TMAP과 에이닷이 만나다 : 주행의 동반자 TMAP with A.
TMAP에 에이닷 4.0 기반 음성 AI Agent를 적용해 주행 중 맥락을 이해하는 내비게이션으로 확장했습니다.\n목적지·경유지 설정, 장소 검색, 생활 정보 조회를 멀티턴 대화로 제공하는 구조를 소개했습니다.
#LLM#검색
71005분
필터 1
Kiro와 함께 Augmented Coding 기반 소프트웨어 개발하기
Kiro를 활용해 Spec-Driven Development와 Augmented Coding을 결합하는 AI 개발 방식을 소개했습니다. 문서화, Steering 파일, TDD를 통해 컨텍스트 소실과 반복 실수를 줄이는 흐름을 설명했습니다.
#AWS#AI Agent
69005분
AI Agent가 복잡한 테이블 데이터 처리하는 방법
AI 에이전트가 표 데이터를 이해하기 어렵다는 문제를 짚고, RAG와 SQL을 결합한 Table Agent 설계를 소개했습니다. 셀 단위 전처리, 도구 호출 루프, 에러 핸들링으로 복잡한 질문 대응력을 높였습니다.
#LLM#RAG
11005분
Computer Use Agent(CUA)를 직접 돌려보자! (Feat. AgentQ)
Computer Use Agent의 개념과 활용 배경을 소개하고, AgentQ 논문과 구현을 직접 실행해보는 과정을 정리했습니다. MCTS와 DPO를 결합한 정책 학습 구조와 실습 절차도 함께 설명했습니다.
#LLM#AI Agent
70005분
생성형 AI의 게임체인저, ReAct Agent를 알아보자
생성형 AI 에이전트의 핵심인 ReAct 패턴과 LangChain 기반 도구 활용 방식을 정리했습니다.현업 적용을 위해 도메인 지식, 프롬프트, Tool 설계, QA까지 함께 고려해야 했습니다.
#LangChain#LLM
138005분
우리 서비스와 연결된 MCP Server 빠르게 구현해보기: MCP 해커톤 후기
우리 서비스와 연결된 MCP Server 빠르게 구현해보기: MCP 해커톤 후기
MCP의 개념과 서버/클라이언트 흐름을 해커톤 경험을 바탕으로 정리했습니다. Swagger API와 FastMCP를 활용해 서비스용 MCP tool을 빠르게 구현한 과정을 공유했습니다.
#MCP#LLM
53005분
AI Agent의 시대, 벤치마크는 어떻게 진화할까: τ-bench
AI 에이전트의 실무 적합성을 τ-bench로 재평가한 글입니다. 기존 벤치마크와 달리 대화, 정책, 멀티스텝 처리, 일관성까지 함께 봐야 한다고 설명했습니다.
#LLM#AI Agent
62005분
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
18005분
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
54005분
지금의 방식이 최선일까? AI로 임팩트를 바꾸는 당근 운영실
당근 운영실이 AI를 활용해 기존 업무 방식을 다시 설계한 사례를 소개했습니다. 멀티 에이전트, CS 분석, 리뷰 라벨링 도구로 실행 속도와 업무 효율을 크게 높였습니다.
#LLM#AI Agent
152005분
AI Agent와 개발자 - 카카오테크가 만난 Thomas Dohmke
X
#AI Agent#GitHub
63005분