프로도의 블로그

오늘 개발자들을 대상으로 멀티 에이전트 시스템에 대한 이론 및 실습 워크샵을 진행했습니다. 이번 워크샵은 단순히 기술을 소개하는 것을 넘어, 참가자들이 멀티 에이전트 시스템의 근본적인 이해를 돕고 실제 개발에 적용할 수 있도록 설계되었습니다.워크샵 주요 내용:기본 개념 정립: RAG, LangChain, LangGraph, 에이전트의 정의와 역할을 명확히 설명하며, 멀티 에이전트 시스템 구축에 필요한 핵심 개념들을 다뤘습니다.멀티 에이전트 아키텍처 탐구: 싱글 에이전트의 한계를 극복하고 복잡한 문제를 해결하기 위해 멀티 에이전트 시스템이 필요한 이유를 설명했습니다. 네트워크, 슈퍼바이저, 계층 구조 등 다양한 아키텍처의 특징과 적용 시나리오를 비교 분석하여 참가자들이 각 아키텍처의 장단점을 이해하고 적절..

지난 글에서, 저는 2025년 비즈니스 혁신의 핵심 동력으로 부상하는 AI 에이전트가 실질적인 가치를 창출하기 위한 첫 번째 과제, 즉 "무엇을 해결할 것인가?" 에 대한 고민을 공유했습니다. 오늘은 이러한 고민을 바탕으로, 비즈니스에 실질적으로 기여하는 AI 에이전트를 구체화하기 위해 어떤 단계를 거쳤는지, 그 여정을 이어가고자 합니다.저는 스타트업에서 다양한 서비스를 기획하고 개발하며 쌓았던 경험을 바탕으로, 체계적인 접근 방식을 적용하고자 했습니다. 가장 먼저 제품 요구사항 정의 (PRD, Product Requirements Document) 단계를 LLM을 활용하여 시도했습니다. 현재 저희가 직면한 도메인과 상황, 그리고 비즈니스 요구사항들을 상세히 기술하고, 이를 기반으로 AI 에이전트..

2024년 LLM의 폭발적인 성장세에 이어, 2025년은 기업들이 비즈니스 가치 창출의 핵심 동력으로 AI 에이전트에 주목하는 시점입니다. 저 역시 올해, 비즈니스에 실질적으로 기여하는 AI 에이전트를 개발하는 것을 가장 중요한 목표로 설정했습니다.최근 AI 에이전트 관련 자료들을 살펴보면, 이론적 배경이나 기술 구현 방법론은 다양하게 찾아볼 수 있습니다. 간단한 AI 에이전트 프로토타입을 만드는 것은 어렵지 않았습니다. 하지만, 실질적인 비즈니스 효용을 창출하는 AI 에이전트 개발은 전혀 다른 차원의 문제였습니다.가장 큰 난관은 "어떤 비즈니스 문제를 해결하기 위해 AI 에이전트를 만들어야 하는가?" 라는 근본적인 질문에 직면하는 것이었습니다. 이미 텍스트 요약, 이미지/영상 생성, 데이터 분석, 의미..

"전문가를 위한 파이썬"이라는 책의 1판을 봤었는데 도움이 됐었다. 2판을 읽으며 파이썬에 대해 더 깊이 알고 싶었다. 전에 쓰던 기능 말고, 파이썬이 숨겨놓은 진짜 힘을 끌어낼 수 있을 것이라는 기대감에 이 책을 읽기 시작했다.결론부터 말하자면, 이 책은 내 기대를 훨씬 뛰어넘었다. 그냥 문법이나 기본적인 사용법만 알려주는 것이 아니라, 파이썬 언어 자체를 엄청 깊게 파고들어갔다. 마치 파이썬의 핵심으로 들어가는 듯한 느낌이었다.가장 인상 깊었던 건 파이썬 객체 모델에 대한 설명이었다. 1장에서 설명하는 객체 모델은 파이썬 코드를 더 잘 쓰고, 효율적으로 만들 때 꼭 필요한 기초 지식이었다. 이 부분을 읽으면서 내가 그동안 파이썬을 얼마나 겉핥기식으로 썼는지 깨달았다.책이 두껍긴 하지만 평소에 헷갈렸거..

.evn와 같은 파일은 아래 방법으로 볼 수 있습니다. #파인더에서 숨김 파일 보기defaults write com.apple.finder AppleShowAllFiles TRUEkillall Finder#파인더에서 숨김 파일 숨기기defaults write com.apple.finder AppleShowAllFiles FALSEkillall Finder

"테라폼으로 시작하는 IaC"는 인프라를 코드로 관리하는 혁신적인 접근 방식을 제시하는 책이다. 이 책은 테라폼의 기초부터 심화 내용까지 폭넓게 다루며, 독자가 이 도구를 통해 클라우드 환경을 효과적으로 관리할 수 있도록 돕는다. 초보자도 쉽게 이해할 수 있도록 구성되어 있어, 복잡한 인프라 설정을 간편하게 자동화할 수 있는 방법을 제시한다.책의 첫 부분에서는 테라폼의 설치와 기본적인 설정 방법을 상세히 설명한다. 이후에는 명령어와 코드의 다양한 속성을 하나하나 짚어가며, 독자가 실질적으로 활용할 수 있는 지식을 쌓을 수 있도록 돕는다. 각 장에서는 프로바이더, 상태 관리, 모듈화, 협업, 워크플로우 등 실제 업무에서 자주 접하는 주제를 다루며, 특히 다중 리소스 구성과 의존성 관리에 대한 심도 있는 설..

안녕하세요! 오늘은 제가 구글 클라우드 플랫폼(GCP)에서 데이터 파이프라인을 개선하면서 경험한 이야기를 공유하려고 합니다. 특히 데이터 레이크하우스 최적화와 자연어 처리 파이프라인 구축 과정에서 겪은 고민들을 이야기해 보겠습니다. 💡 BigQuery의 성능을 끌어올리다: 파티션과 클러스터링 최적화 BigQuery는 놀라운 성능을 자랑하지만, 장기적인 운영을 위해서는 신중한 설계가 필요합니다. 작은 데이터셋으로는 성능 차이를 체감하기 어려웠지만, 데이터가 쌓일수록 최적화의 중요성은 커질 수밖에 없죠. 이를 위해 다양한 파티션과 클러스터링 구성을 테스트해 보았습니다. 🔄 자연어 처리 파이프라인의 진화: 정규식에서 NLP API로 기존에 정규식으로 처리하던 텍스트 분석을 NLP API를 활용하는 방식으로 전..

최근 저는 Vertex AI의 검색 기능을 활용해 Perplexity AI와 유사한 서비스를 만들기 위한 여정을 계속하고 있습니다. 이번 글에서는 이 과정에서 겪은 시행착오와 배운 점을 공유하고, 향후 계획에 대해 이야기하고자 합니다. 1. Vertex AI와 Perplexity AI의 차이점 이해하기 Vertex AI(search agent)는 AI 검색 엔진입니다. AI를 활용해 더 정확한 검색 결과를 제공하는 것을 목표로 하며, 시맨틱 검색 기술을 사용해 질의의 의미를 파악하고 관련된 정보를 추천합니다. 예를 들어, 사용자가 "화사한 날에 입으면 좋은 셔츠"라고 검색할 경우, '화사한'이라는 단어의 의미를 이해하여 밝은 색상이나 화려한 무늬의 셔츠를 추천할 수 있습니다. 반면, Perplexity ..

이 책은 챗GPT API를 활용한 챗봇 개발에 필요한 다양한 기술을 체계적으로 다루고 있습니다. 개발 환경 구성부터 챗봇 제작, 그리고 실시간 기억 저장과 같은 고급 기능까지 단계별로 차근차근 배우게 되며, 특히 파이썬 기초부터 벡터DB 활용까지 폭넓은 주제를 포괄합니다. 실용적인 예제로 가장 많이 사용하는 메신저인 카카오톡에 챗봇을 연동하는 부분도 실습 위주로 진행되어 독자가 쉽게 따라갈 수 있도록 구성되었습니다.챕터별로 다루는 주요 내용은 챗봇 개발에 필요한 핵심 기술을 이해하고 응용할 수 있도록 설계되었으며, 특히 프롬프트 엔지니어링과 같은 최신 기술을 집중적으로 학습할 수 있는 점이 큰 장점입니다. 챗GPT API의 기본 개념을 설명하는 것에서 출발하여, 이후 벡터DB와 같은 고급 데이터 관리 기..

특정 URL의 파일을 터미널에서 다운로드 하기curl -o intro_function_calling.ipynb https://raw.githubusercontent.com/GoogleCloudPlatform/generative-ai/main/gemini/function-calling/intro_function_calling.ipynb