

에이닷 MCP 기반 API 통합과 적용 사례
기존 REST API를 MCP 표준 구조로 통합해 LLM 애플리케이션에서 Tool 형태로 활용한 사례를 다루었습니다.\nTool 추상화와 그룹 관리, 다양한 Transport 지원으로 연동 효율성과 유지보수성을 높였습니다.


기존 REST API를 MCP 표준 구조로 통합해 LLM 애플리케이션에서 Tool 형태로 활용한 사례를 다루었습니다.\nTool 추상화와 그룹 관리, 다양한 Transport 지원으로 연동 효율성과 유지보수성을 높였습니다.


모바일 지도 검색에서 고정 반경 방식의 한계를 짚고, 화면 노출 영역 기준 박스 검색으로 개선한 사례를 소개했습니다. 디바이스별 차이를 반영해 더 정확한 재탐색을 구현했습니다.

MCP 서버와 AI 에이전트의 역할을 명확히 구분해야 한다는 설계 원칙을 정리했습니다. 실행 통제와 감사 가능성을 위해 별도 보안 계층이 필요하다고 설명했습니다.

MCP 서버와 AI 에이전트의 역할을 분리해 보안 설계 원칙을 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보완 계층의 필요성을 강조했습니다.

MCP 서버와 AI 에이전트의 역할을 분리해 설계해야 하는 이유를 설명했습니다. 실행 통제와 감사 가능성을 위해 MCP Agent PAM 같은 보안 계층도 함께 고려해야 합니다.

IllegalArgumentException을 무조건 400으로 매핑하면 서버 오류를 클라이언트 문제로 오인할 수 있습니다. 명백한 클라이언트 오류는 커스텀 예외로 분리해 4xx와 5xx를 구분하는 것이 좋습니다.

매장 도메인을 온·오프라인 대고객 서비스로 확장한 과정과 API 분리 전략을 소개했습니다. 또한 ECS, TeamCity, Datadog 기반의 배포·모니터링 구성까지 정리했습니다.


차량 내 에이닷 서비스를 위해 OEM과 플랫폼 사이에 Auto Proxy 서버를 구축하고 gRPC를 도입했습니다. 양방향 스트리밍과 Protocol Buffers로 실시간 데이터 전송 효율을 높였습니다.
카카오내비가 대규모 트래픽을 안정적으로 처리하기 위해 응답 크기 축소와 웜업, 모니터링을 적용한 사례를 공유했습니다. 운영 관점에서 초기 지연을 줄이고 서비스 상태를 지속적으로 관리하는 방법을 소개했습니다.


Django REST Framework에서 django-modeltranslation으로 다국어 지원을 구현한 사례를 소개했습니다. DB 기반 번역 관리와 fallback 설정으로 유지 보수성과 사용자 경험을 높였습니다.


Spark에서 Rest API 데이터를 수집하는 두 가지 방법을 비교했습니다. 단순 requests 방식과 Spark UDF 방식의 장단점 및 대량 데이터 처리 시 고려점을 설명했습니다.


Spark의 원격 연동 한계를 보완하는 Spark Connect의 등장 배경과 동작 방식을 소개했습니다. 서버·클라이언트 환경을 구성해 Jupyter Notebook에서 실제 연결과 실행을 확인했습니다.