AI 에이전트 실전 설계 시리즈 (1) – AI 에이전트는 챗봇과 무엇이 다를까
AI 에이전트를 단순 챗봇이 아니라 목표, 도구, 맥락, 상태, 검증, 승인 흐름을 가진 실행 시스템으로 이해합니다. 시리즈 1편에서 전체 설계 지도를 잡습니다.
-
-
MCP tools resources prompts 차이: AI 에이전트 서버 설계 기준
MCP tools, resources, prompts 차이를 AI 에이전트 서버 설계 관점에서 설명합니다. 모델이 호출하는 행동, 애플리케이션이 제공하는 맥락, 사용자가 선택하는 템플릿을 구분해 봅니다.
-
AI agent memory eval은 어떻게 해야 할까: 기억 기능이 진짜 좋아졌는지 검증하는 기준
AI agent memory eval을 테스트셋, 회귀 테스트, 비용, 실패 사례 기준으로 정리합니다. 기억 기능이 실제로 좋아졌는지 확인하는 방법을 설명합니다.
-
MCP 보안은 왜 중요할까: AI 에이전트가 도구를 호출할 때 생기는 위험
MCP 보안이 중요한 이유를 AI 에이전트의 도구 호출 관점에서 설명합니다. 권한 범위, 사용자 승인, prompt injection, 감사 로그, OAuth 흐름까지 실무 기준으로 정리합니다.
-
LLM 회귀 테스트는 어떻게 해야 할까: 프롬프트를 고쳤는데 왜 다른 기능이 망가질까
LLM 회귀 테스트를 프롬프트 개선 흐름에 맞춰 설명합니다. golden set, baseline, 실패 유형, 변경 기록을 나눠 작은 수정이 다른 기능을 망가뜨리지 않게 관리하는 기준을 정리합니다.
-
AI context engineering은 왜 비용 문제와 연결될까: 토큰 낭비를 줄이는 실무 기준
AI context engineering을 비용 관점에서 설명합니다. 토큰 예산, context pruning, RAG 문서 선별, 프롬프트 캐싱을 운영 기준으로 묶어 정리합니다.
