31weeks

이번 스터디를 통해 LLM과 RAG의 구조와 활용법을 직접 실습하며 감을 잡을 수 있었습니다. 단순히 이론에 머무르지 않고, 데이터 분할과 검색 전략을 적용하고 MCP까지 활용해 날씨 에이전트를 구현하며 실제 서비스로 확장될 수 있는 가능성을 확인했습니다. 또한 교재의 내용을 바탕으로 아이디어를 접목한다면, 단순 학습을 넘어 새로운 서비스를 기획하고 개발할 수 있겠다는 가능성도 얻을 수 있었습니다. 전체 과정을 기록하면서 시행착오와 배움이 정리되었고, 이는 앞으로 도메인 특화 RAG 시스템을 개발하는 데 중요한 밑거름이 될 것입니다. 👉 한마디로 요약하자면, LLM과 RAG, 그리고 MCP까지 경험하며 실전 감각과 새로운 서비스 아이디어를 함께 얻은 뜻깊은 여정이었습니다.

10.5 날씨 에이전트 실습MCP를 활용하여, 사용자가 자연어로 입력한 질문에 따라 실시간으로 오늘과 내일의 날씨를 안내하는 날씨 에이전트 만들기단순한 기능을 구현하는데 그치지 않고, MCP 서버를 구축하고 외부 날씨 API를 MCP 도구로 등록한 뒤, 클라이언트가 LLM을 통해 자연어를 분석하여 필요한 도구를 선택하고 호출하는 전체 구조를 구성 https://openweathermap.org/ Current weather and forecast - OpenWeatherMapOpenWeather Weather forecasts, nowcasts and history in a fast and elegant wayopenweathermap.org

10.1 MCP란MCP : 에이전트가 다양한 기능, 서비스, 시스템과 안전하고 일관되게 상호작용할 수 있도록 설계된 도구 호출 프로토콜​[ MCP 구성요소 ]툴(Tool) : 에이전트가 호출할 수 있는 기능 단위로, 이름, 설명, 입력 파라미터, 반환 값 등을 JSON 형식으로 정의MCP 클라이언트 : 모델 또는 애플리케이션 측에서 MCP 서버의 툴을 호출하는 인터페이스 역할을 수행MCP 서버 : 정의된 툴을 실제로 실행하고 결과를 반환하는 실행 주체로, 외부 API 또는 로컬 도구와 연결됨통신규약(JSON-RPC 2.0) : 모델과 MCP 서버간의 툴 호출 요청 및 응답을 주고받는데 사용되는 메세지 포맷​​10.2 Model Context Protocol 개발 환경 구축하기​10.3 MCP 서버다양한 ..

1. 책준비https://wikibook.co.kr/llm-rag/ LLM과 RAG로 구현하는 AI 애플리케이션: 에이전트, 펑션콜링, Text-to-SQL, MCP까지 라마인덱스 실무 가검색 증강 생성(RAG), 펑션 콜링, 에이전트, 벡터 스토어, 그리고 최신 프레임워크 MCP까지! 이 책은 빠르게 진화하는 AI 기술 트렌드를 단순히 따라가는 데 그치지 않고 실제 구현과 통합에 필요한wikibook.co.kr 2. 네이버 위키북스 스터디 카페https://cafe.naver.com/wikibookstudy 위키, 북스터디 :: 위키북스 스터디 : 네이버 카페[IT/개발스터디] 파이썬/C언어/자바/웹,앱개발/스터디/도커/머신러닝/독학cafe.naver.com 3. 위키북스 깃허브 - llama-..