
Melon MCP
멜론 MCP 서버를 Claude·PlayMCP 등 외부 LLM과 OAuth 2.0으로 연동하는 방법을 안내합니다. 음악 검색·추천·차트·개인 컬렉션 기능과 보안 및 연결 유의사항을 설명합니다.

멜론 MCP 서버를 Claude·PlayMCP 등 외부 LLM과 OAuth 2.0으로 연동하는 방법을 안내합니다. 음악 검색·추천·차트·개인 컬렉션 기능과 보안 및 연결 유의사항을 설명합니다.

에이전틱 코딩 가이드북과 치트시트의 표준을 실제로 활용할 수 있도록 전사 내부 교육 프로그램을 설계한 글입니다. 구성원 역량을 맞춤형으로 강화하는 방향에 초점을 두었습니다.


LLM 활용이 늘며 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성을 정리했습니다. 입력·출력 검증 구조와 간단한 구현 예제로 실무 적용 방향도 제시했습니다.


LLM 확산에 따라 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성과 구조를 설명했습니다. 또한 입력·출력 가드레일 구현 예시와 함께 다층 방어 전략의 중요성을 정리했습니다.


단일 LLM 중심에서 벗어나 특화 모델을 조합하는 AI 아키텍처 전환을 설명했습니다.비용, 지연 시간, 정확성, 보안 한계를 줄이기 위한 오케스트레이션 전략을 정리했습니다.

AI를 단순 검색 도구가 아닌 개인화된 파트너로 활용한 실전 사례를 공유했습니다. 명확한 설계 문서와 점진적 개선이 AI 활용의 핵심이라고 정리했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Strands Agents와 MCP로 신약 개발 연구 어시스턴트를 구성하는 방법을 소개했습니다. 다중 데이터베이스 검색과 결과 종합, PDF 생성까지 이어지는 에이전트 워크플로우를 보여주었습니다.
![[에이닷 4.0 QE 여정1] 에이닷 4.0 품질 비하인드](https://devocean.sk.com/thumnail/2025/9/2/c3158e6429d9e81ba35fff3f4ca44d69c18c332adb863e8c5ebe24928abc89bb.png)

에이닷 4.0 품질 검증에서는 LLM 응답을 실제 발화 기반으로 평가하고, 기획 초기부터 QA가 함께 참여했습니다. Sanity Test, SPeCTRA 2.0, daily report로 품질 기준과 이슈 우선순위를 선제적으로 관리했습니다.


국내 AI 노트 서비스 4종의 전사, 요약, 다국어, 협업 기능을 비교했습니다. 용도에 맞게 선택하면 회의록과 학습 정리를 더 효율적으로 할 수 있습니다.

LLM이 입력을 받아 답변을 생성하기까지의 내부 동작을 6단계로 나눠 쉽게 설명했습니다. 백엔드 개발자가 프롬프트와 활용 방식을 이해하는 데 필요한 핵심 흐름을 정리했습니다.


에이닷 v4.0의 성능을 기능별 지표와 SLO로 나눠 객관적으로 검증했습니다. WebView, LLM, 비동기 작업 특성에 맞춘 기준과 측정 절차도 함께 정리했습니다.


LLM 기반 Text-to-SQL의 오류 유형과 빈도를 정리하고, 기존 수리 방식의 한계를 분석했습니다. 규칙 기반 감지와 LLM 보조 수정을 결합한 MapleRepair의 실무적 효과를 소개했습니다.


엔터프라이즈 AI 에이전트는 전통적인 LLM 평가만으로는 충분히 측정하기 어려웠습니다. NEXA는 LLM-as-a-Judge로 도구 정확성과 효율성을 평가하는 방식을 적용했습니다.


엔터프라이즈 AI 에이전트는 전통적 LLM 평가만으로는 성능 측정이 어려워 전용 평가가 필요했습니다. NEXA는 Langfuse의 LLM-as-a-Judge로 도구 정확성과 효율성을 함께 평가했습니다.