현대오토에버의 Amazon Bedrock으로 구축한 빅데이터 클러스터 장애 대응 자동화 에이전트 구축기
LangGraph와 Amazon Bedrock, OpenSearch를 결합해 빅데이터 클러스터 장애 대응을 자동화했습니다. 병렬 RCA와 반증 검증으로 진단 품질을 높이고 MTTA를 줄였습니다.
#Amazon Bedrock#LangGraph#Amazon OpenSearch Service
6000
태그
LangGraph 기술 블로그 글
LangGraph 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 25개최신 20개 표시
관련 태그
최신 게시글
20개 표시
현대오토에버의 Amazon Bedrock으로 구축한 다중 AI 에이전트: 장애 대응 시간 5분으로 단축하기
현대오토에버가 Amazon Bedrock과 LangGraph로 다중 AI 에이전트를 구성해 장애 대응을 자동화했습니다.\n장애 분석부터 보고서 생성까지를 연결해 대응 시간을 수 시간에서 5분으로 줄였습니다.
#Amazon Bedrock#LangGraph#Claude
4500
키다리스튜디오의 QA 테스트 케이스 생성 자동화 — Amazon Bedrock과 LangGraph 활용 사례
키다리스튜디오는 Amazon Bedrock과 LangGraph로 QA 테스트 케이스 생성 자동화를 구현했습니다. 수 시간 걸리던 작업을 분 단위로 줄이고, 멀티 에이전트와 Human-in-the-Loop로 품질을 보완했습니다.
#Amazon Bedrock#LangGraph#QA
7200
티오더의 Text2SQL 에이전트 티스푼 구현 사례
티오더가 Slack 기반 Text2SQL 에이전트 티스푼을 AWS와 LangGraph로 구현한 사례를 소개했습니다. 단계적 검색, 이중 승인, SQL 검증으로 안전한 데이터 조회 흐름을 만들었습니다.
#Text2SQL#AWS#LangGraph
5100
클로봇의 Amazon Bedrock 과 LangGraph 를 활용한 건설현장 해충 방역 전문 AI 챗봇 개발기
건설현장 방역을 위한 해충 판별 AI 챗봇을 Amazon Bedrock과 LangGraph로 구현했습니다. 이미지 분석, RAG 검색, 보고서 자동화까지 연결해 설명 가능한 방역 판단을 만들었습니다.
#Amazon Bedrock#LangGraph#RAG
5500
셀트리온제약의 의약품 공급망 관리 강화를 위한 멀티 에이전트 시스템 구축 여정
셀트리온제약이 S&OP 회의 질의 대응을 위해 멀티 에이전트 AI 시스템을 구축했습니다. RAG, Text-to-SQL, 웹 검색을 결합해 평균 1분 이내 응답과 약 90% 정확도를 확보했습니다.
#멀티 에이전트#RAG#LangGraph
8400
아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트로 이룬 데이터 분석 혁신
아이지에이웍스가 Amazon Bedrock 기반 클레어로 자연어를 SQL 분석과 차트로 연결했습니다. 마케터가 SQL 없이도 복잡한 데이터 분석을 수행하도록 돕고 의사결정 속도를 높였습니다.
#Amazon Bedrock#RAG#LLM
5900
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
RAG기반 Multi-Agent를 구현해보자(feat.데보션 오픈랩)
RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.
#RAG#Multi-Agent#LangGraph
9900
챗봇 서비스 구축기
사람인 내부 데이터를 활용해 LLM 챗봇을 구축하고, RAG와 Function Calling으로 답변 정확도를 높였습니다. 또한 LangGraph와 멀티테넌시, 모니터링으로 운영성과 확장성을 함께 개선했습니다.
#LLM#RAG#LangGraph
8600
특정 YouTube 영상의 댓글에 대한 자연어 분석 RAG 시스템 개발 with LangGraph + Qdrant
YouTube 댓글의 정보 과부하를 RAG로 해결하는 분석 시스템을 LangGraph와 Qdrant로 구현했습니다.댓글 수집, 의미 검색, 응답 생성을 분리하고 MVP 한계와 개선점까지 정리했습니다.
#RAG#LangGraph#Qdrant
7200
카사코리아 AI 챗봇 구축기 Amazon Bedrock 기반 대고객 에이전트형 챗봇 구현 사례
Amazon Bedrock 기반으로 FAQ Fast-Path와 Advanced RAG를 결합한 고객 응대 챗봇 구축 사례를 소개했습니다. 또한 비식별화, Guardrails, VPC·PrivateLink로 금융 서비스 수준의 보안성을 강화했습니다.
#Amazon Bedrock#RAG#LangGraph
8900
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
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
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 1: 브로쿼리 개요와 아키텍처
당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.
#Amazon Bedrock#Text-to-SQL#RAG
8400
똑쿼리 고도화 일대기
똑쿼리는 사내 데이터와 문서를 자연어로 조회하는 서비스로, 슬랙 기반 채팅 에이전트에서 LangGraph 기반 구조로 고도화했습니다. Router 패턴과 RAG 개선을 통해 응답 속도와 정확도를 높였고, OpenWebUI로 사용자 경험도 개선했습니다.
#LLM#LangGraph#RAG
1500
똑쿼리 고도화 일대기
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
Amazon Bedrock기반 Agentic Text-to-Image로 사용자 의도를 정확히 반영하기 (프롬프트 분해에서 검증까지)
Amazon Bedrock 기반 Agentic Text-to-Image로 복잡한 프롬프트를 단계적으로 분해하고 검증하며 생성하는 방법을 소개했습니다. 또한 인페인팅, 아웃페인팅과 Gradio, LangGraph를 결합한 편집 데모도 함께 설명했습니다.
#Amazon Bedrock#LLM#이미지 생성
2600
