Velopers
모든 블로그
교보DTS

교보DTS

도메인blog.kyobodts.co.kr
주요 카테고리 AI · DevOps

활동 요약

대표 인기 포스트AI 에이전트를 안전하게 움직이게 하는 설계도, ‘하네스 엔지니어링(Harness Engineering)’191 조회
최근 30일
2개
평균 조회
67
누적 조회
3,734
전체 글
56개
마지막 발행
2026. 11. 12.
블로그 방문

교보DTS 기술 블로그 글 (35)

AI

실시간 AI 스트리밍: WebSocket으로 완성하는 끊기지 않는 대화

실시간 AI 스트리밍에서는 모델 성능뿐 아니라 토큰 전달의 자연스러움이 중요하다고 설명했습니다. WebSocket, Lambda, DynamoDB를 활용한 연결 관리와 백프레셔, 순서 보장 방식을 정리했습니다.

#WebSocket#LLM#Amazon Bedrock
15600

AI

AI 에이전트 솔루션 ABLE 도입 지원 이벤트

Amazon Bedrock 기반 AI Agent 솔루션 에이블의 AWS Marketplace 등록 소식입니다. 별도 설치 없이 클라우드에서 AI 에이전트를 생성·운영할 수 있고, 기업 데이터 벡터화와 지식 검색 기능을 제공합니다.

#AWS Marketplace#LLM#RAG
1200

AI

MCP를 넘어서려는 Google A2A 시스템, 어떻게 작동할까?

Google A2A 프로토콜의 개념과 작동 방식을 소개하고 MCP와의 차이를 정리했습니다. 여러 AI 에이전트가 공통 표준으로 협업하는 구조를 설명했습니다.

#MCP#LLM#HTTP
12400

AI

HITL, AI 성능을 완성하는 마지막 한 조각

HITL은 AI가 1차 판단을 하고 사람이 검토·보완하는 협업 구조를 다뤘습니다. 정확도와 신뢰성을 높이기 위해 금융, 의료, 고객 응대에 우선 적용하는 방식을 소개했습니다.

#LLM#RAG#모니터링
7700

AI

LLM 그 이후: A2A의 멀티에이전트 오케스트레이션 시대

단일 LLM의 한계를 보완하는 멀티에이전트 오케스트레이션과 A2A, MCP의 역할을 정리했습니다. 또한 뉴스 검색·요약 예제로 에이전트 협업 구조를 설명했습니다.

#LLM#MCP#Python
10200

AI

생성형 AI 도입 흐름과 웹 서비스 개발의 연계

생성형 AI가 웹 서비스 개발 전반에 빠르게 스며든 흐름을 정리했습니다. 반복 작업은 AI에 맡기고 개발자는 설계와 품질 검토에 집중하는 방향을 제시했습니다.

#ChatGPT#Claude#Cursor
8800

AI

AI EXPO KOREA 2025 참가 후기

교보DTS가 AI EXPO KOREA 2025에서 생성형 AI 플랫폼과 보안 솔루션을 소개한 참가 후기를 공유했습니다. 실제 고객 환경에 적용 가능한 AI 솔루션과 협업 가능성을 확인했습니다.

#LLM#RAG#prompt
6800

AI

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.

#RAG#LLM#벡터 검색
13900

AI

AI 에이전트의 시대, MCP가 만드는 새로운 표준

AI와 외부 시스템을 연결하는 표준인 MCP의 개념과 아키텍처를 설명했습니다. 다양한 업무 자동화 사례와 함께 도입 시 고려할 점도 정리했습니다.

#MCP#API#JSON-RPC
13900

AI

[Hands-On] AI 에이전트 직접 구현해보기

기본형 AI 에이전트를 직접 구현하며 도구 사용과 반복 추론 구조를 설명했습니다. Gradio 테스트와 DB, Git 시나리오로 실제 동작도 확인했습니다.

#LLM#langchain#MCP
14800

AI

딥시크(DeepSeek)에 이어 마누스(MANUS) 까지 – 다원화되는 중국 오픈소스 LLM 생태계

딥시크와 마누스의 등장으로 중국 오픈소스 LLM 생태계가 빠르게 다원화되고 있음을 정리했습니다. 딥시크는 고성능 개방형 LLM, 마누스는 자율 에이전트라는 서로 다른 방향을 보여주었습니다.

#LLM#오픈소스#Transformer
8300

AI

AI Agent 개발의 핵심: RAG와 LangChain, LangGraph 비교 분석

RAG와 LangChain, LangGraph의 역할과 구조를 비교해 AI Agent 개발 관점을 정리했습니다. 빠른 개발에는 LangChain, 복잡한 워크플로우에는 LangGraph가 적합하다고 설명했습니다.

#LLM#RAG#LangChain
7400

AI

Amazon Bedrock을 이용한 Text API 구축하기

Amazon Bedrock과 Lambda, API Gateway를 연결해 긴 텍스트 요약 API를 구성하는 과정을 다루었습니다. 요청 전달, IAM 권한, 응답 처리와 테스트 방법까지 실습 중심으로 설명했습니다.

#Amazon Bedrock#API Gateway#AWS Lambda
3600

AI

AI Agent: 자율성의 진화, 비즈니스 가치 확장

AI 에이전트의 개념, 구조, 유형, 비즈니스 활용 가치를 설명했습니다. 보안과 신뢰성 같은 도입 과제와 향후 발전 방향도 함께 정리했습니다.

#AI Agent#LLM#ChatGPT
4600

AI

[Hands-On] Amazon Lex를 활용한 챗봇 시스템 구현하기

Amazon Lex와 Lambda로 영화 추천 챗봇을 만드는 과정을 소개했습니다. 의도, 슬롯, 이행 흐름과 Slack 연동 가능성도 함께 다뤘습니다.

#Amazon Lex#AWS Lambda#Slack
1900

AI

[Hands-On] Amazon SageMaker Canvas를 사용하여 노코드로 ML 모델 구축

Amazon SageMaker Canvas로 코딩 없이 머신러닝 모델을 만들고 예측하는 실습 과정을 소개했습니다. 데이터 준비부터 모델 분석, 배치·단일 예측, MLOps 연계까지의 흐름을 정리했습니다.

#AWS#ML#AutoML
2200

AI

생성형 AI 기반 비즈니스 어시스턴트 : Amazon Q

AWS의 생성형 AI 서비스 흐름 속에서 Amazon Q의 기능과 활용 가치를 소개했습니다. 개발 지원, 데이터 분석, 보안과 통합 측면에서 기업 도입 효과를 설명했습니다.

#AWS#ML#LLM
3800