
Model Context Protocol: 데이터를 넘어 행동으로
LLM의 한계를 보완하기 위해 MCP로 외부 서비스와 데이터에 표준화된 접근을 연결했습니다.여행 검색부터 예약·결제까지 이어지는 행동형 AI 에이전트 구현 사례를 소개했습니다.
새로운 기술 블로그가 추가되었어요

LLM의 한계를 보완하기 위해 MCP로 외부 서비스와 데이터에 표준화된 접근을 연결했습니다.여행 검색부터 예약·결제까지 이어지는 행동형 AI 에이전트 구현 사례를 소개했습니다.

비개발자인 디자이너가 GPT와 Dify로 반복 검수 업무를 자동화했습니다. 처리 속도는 약 20배 빨라졌고, 수작업 부담도 크게 줄었습니다.

카카오페이 사내 해커톤 2025 카페톤의 오프라인 진행 과정과 현장 분위기를 소개했습니다. AWS Generative AI 활용, 부스 투어 심사, 최종 수상작과 운영 회고까지 함께 다뤘습니다.

AI 도입은 단순한 도입보다 조직 구조와 운영 설계가 중요하다고 정리했습니다. 멀티 에이전트, RAG, 컨트롤타워를 핵심 조건으로 제시했습니다.


LLM 서비스는 TTFT, ITL, 토큰 처리량 같은 지표로 부하테스트해야 합니다.\nvLLM 예제를 통해 병목과 네트워크 문제를 점검하고 사용자 체감 성능을 개선할 수 있습니다.


Cursor의 Chat 모드와 MCP 개념, XcodeBuildMCP 연동 예시를 정리했습니다. 또한 /Generate Cursor Rules로 대화 기반 rules를 만드는 방법도 소개했습니다.

기업 AI 도입이 실패하는 주요 원인 5가지를 정리했습니다. 성공 사례처럼 AI를 업무 구조 재설계의 중심으로 두는 접근이 중요했습니다.


오디오를 텍스트로 바꾸고 GPT로 LinkedIn 글을 자동 생성하는 이벤트 기반 워크플로를 소개했습니다. 프론트엔드와 AI 처리를 분리해 확장성과 유지보수성을 높인 점이 핵심입니다.

X


Function Calling의 개념과 작동 원리를 설명하고, Qwen·Llama·Gemma로 구현 차이를 비교했습니다. LLM과 애플리케이션의 역할 분리 및 모델별 파싱 방식도 함께 정리했습니다.

당근 운영실이 AI를 활용해 기존 업무 방식을 다시 설계한 사례를 소개했습니다. 멀티 에이전트, CS 분석, 리뷰 라벨링 도구로 실행 속도와 업무 효율을 크게 높였습니다.

UT용 프로토타입 데이터 입력의 반복 작업과 리소스 탐색 비효율을 줄이기 위해 피그마 플러그인 데이터브릿지를 만들었습니다. 실제 데이터 적용과 기능 단순화로 작업 시간을 크게 줄이고 인터뷰 몰입도를 높였습니다.