
생성과 검색의 하모니: RAG로 더 똑똑한 AI 만들기
RAG는 외부 문서를 검색해 LLM 답변에 반영하는 방식으로, 최신성 부족과 환각 문제를 보완했습니다. 실전 적용 시에는 데이터 품질, 검색 성능, 지연 시간, 보안까지 함께 고려해야 했습니다.

RAG는 외부 문서를 검색해 LLM 답변에 반영하는 방식으로, 최신성 부족과 환각 문제를 보완했습니다. 실전 적용 시에는 데이터 품질, 검색 성능, 지연 시간, 보안까지 함께 고려해야 했습니다.


X


X


이벤트 트래픽 급증으로 발생한 DB 부하를 Redis 캐시로 완화했습니다. 자동·수동·배치 갱신을 결합해 응답 속도와 운영 안정성을 개선했습니다.

ReAct를 추론과 행동을 결합한 에이전트 프레임워크로 소개했습니다. AWS와 LangChain 도구를 활용한 업무 자동화 사례와 구성 요소를 정리했습니다.


vCluster로 Kubernetes 클러스터 내부에 가상 클러스터를 만들고 격리하는 방법을 실습 중심으로 설명했습니다. 설치, 연결, 배포, 네트워크 동작까지 확인하며 운영 효율화 포인트를 정리했습니다.

MCP의 구조와 활용 가능성을 설명한 뒤, 엔터프라이즈 환경에서의 보안 공백을 짚었습니다. 인증과 암호화, 감사 로깅을 내장한 MCPS가 필요하다고 제안했습니다.

MCP의 구조와 활용 가능성을 설명하면서 엔터프라이즈 환경에서 부족한 보안 요소를 짚었습니다. HTTPS의 사례를 바탕으로 MCPS와 같은 보안 표준의 필요성을 제안했습니다.


vCluster로 기존 Kubernetes 클러스터 안에 가상 클러스터를 만들고 격리 환경을 구성하는 방법을 다루었습니다. 설치, 배포, 네트워크 동작까지 실습하며 멀티 테넌시 운영 방식을 설명했습니다.

MCP의 엔터프라이즈 보안 공백을 짚고, HTTP와 HTTPS의 사례를 바탕으로 MCPS라는 보안 프로토콜을 제안했습니다. 상호 인증, TLS 암호화, 인가, 감사 로깅을 핵심으로 보안 표준화 필요성을 설명했습니다.

X


ReAct를 LLM 추론과 작업 자동화에 활용하는 개념과 구성 요소를 소개했습니다. AWS 서비스와 외부 도구를 연결해 업무를 자동화하는 예시도 함께 다뤘습니다.