LangChain 기반 지능형 자동화 도입기
LangChain과 RAG를 활용해 반복 CS 업무를 자동화한 사례를 소개했습니다. 승인 절차와 권한 제어로 안정성을 확보하며 처리 시간을 크게 줄였습니다.
#LangChain#LLM
192005분
필터 1
Ambient Agent의 시대가 온다
Ambient Agent가 챗봇 중심 에이전트의 한계를 넘어 자율 실행과 장기 워크플로우를 가능하게 한다고 설명했습니다. 다만 민감한 업무에서는 Human-in-the-loop와 보안, 데이터 품질 관리가 중요하다고 정리했습니다.
#LLM#LangGraph
78005분
LLM 그 이후: A2A의 멀티에이전트 오케스트레이션 시대
LLM 그 이후: A2A의 멀티에이전트 오케스트레이션 시대
단일 LLM의 한계를 보완하는 멀티에이전트 오케스트레이션과 A2A, MCP의 역할을 정리했습니다. 또한 뉴스 검색·요약 예제로 에이전트 협업 구조를 설명했습니다.
#LLM#MCP
95005분
생성형 AI의 게임체인저, ReAct Agent를 알아보자
생성형 AI 에이전트의 핵심인 ReAct 패턴과 LangChain 기반 도구 활용 방식을 정리했습니다.현업 적용을 위해 도메인 지식, 프롬프트, Tool 설계, QA까지 함께 고려해야 했습니다.
#LangChain#LLM
138005분
티오더의 Amazon Bedrock을 활용한 MCP 기반 운영 플랫폼 개발기
티오더가 Amazon Bedrock과 MCP로 운영 플랫폼을 구축한 사례를 소개했습니다. 자연어 기반 도구 호출과 알람 자동 요약으로 장애 대응과 운영 효율을 높였습니다.
#Amazon Bedrock#MCP
63005분
문의 대응을 효율화하기 위한 RAG 기반 봇 도입하기
AWX 운영 문의를 줄이기 위해 RAG 기반 지원 봇을 도입한 사례를 소개했습니다. 사내 문서와 Slack 스레드를 벡터 검색해 1차 답변을 제공하고, 필요 시 관리자 호출로 넘기는 흐름을 구성했습니다.
#RAG#LLM
81005분
나만의 ReAct 구현하기 : ReAct를 활용한 추론과 작업 자동화
나만의 ReAct 구현하기 : ReAct를 활용한 추론과 작업 자동화
ReAct를 추론과 행동을 결합한 에이전트 프레임워크로 소개했습니다. AWS와 LangChain 도구를 활용한 업무 자동화 사례와 구성 요소를 정리했습니다.
#LLM#AWS
7005분
난생처음 AI 경험기 - OpenAI API 를 사용한 Hello World 를 작성해 보기
AI 시대 흐름에 맞춰 LLM과 LangChain의 개념, 한계를 처음 정리한 글입니다. OpenAI API와 Colab으로 gpt-3.5-turbo를 호출하는 간단한 실습도 소개했습니다.
#LLM#LangChain
182005분
AI Agent 개발의 핵심: RAG와 LangChain, LangGraph 비교 분석
AI Agent 개발의 핵심: RAG와 LangChain, LangGraph 비교 분석
RAG와 LangChain, LangGraph의 역할과 구조를 비교해 AI Agent 개발 관점을 정리했습니다. 빠른 개발에는 LangChain, 복잡한 워크플로우에는 LangGraph가 적합하다고 설명했습니다.
#LLM#RAG
62005분
[#4 LLM Tutorial With RAG] LLM의무한한 가능성을 해방하는 LangChain
X
#LLM#RAG
15005분