AWS Bedrock Converse API와 도구 활용: 멀티 모델 에이전트 구현하기
AWS Bedrock Converse API로 멀티 모델 에이전트를 구성하는 예시를 소개했습니다. 로컬 도구와 Lambda 도구를 함께 연결해 스트리밍 대화와 도구 호출 흐름을 구현했습니다.
#AWS Bedrock#Converse API
41005분
필터 1
AWS Bedrock Converse API와 도구 활용: 멀티 모델 에이전트 구현하기
AWS Bedrock Converse API로 멀티 모델 에이전트를 Streamlit과 Lambda로 구현한 사례를 정리했습니다. 모델 선택, 스트리밍, 도구 호출, 서버리스 연동 흐름을 함께 소개했습니다.
#AWS#bedrock
72005분
Text2SQL 기반 데이터 분석 서비스 InsightLens 개발기
Text2SQL 기반 데이터 분석 서비스 InsightLens 개발기
Text2SQL 기반 InsightLens로 자연어만으로 SQL을 생성하는 서비스를 개발했습니다.\nRAG와 에이전트 설계를 통해 참조 데이터 품질과 운영 개선에 집중했습니다.
#LLM#RAG
105005분
휴먼의 'AI 학습'은 이렇게 #2: DeepLearning.ai (& pro)
휴먼의 'AI 학습'은 이렇게 #2: DeepLearning.ai (& pro)
DeepLearning.ai의 교육 구조와 Pro 구독, Short Course 중심 구성을 정리했습니다. 최신 AI·LLM·Agents 학습에 유용한 실무형 MOOC로 소개했습니다.
#LLM#ChatGPT
56005분
스윙 고객센터, 어떻게 응답 시간을 71% 단축했나? - 2부: Synapse AI 도입
게시판 전환 후 드러난 해석 비용과 품질 편차를 Synapse AI 3단 레이어로 줄였습니다. 요약·검색·작성 자동화와 HITL 전환으로 응답 속도와 일관성을 함께 높였습니다.
#LLM#RAG
119005분
LangGraph를 활용한 멀티 노드 구현 : 패턴 A, B, C 분석
LangGraph로 단일 노드와 멀티 노드 그래프를 구성하는 방법을 설명했습니다. 또한 답변 개선, 요약·번역, 답변 검증 패턴으로 LLM 워크플로우 설계 예시를 제시했습니다.
#LangGraph#LangChain
97005분
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버를 도입해 Slack, JupyterHub, 개발자 워크플로우를 자동화한 구조와 사례를 공유했습니다. LangGraph 오케스트레이션, 권한 관리, RAG 고도화 방향도 함께 정리했습니다.
#MCP#LangChain
0005분
AICX: 마이리얼트립 고객상담 챗봇 도입기
마이리얼트립은 복잡한 여행 상담을 자동화하기 위해 챗봇을 도입했습니다. 문맥 복원, 상담원 핸드오버, 프롬프트 관리로 응답 품질과 운영 효율을 높였습니다.
#LLM#prompt
91005분
A2A 튜토리얼 코드 톺아보기
구글의 A2A 프로토콜과 공식 튜토리얼 코드를 바탕으로 서버·클라이언트 구조를 살펴보았습니다. LangChain 에이전트를 A2A로 노출하고 호출하는 흐름도 함께 정리했습니다.
#A2A#LLM
70005분
RAG 파이프라인과 사고의 사슬(CoT) 프롬프팅을 활용한 최종 답변 출력 예시
RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.
#RAG#prompt
79005분
How Was the New QANDA Agent Built?
QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.
#LLM#Agent
57005분
새로운 콴다 Agent는 어떻게 만들어졌을까?
콴다는 문제 풀이 중심 앱을 멀티 에이전트 기반 학습 어시스턴트로 재설계했습니다. 채팅과 Agent를 분리하고 Plan-and-Execute, Artifact 구조로 확장성과 안정성을 높였습니다.
#LLM#Agent
89005분