📘 AI 에이전트 이해하기: LLM부터 RAG, MCP까지

ChatGPT가 왜 최신 정보를 모를까요? AI 챗봇이 회사 문서를 검색하거나 캘린더에 일정을 등록하려면 어떻게 해야 할까요?

이 책은 LLM(대규모 언어 모델)의 기본 원리부터 시작해서, 그 한계를 극복하는 두 가지 핵심 기술인 RAG(문서 검색)와 MCP(도구 연동)를 쉽게 설명합니다. 그리고 이 모든 것을 결합한 AI 에이전트가 어떻게 단순한 챗봇에서 진짜 일을 처리하는 비서로 진화하는지 보여줍니다.

게임 패치 노트 챗봇을 예시로 들어 실무에 바로 적용할 수 있도록 구성했습니다.
복잡한 수식이나 코드 대신, 실생활 비유와 이모지로 누구나 이해할 수 있게 작성했습니다.

🧠 LLM 기초 이해하기

💡 LLM이란? LLM(Large Language Model) 은 '대규모 언어 모델'이라는 뜻으로, 방대한 텍스트 데이터를 학습해서 사람처럼 언어를 이해하고 생성할 수 있는...

📚 RAG: LLM에게 참고 자료를 주기

🚫 LLM의 한계 LLM은 똑똑하지만, 혼자서는 할 수 없는 일들이 많습니다. 📋 문제 상황 예시 사용자 요청 LLM의 문제 필요한 해결책 "우리 회사 2024년...

🔧 MCP: LLM에게 도구를 주기

💡 MCP란? (Model Context Protocol) LLM이 다양한 외부 시스템, 도구, API를 표준화된 방식으로 사용할 수 있게 해주는 프로토콜(규격)입니다. 🤔 ...

⚡ RAG vs MCP: 무엇이 다른가?

🔍 핵심 차이점 구분 RAG MCP 역할 정보 제공자 도구 사용자 비유 도서관 사서 만능 비서 주요 기능 문서 검색 → 답변 생성 도구 호출 → 작업 실행...

📖 실전 가이드 및 핵심 정리

🎯 프로젝트에 적용하기 ✅ 프로젝트 요구사항 체크리스트 우리 서비스에 필요한 기능을 체크해보세요: 📚 RAG 기능 사내 문서 검색이 필요한가? 과거 데이터 조회가 필요한...