LangGraph state와 checkpoint
LangGraph state와 checkpoint를 AI workflow 운영 관점에서 정리합니다. state schema, node 간 상태 전달, checkpoint 저장, interrupt, human-in-the-loop, 재시작 가능한 작업 구조까지 단계별로 설명합니다.
-
-
MCP RAG 차이: 지식 검색과 도구 연결
MCP RAG 차이를 실무 구조로 정리합니다. RAG는 지식 검색, MCP는 도구 연결에 가깝습니다. 두 방식을 함께 쓰는 기준, 권한 경계, 도입 순서, 운영 로그 기준, 도구 공개 범위를 예시로 쉽게 설명합니다.
-
Agentic RAG란 무엇인가: 검색만 하는 RAG와 스스로 판단하는 RAG는 어디가 다를까
Agentic RAG와 기존 RAG의 차이를 query rewrite, document grading, retrieval loop, LangGraph 흐름으로 설명합니다. 검색 품질이 흔들릴 때 무엇을 자동화하고 무엇은 평가로 남겨야 하는지 실무 기준으로 정리합니다.
-
LangGraph, CrewAI, AutoGen은 무엇이 다를까: AI agent 프레임워크를 고르는 기준
LangGraph, CrewAI, AutoGen을 graph workflow, multi-agent role, tool orchestration, state 관리 기준으로 비교합니다.
-
Tool description이 길면 에이전트가 도구를 더 잘 고를까
AI 에이전트에서 tool description 길이가 도구 선택에 어떤 영향을 주는지, 길이보다 중요한 schema 품질과 예시 설계 기준을 정리합니다.
-
AI 에이전트 실전 설계 시리즈 (6) – Agent workflow는 어떻게 쪼개야 유지보수하기 쉬울까
Agent workflow를 plan, execute, review, retry, human approval 단계로 나누어 유지보수하기 쉬운 AI 에이전트 실행 구조를 설명합니다.
