반응형 전체 글124 MCP를 이용해 AI에 외부 도구 연결하기 MCP를 이용해 AI에 외부 도구 연결하기AI가 단순히 대화만 하는 것이 아니라 파일, 데이터베이스, 사내 시스템, API 같은 외부 도구를 사용할 수 있게 만드는 MCP의 구조와 동작 원리를 정리한다.LLM은 질문에 답하거나 코드를 생성하는 데 강하지만 기본적으로 내 컴퓨터의 파일이나 회사 데이터베이스에 마음대로 접근할 수는 없다.예를 들어 AI에게 다음과 같이 요청한다고 생각해보자.오늘 주문 내역을 데이터베이스에서 찾아줘.프로젝트 폴더에서 오류가 발생한 코드를 찾아줘.사내 시스템에 등록된 고객 정보를 조회해줘.Git 저장소의 최근 변경 내용을 알려줘.이런 작업을 하려면 AI와 외부 시스템 사이를 연결하는 별도의 구조가 필요하다.이때 사용할 수 있는 표준이 MCP(Model Context Protoco.. 2026. 8. 26. AI에게 개인정보를 입력해도 될까? AI에게 개인정보를 입력해도 될까?ChatGPT 같은 생성형 AI를 사용할 때 개인정보, 회사 문서, 계정 정보는 어디까지 입력해도 될까? AI를 안전하게 사용하기 위해 알아야 할 기준을 정리한다.생성형 AI를 업무와 일상에서 사용하다 보면 자연스럽게 다양한 정보를 입력하게 된다.이메일을 작성하기 위해 상대방의 이름을 넣거나, 계약서를 요약하기 위해 문서 전체를 업로드하거나, 엑셀 데이터를 분석하기 위해 고객 정보를 함께 입력하는 경우도 있다.그러다 보면 한 가지 의문이 생긴다."AI에게 개인정보를 입력해도 괜찮을까?"결론부터 말하면 개인정보를 무조건 입력하면 안 되는 것도 아니고, AI 서비스라면 모든 정보를 안전하게 입력해도 되는 것도 아니다.가장 안전한 기준AI에게 정보를 입력하기 전에 "이 내용이.. 2026. 8. 26. RAG란? LLM이 내 문서를 검색하게 만드는 원리 RAG란? LLM이 내 문서를 검색하게 만드는 원리LLM이 학습하지 않은 사내 문서, PDF, 매뉴얼 같은 정보를 검색하고 답변에 활용하도록 만드는 RAG의 구조와 Embedding, Vector Database, Retrieval 과정을 쉽게 정리한다.ChatGPT 같은 LLM은 다양한 질문에 답할 수 있지만 모든 정보를 알고 있는 것은 아니다.특히 회사 내부 문서, 개인이 만든 PDF, 최신 매뉴얼처럼 모델 학습 과정에 포함되지 않은 정보는 기본적으로 알기 어렵다.그렇다고 새로운 문서가 생길 때마다 LLM을 다시 학습시키는 것은 비용과 시간이 많이 든다.이 문제를 해결할 때 많이 사용하는 방법이 RAG이다.핵심만 먼저 보면RAG는 사용자의 질문과 관련된 문서를 먼저 검색한 뒤, 찾은 내용을 LLM에게.. 2026. 8. 25. AI Agent가 코드를 수정하는 원리 AI Agent가 코드를 수정하는 원리최근 AI 코딩 도구를 사용하다 보면 단순히 코드 한 줄을 생성하는 수준을 넘어 프로젝트 전체를 분석하고 여러 파일을 직접 수정하는 기능을 볼 수 있다.예를 들어 다음과 같은 요청을 할 수 있다.로그인 오류를 찾아 수정한다.기존 API에 새로운 기능을 추가한다.테스트가 실패하는 원인을 찾아 고친다.여러 파일에 흩어진 함수 이름을 한 번에 변경한다.코드 수정 후 테스트까지 실행한다.겉으로 보면 AI가 프로젝트를 직접 이해하고 프로그래머처럼 작업하는 것처럼 보인다.하지만 내부적으로는 언어 모델이 파일 시스템, 검색, 코드 실행, 테스트 같은 도구를 반복적으로 사용하면서 작업을 수행하는 구조에 가깝다.핵심만 먼저 보면AI Agent는 보통 요청 이해 → 관련 코드 검색 →.. 2026. 8. 25. 핀홀 카메라 모델이란? Pinhole Camera Model이란?3차원 공간의 점이 어떻게 2차원 이미지 좌표로 변환되는지 설명하는 Pinhole Camera Model의 원리와 초점거리, Camera Intrinsic, Extrinsic Parameter에 대해 정리한다.Computer Vision을 공부하다 보면 카메라 캘리브레이션, 3D Reconstruction, Pose Estimation 같은 분야에서 Pinhole Camera Model이라는 개념을 자주 접하게 된다.실제 카메라는 렌즈와 센서로 구성되어 있지만, 모든 광학 현상을 그대로 모델링하면 계산이 매우 복잡해진다.그래서 Computer Vision에서는 카메라를 단순화해 3차원 공간의 점이 카메라를 통해 2차원 이미지에 어떻게 투영되는지 설명한다.이때 가장.. 2026. 8. 24. Word2Vec 원리 Word2Vec 원리 쉽게 이해하기컴퓨터는 "강아지", "고양이", "자동차" 같은 단어의 의미를 그대로 이해할 수 없다. 머신러닝 모델에서 단어를 사용하려면 결국 숫자로 변환해야 한다.가장 단순한 방법은 단어마다 번호를 부여하거나 One-hot Encoding을 사용하는 것이다. 하지만 이런 방식만으로는 단어 사이의 의미적인 관계를 표현하기 어렵다.예를 들어 사람에게는 "강아지"와 "고양이"가 서로 관련된 단어라는 것이 자연스럽다. 하지만 One-hot Vector에서는 두 단어가 완전히 다른 값으로 표현된다.이 문제를 해결하기 위해 등장한 대표적인 방법이 Word2Vec이다.핵심만 먼저 보면Word2Vec은 비슷한 문맥에서 등장하는 단어는 비슷한 의미를 가진다는 아이디어를 이용해 단어를 벡터로 학습한.. 2026. 8. 24. 이전 1 2 3 4 ··· 21 다음 반응형
