[카테고리:] AI
-
CrewAI: 멀티 에이전트 AI 자동화
CrewAI 소개 인공지능 기술이 빠르게 발전하면서, 단일 AI 모델의 한계를 극복하고 더 복잡한 작업을 효율적으로 처리할 수 있는 멀티 에이전트 시스템에 대한 관심이 높아지고 있습니다. 이러한 트렌드 속에서 CrewAI는 멀티 에이전트 AI 자동화 플랫폼으로 주목받고 있으며, GitHub에서 29.4K개의 스타를 받으며 Fortune 500 기업의 60%가 사용하고 있는 혁신적인 프레임워크입니다. 이러한 설계를 위해서는 langGraph를 이용한 방법도 있긴…
-
MCP Server 구축하기: stdio와 SSE 방식 차이점
pulseMCP, smithery 등에 업데이트되는 정보들이 빠르게 증가하는 것을 보니, MCP(Model Context Protocol)을 이용한 서버와 클라이언트 개발이 매우 활발하게 이루어지는 것 같습니다. . 관련해서 이번 포스트에서는 Python의 mcp 라이브러리를 사용하여 간단한 MCP 서버를 구축하는 방법을 stdio와 SSE 두 가지 방식으로 나누어 설명하겠습니다. SSE와 stdio에 대한 설명 SSE (Server-Sent Events) SSE는 서버-센트 이벤트(Server-Sent Events)의 약자로, 웹 브라우저(클라이언트)가…
-
AnyCrawl: LLM 을 위한 고성능 웹 크롤러
고품질 데이터 수집의 중요성이 그 어느 때보다도 중요한 시기이 때문에 추가로 크롤러 서비스에 대한 또 다른 서비스에 대해서 포스트하려고 합니다. AnyCrawl은 AI와 LLM을 위해 특별히 설계된 고성능 웹 스크래핑 도구로, 코딩 없이도 모든 웹사이트에서 구조화된 데이터를 추출할 수 있는 엔터프라이즈급 크롤러 입니다. AnyCrawl의 주요 기능 1. AI 최적화 데이터 추출 AnyCrawl은 단순한 웹 스크래핑을 넘어서…
-
Chuking 파헤치기: RAG을 위한 필수 기술
LLM(대규모 언어 모델) 관련 애플리케이션을 구축할 때, 특히 콘텐츠를 임베드하여 벡터 데이터베이스에 저장하고 검색하는 과정에서 ‘청킹(Chunking)’은 핵심적인 기술입니다. 큰 텍스트 덩어리를 더 작고 관리 가능한 세그먼트로 나누는 이 과정은 벡터 데이터베이스에서 반환되는 콘텐츠의 관련성을 최적화하는 데 필수적입니다. VectorDB과 같은 시스템에서 콘텐츠를 인덱싱하려면 먼저 임베드해야 하며, 청킹을 하는 주된 이유는 의미적으로 관련성이 있으면서도 노이즈가 최소화된 콘텐츠를…
-
Firecrawl MCP Server: 웹 스크래핑과 리서치를 위한 강력한 도구
🔥 Firecrawl MCP Server는 웹 스크래핑 기능을 제공하는 Model Context Protocol(MCP) 서버 입니다. 이 도구는 웹 콘텐츠 수집, 검색, 분석을 위한 다양한 기능을 제공하여 연구자, 개발자, 데이터 분석가들에게 강력한 웹 리서치 도구로 활용될 수 있습니다. 현재 오픈소스 AGPL -3.0 (https://github.com/mendableai/firecrawl/blob/main/LICENSE) 으로 제공된 버전과 Cloud 버전을 제공하고 있습니다. 오픈소스와 차이는 다음과 같습니다. 이 글에서는 최근 MCP…
-
Home Assistant MCP 연동으로 Claude와 스마트홈 제어하기
스마트홈의 발전과 함께 AI 기술의 활용이 더욱 중요해지고 있습니다. 이번 포스트에서는 Home Assistant에 MCP(Model Context Protocol) 서버를 구성하여 Claude Desktop과 연동하는 방법을 상세히 알아보겠습니다. 이를 통해 자연어로 스마트홈 기기를 제어하고, 더욱 지능적인 자동화를 구현할 수 있습니다. Home Assistant MCP Server 구성 방법 1. 사전 요구사항 연동을 시작하기 전에 다음 사항들이 준비되어야 합니다: 2. Home Assistant에…
-
RAG 시스템의 새로운 시각: ‘충분한 맥락’으로 환각을 줄이는 법
Retrieval Augmented Generation (RAG) 시스템은 거대 언어 모델(LLM)에 외부 지식이나 최신 정보를 제공하여 성능을 향상시키는 강력한 방법으로 부상했습니다. 하지만 RAG 시스템에도 여전히 해결해야 할 과제가 많습니다. 이번 글에서는 최근 발표된 논문 “SUFFICIENT CONTEXT: A NEW LENS ON RETRIEVAL AUGMENTED GENERATION SYSTEMS”의 핵심 내용을 바탕으로, 기존 RAG 시스템의 문제점과 이를 개선하기 위한 새로운 접근 방식을 설명해…
-
AI의 새로운 가능성, MCP: 엔터프라이즈 환경에서 보안 대응
인공지능(AI) 기술이 빠르게 발전하면서, AI 시스템이 외부 세계와 상호작용하는 방식 역시 진화하고 있습니다. Anthropic이 도입한 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)은 이러한 상호작용을 표준화하는 데 중요한 역할을 합니다. MCP를 통해 AI 모델은 실시간으로 외부 데이터 소스에 접근하고 다양한 도구를 활용할 수 있게 되며, 이는 AI 통합 및 기능 확장에 상당한 이점을 제공합니다. MCP의 핵심 구성…
-
MCP Tool Poisoning 공격: AI 에이전트의 새로운 보안 위협
AI 에이전트 생태계에서 혁신적인 기술로 주목받고 있는 MCP(Model Context Protocol)에서 심각한 보안 취약점이 발견되었습니다. Invariant Labs의 보안 연구팀이 발견한 Tool Poisoning Attack(TPA)은 AI 모델을 조작하여 민감한 데이터를 탈취하고 사용자 모르게 악의적인 행동을 수행할 수 있는 새로운 형태의 공격입니다. 이번 글에서는 Tool Poisoning 공격의 작동 원리, 실제 공격 사례, 그리고 이에 대한 효과적인 대응 방안을 자세히…