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#Streamlit
4200
태그
LangChain 기술 블로그 글
LangChain 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 33개최신 20개 표시
관련 태그
최신 게시글
20개 표시
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#Converse API
7300
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#Text2SQL
10500
Text2SQL 기반 데이터 분석 서비스 InsightLens 개발기
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#MCP
5800
휴먼의 'AI 학습'은 이렇게 #2: DeepLearning.ai (& pro)
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#LangChain
11900
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#LLM
9700
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#LangGraph
100
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
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#LangChain
9200
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#LangChain
7100
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#LLM
8000
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#LangGraph
5800
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#LangGraph
8900
LangChain 기반 지능형 자동화 도입기
LangChain과 RAG를 활용해 반복 CS 업무를 자동화한 사례를 소개했습니다. 승인 절차와 권한 제어로 안정성을 확보하며 처리 시간을 크게 줄였습니다.
#LangChain#LLM#RAG
19200
Ambient Agent의 시대가 온다
Ambient Agent가 챗봇 중심 에이전트의 한계를 넘어 자율 실행과 장기 워크플로우를 가능하게 한다고 설명했습니다. 다만 민감한 업무에서는 Human-in-the-loop와 보안, 데이터 품질 관리가 중요하다고 정리했습니다.
#LLM#LangGraph#LangChain
7900
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
9600
LLM 그 이후: A2A의 멀티에이전트 오케스트레이션 시대
생성형 AI의 게임체인저, ReAct Agent를 알아보자
생성형 AI 에이전트의 핵심인 ReAct 패턴과 LangChain 기반 도구 활용 방식을 정리했습니다.현업 적용을 위해 도메인 지식, 프롬프트, Tool 설계, QA까지 함께 고려해야 했습니다.
#LangChain#LLM#React
13900
Langchain과 Langgraph의 Agent구현의 차이점.
Langchain과 Langgraph의 create_react_agent 차이를 프롬프트 처리와 Tool Call 방식 중심으로 비교했습니다. 상용 LLM과 MCP 환경에는 Langgraph가 유리하고, Private LLM에는 Langchain을 고려할 수 있음을 정리했습니다.
#Langchain#Langgraph#LLM
10300
티오더의 Amazon Bedrock을 활용한 MCP 기반 운영 플랫폼 개발기
티오더가 Amazon Bedrock과 MCP로 운영 플랫폼을 구축한 사례를 소개했습니다. 자연어 기반 도구 호출과 알람 자동 요약으로 장애 대응과 운영 효율을 높였습니다.
#Amazon Bedrock#MCP#LangChain
6300
문의 대응을 효율화하기 위한 RAG 기반 봇 도입하기
AWX 운영 문의를 줄이기 위해 RAG 기반 지원 봇을 도입한 사례를 소개했습니다. 사내 문서와 Slack 스레드를 벡터 검색해 1차 답변을 제공하고, 필요 시 관리자 호출로 넘기는 흐름을 구성했습니다.
#RAG#LLM#LangChain
8100
나만의 ReAct 구현하기 : ReAct를 활용한 추론과 작업 자동화
ReAct를 추론과 행동을 결합한 에이전트 프레임워크로 소개했습니다. AWS와 LangChain 도구를 활용한 업무 자동화 사례와 구성 요소를 정리했습니다.
#LLM#AWS#LangChain
700
나만의 ReAct 구현하기 : ReAct를 활용한 추론과 작업 자동화