

에이전트의 도구 실행 경로를 native tool calling으로 전환하다
프롬프트 JSON 파싱 기반 에이전트 루프를 Spring AI 2.0의 native tool calling으로 전환했습니다. 실행 통제 계층은 유지하면서 메시지·도구 관리와 MCP 클라이언트를 개선했습니다.


프롬프트 JSON 파싱 기반 에이전트 루프를 Spring AI 2.0의 native tool calling으로 전환했습니다. 실행 통제 계층은 유지하면서 메시지·도구 관리와 MCP 클라이언트를 개선했습니다.


Spring AI로 사내 REST API를 MCP 도구로 노출하는 서버 구축 과정을 정리했습니다. 프로토콜 처리는 위임하고 도구 설계·설명·인증을 핵심 과제로 제시했습니다.


Java 25의 핵심 변화와 주요 JEP 기능을 소개했습니다. Spring Boot 4와 Spring AI 2.0 환경에서 전환 필요성도 함께 살펴봤습니다.


Java 25, Spring Boot 4, GraalVM Native, Spring AI 2.0을 다루는 Modern Backend 마스터 클래스 오리엔테이션 영상입니다. 기존 Spring Boot 경험자를 대상으로 차세대 백엔드 기술 스택 전환을 안내했습니다.


LLM 학습 에이전트의 동시성, 컨텍스트·도구, 답변 품질 개선 구조를 설계했습니다. 역할 분리와 Gemini 명시적 캐싱으로 토큰 비용 최적화 방안도 정리했습니다.

배민은 외국인 주문 장벽을 해결하기 위해 5년간 멈췄던 다국어 과제를 다시 추진했습니다. FDH와 LLM 번역 파이프라인을 결합해 한 달 만에 서버 중심 다국어 적용을 완성했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

Slack 문의 채널의 반복 답변 문제를 Spring AI와 검색엔진으로 자동화했습니다. Kendra에서 Typesense 하이브리드 검색으로 전환해 짧은 질문 품질과 운영 비용을 개선했습니다.

Task Manager로 Spring AI 기반 RAG 챗봇의 개발 규칙과 작업 흐름을 관리했습니다. PDF 처리부터 OpenAI 임베딩, Milvus 검색까지 추상화 기반 구현을 비교했습니다.

Spring AI와 AWS 기반으로 FAQ 데이터를 검색·정제·생성하는 RAG 챗봇 구축 과정을 소개했습니다. Hybrid Search, Chunking, 관련성 평가의 선택 기준과 운영 고려사항을 정리했습니다.


마이데이터 정책과 기술 사양을 답하는 에이전트 토이 프로젝트를 소개했습니다. Spring AI, OpenAI, RAG, VectorStore를 활용한 구성과 흐름을 정리했습니다.


카카오톡 비정형 주문을 AI로 해석해 주문서 초안을 자동 생성한 사례를 소개했습니다. Spring AI와 병렬 처리로 속도와 편의성을 높이고, 최종 품목 선택은 사용자 확인으로 보완했습니다.