코드나무

RAG(Retrieval-Augmented Generation), 즉 검색 증강 생성은 대규모 언어 모델(LLM)의 한계를 보완하여 더욱 정확하고, 최신이며, 신뢰할 수 있는 답변을 생성하기 위한 강력한 기술입니다. 기존 LLM은 학습된 데이터에만 의존하기 때문에 최신 정보에 대한 접근성이 떨어지거나, 때로는 사실과 다른 정보를 생성하는 환각(hallucination) 현상을 보이기도 합니다. RAG는 이러한 문제들을 해결하기 위해 외부 지식 소스에서 관련 정보를 검색하고 이를 LLM의 생성 과정에 통합하는 방식을 사용합니다. RAG의 작동 원리RAG는 크게 데이터 준비(Indexing), 검색(Retrieval), 그리고 생성(Generation)의 세 가지 핵심 단계로 나눌 수 있습니다.1. 데이터 ..

MCP는 Model Context Protocol의 약자로, AI 에이전트, 특히 대규모 언어 모델(LLM)이 외부 도구와 데이터 소스에 안전하고 표준화된 방식으로 접근하여 상호작용할 수 있도록 돕는 개방형 프로토콜입니다. 쉽게 말해, MCP는 AI가 "외부 세계"와 연결되어 학습 데이터 범위를 넘어선 다양한 작업을 수행할 수 있게 해주는 "공통 언어" 또는 "USB-C 포트"와 같은 역할을 합니다. MCP의 등장 배경 및 필요성기존에는 LLM이 특정 도구나 데이터에 접근하기 위해 각기 다른 API 통합 방식(예: LangChain의 bind_tools(), OpenAI API의 tools 파라미터)을 사용해야 했습니다. 이는 새로운 도구가 추가될 때마다 코드 수정이 필요하고, 복잡성이 증가하는 비효율적..