빌드 피벗(Build Pivot)

AGENTIC AI DESIGN PATTERNS · 02입력에 따라 길을 나눠라 — 라우팅(Routing) 완벽 정리조건 분기의 정의부터 규칙·임베딩·LLM 구현, 4개 프레임워크, 하이브리드 3계층, CRM·ERP·Groupware 적용까지🟢 입문~중급⏱️ 약 15분🧩 RunnableBranch·LangGraph·ADK·Semantic🏢 엔터프라이즈TL;DR — 라우팅은 입력을 분석해 적절한 처리 경로(에이전트·도구·워크플로우)로 동적 분기시키는 패턴입니다. 모든 입력이 같은 경로를 타는 체이닝과 달리, 하나의 분류 단계가 전문 핸들러로 보냅니다. 실무에선 규칙→임베딩→LLM 하이브리드 3계층이 정석이며, 응답 시간 87%↓·정확도 95%·잘못된 배정 80%↓를 달성합니다.목 차1. 왜 라우팅인가..

AGENTIC AI DESIGN PATTERNS · 01복잡한 LLM 작업은 쪼개라— 프롬프트 체이닝(Prompt Chaining) 완벽 정리단일 프롬프트의 한계부터 4개 프레임워크 구현, 품질 게이트, CRM·ERP·Groupware 적용까지🟢 입문~중급⏱️ 약 15분🧩 LangChain · LangGraph · ADK🏢 엔터프라이즈TL;DR — 프롬프트 체이닝은 하나의 거대한 프롬프트를 검증 가능한 여러 단계로 분해하고, 각 단계의 출력을 다음 단계의 입력으로 연결하는 가장 기초적이고 중요한 에이전트 설계 패턴입니다. 단일 프롬프트 대비 정확도가 최대 15.6% 향상되고, 단계별 검증·재시도가 가능해집니다. 왜 → 언제 → 어떻게(4개 프레임워크) → 실전(품질 게이트·엔터프라이즈) 순서로 정리..

2026년 엔터프라이즈 RAG가 무너지는 6가지 지점과 대응 청사진2026년 기준 프로덕션급 RAG 시스템은 더 이상 "문서를 잘라서 벡터DB에 넣고 LLM에 던지는" 단일 경로 구조가 아닙니다. 이 글은 1세대 Naive RAG가 무너지는 6가지 지점 — 아키텍처 라우팅, 문서 파싱, 청킹, 점진적 인덱싱, 보안, 평가·관측성 — 을 차례로 짚고, 각 지점마다 어떤 결정을 내려야 하는지, 그리고 그 결정이 어디서 깨지는지를 구체 수치와 사건으로 살펴봅니다. 이 글은 엔터프라이즈 환경의 백엔드·AI 플랫폼 엔지니어가 2026년 프로덕션급 RAG 시스템의 6대 구성요소와 자주 무너지는 지점을 이해하고, PoC 설계에 바로 적용할 의사결정 체크리스트를 얻도록 돕습니다.엔터프라이즈 환경에서 RAG는 정확도뿐..

AI Agent 도입, 현업 업무 분석을 위한 5단계 사내 방법론AI Agent 도입 프로젝트를 맡은 사내 PM과 기획자가 가장 먼저 막히는 지점은 "어떤 업무에 적용할 것인가"입니다. 이 글은 현업 업무를 Micro-Task로 분해하고, 적합성·HITL·Guardrail·자율성 수준·PoC KPI까지 끌고 가는 5단계 분석 절차를 7개 H2에 나눠 정리합니다.이 글은 AI Agent 도입 PM·기획자가 현업 업무를 AI Agent 요구사항으로 전환하는 분석 절차를 이해하고, 자사 PoC에 바로 적용 가능한 5단계 분석 프레임을 얻도록 돕습니다.각 단계의 판정 기준과 함정을 외부 사례(Amazon, McKinsey, Gartner, SK AX, arXiv의 자율성 척도)에 비추어 짚어드립니다. 자사 Po..

사내 AI 인프라 VRAM 산정 공식 — H100 80GB로 70B를 못 돌리는 이유사내에서 LLM·RAG·에이전트를 도입하려고 견적서를 받아 보면 H100·H200·L40S 같은 칩셋 이름이 등장합니다. 이 글은 그 스펙표를 단편적으로 비교하기 전에, 추론·파인튜닝·RAG·에이전트 4종 워크로드가 각각 어떤 메모리·인터커넥트·스토리지를 요구하는지를 정량 공식으로 정리합니다.이 글은 사내 AI 인프라를 설계하는 개발팀 리드·아키텍트가 오픈소스 LLM·파인튜닝·RAG·에이전트 워크로드의 하드웨어 스펙 산정 메커니즘을 이해하고, 자사 워크로드에 맞는 GPU·RAM·인터커넥트·스토리지 구성과 온프레미스/클라우드 의사결정 기준을 얻도록 돕습니다.사내 AI 파일럿이 "장비 먼저 사고 모델을 끼워 맞추는" 함정에 ..

AI 에이전트의 6가지 메모리 타입, 언제 무엇을 써야 하나LLM 기반 에이전트의 성능을 결정하는 변수는 점점 모델 자체가 아니라 "무엇을, 언제, 어떻게 기억하는가"로 옮겨가고 있습니다. 이 글은 단기·장기·일화적·의미론적·절차적·공유라는 6가지 메모리 타입이 각각 어떤 한계를 해결하기 위해 등장한 구조적 처방인지 분해하고, 실전에서 어떤 조합으로 쌓아야 하는지 정리합니다.이 글은 AI 에이전트 및 백엔드 개발자가 6가지 메모리 타입의 구조와 한계를 이해하고, 자신의 에이전트에 어떤 메모리 조합을 도입할지 판단하는 기준을 얻도록 돕습니다.배경 지식으로 RAG와 벡터DB 정도만 알고 있다면 충분합니다. 다만 이 글은 "어떤 메모리가 가장 좋은가"가 아니라 "어떤 한계를 풀고 싶은가"를 먼저 묻습니다. 그..

RAG vs 파인튜닝 — 같은 데이터, 다른 결과가 나오는 이유이 글은 LLM 커스터마이징의 두 핵심 전략인 RAG와 파인튜닝을 시스템 설계자 관점에서 비교합니다. 각각의 정의와 내부 유형, 공통점과 차이점, 그리고 같은 데이터를 양쪽에 투입했을 때 결과가 어떻게 갈리는지를 다룹니다. 마지막으로 구매·물류·제조·재무 같은 기업 일반 업무에서 어느 방식이 더 적합한지 의사결정 기준과 함께 정리합니다.RAG와 파인튜닝이란 무엇인가두 기법을 가르는 가장 명확한 기준은 모델 파라미터를 건드리느냐 여부입니다. 이 한 줄만 기억해도 이후의 모든 차이가 자연스럽게 따라옵니다.RAG(Retrieval-Augmented Generation)는 추론 시점에 외부 지식 베이스에서 관련 문서를 동적으로 검색해 LLM의 입력 ..

기업 시스템에 MCP 연동하는 3가지 방법 — ERP·MES·그룹웨어 실전 가이드Claude Code나 Cursor를 쓰다 보면 한 번쯤 "이걸 우리 회사 ERP나 그룹웨어에 붙일 수 있을까?"라는 질문을 만나게 됩니다. 이 글은 MCP(Model Context Protocol)가 기업 환경에서 ERP·MES·그룹웨어 같은 실제 시스템과 어떻게 연동되는지를 사례 중심으로 정리하고, 도입 시 반드시 챙겨야 할 보안 요구사항과 대책을 실측 수치와 함께 살펴봅니다. 개인 개발자용 로컬 설정 가이드나 프로토콜 스펙 상세는 다루지 않고, "조직에서 굴리려면 무엇이 필요한가"에 초점을 맞춥니다.MCP가 기업 시스템 연동을 바꾸는 방식MCP는 Anthropic이 2024년 11월에 공개한 오픈소스 표준입니다. AI ..

MCP 입문: AI 도구에 외부 기능을 연결하는 방법Claude Code나 Cursor를 쓰다 보면 어느 순간 "MCP 서버 추가"라는 메뉴를 마주칩니다. 이 글은 MCP(Model Context Protocol)가 왜 만들어졌고, 어떤 구조로 동작하며, 실제 연결은 어떻게 하는지를 5분 안에 정리하는 입문 가이드입니다. MCP 서버를 직접 SDK로 구현하는 방법은 다루지 않고, 사용자 입장에서 알아야 할 개념과 한 줄짜리 연결 예시까지만 다룹니다.MCP가 해결하는 문제 — N×M 커넥터 지옥MCP가 등장하기 전까지 AI 도구와 외부 시스템을 연결하는 일은 일종의 곱셈 문제였습니다. AI 모델이 N개, 연결하고 싶은 외부 도구가 M개라면 결국 N×M개의 커스텀 커넥터를 만들어야 했습니다. 모델이 바뀌면 ..