중심의 Multi Agent 여행 도우미를 구현하는 방법을 소개했습니다. 상태 관리, 오케스트레이션, 디버깅과 운영 고려사항까지 함께 설명했습니다.
#LLM#LangGraph
58005분
필터 1
AI로 생성한 이미지는 어떻게 평가할까요? (인페인팅 적용편)
인페인팅 기반 배경 인물 제거 결과를 사람 평가와 여러 자동 지표로 비교했습니다. 데이터셋에 따라 Aesthetic Score와 CMMD가 유망한 평가 방법으로 나타났습니다.
#LLM#인페인팅
43005분
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 명확히 구분해야 한다는 설계 원칙을 정리했습니다. 실행 통제와 감사 가능성을 위해 별도 보안 계층이 필요하다고 설명했습니다.
#MCP#AI Agent
21005분
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 분리해 보안 설계 원칙을 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보완 계층의 필요성을 강조했습니다.
#MCP#AI Agent
16005분
MCP와 AI Agent가 싸운다: 당신의 설계는 안전한가?
MCP 서버와 AI 에이전트의 역할을 분리해 설계해야 하는 이유를 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보안 계층도 함께 고려해야 합니다.
#MCP#AI Agent
56005분
[Advanced AI] RAG 시스템에서의 명사구 충돌 문제와 해결방안
RAG 시스템의 환각 원인으로 명사구 충돌을 설명하고, 이를 줄이기 위한 전처리와 쿼리 분할 방안을 소개했습니다. 기업 문서 특성에 맞춘 데이터 사전처리로 정확도를 높일 수 있다고 정리했습니다.
#RAG#LLM
3005분
쉽게이해하는 GPT. 2편(어떻게 GPT는 Chat을 하는가, instruct모델)
GPT는 기본적으로 다음 단어를 예측하는 모델이라 대화가 어렵습니다. instruction tuning으로 질문-답변 형식을 학습해 ChatGPT 같은 대화형 모델로 확장했습니다.
#LLM#instruction tuning
73005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
지적 호기심이 이끄는 커리어 여정 | 콴다 Legal Division Head
콴다 법무팀장의 커리어 전환과 사내변호사 역할을 인터뷰로 소개했습니다. 비즈니스 파트너로서의 법무, 지적 호기심, 협업 태도를 강조했습니다.
#사내변호사#스타트업
42005분
루틴 속 익숙해진 불편함, AI로 새롭게 해결하기까지
당근 아이덴티티 서비스팀이 4일 해커톤으로 반복 업무를 AI 자동화로 바꾼 사례를 소개했습니다. 지표 정리, 온콜 인수인계, 에러 분석을 슬랙봇과 MCP로 개선했습니다.
#자동화#n8n
160005분
생성형 AI와 금융의 만남, 대출 음성 상담 챗봇 서비스
비대면 금융의 개인화 부족을 해결하기 위해 AI 대출 음성 상담 챗봇을 개발했습니다. 합성 데이터와 RAG, AWS AI 서비스를 결합해 실시간 상담과 추천 흐름을 구현했습니다.
#AWS#RAG
91005분
기억하는 AI : Agentic Memory 그리고 A-MEN
자율 에이전트에서 Agentic Memory가 장기 기억 역할을 하며 개인화 응답을 돕는 방식을 설명했습니다. A-MEM의 구조화된 노트, 링크, 검색 흐름도 함께 소개했습니다.
#LLM#agent
92005분
코드는 멈췄고, 에이전트가 움직인다 – AgentSecOps의 시대로
AI 에이전트의 자율 실행이 기존 DevSecOps 통제를 우회할 수 있다는 문제를 짚고, AgentSecOps를 실행 시점 보안 계층으로 제안했습니다. 또한 PDP, PBAC, PEP, PIP를 중심으로 한 통제 구조와 MCP 기반 상용화 방향을 설명했습니다.
#LLM#DevSecOps
15005분