AI

LLM, MCP, RAG, 바이브 코딩 실전 가이드.

LangChain 기반 폐쇄망 RAG 시스템을 설계할 때 필요한 전체 아키텍처, 기술 스택, 문서 수집과 Chunking, 검색 구조, 보안, 운영 구성, 패키지 공급망을 실무 관점에서 정리했습니다.

RAG와 LangChain의 핵심 개념부터 PDF 기반 RAG, FastAPI API, PostgreSQL pgvector, 권한 제어, 평가 체계, 운영 아키텍처까지 실무 중심으로 정리한 가이드입니다.

오픈소스 RAG 프레임워크의 아키텍처, 기능, 상업적 사용 가능 여부, 라이선스, 엔터프라이즈 배포 전략을 종합적으로 정리합니다.

AI 코딩 도구가 빠르게 발전하면서 소프트웨어 엔지니어링의 중심이 “직접 코드를 쓰는 일”에서 “무엇을 만들지 설계하고 판단하는 일”로 이동하고 있다고 설명한다.

바이브 코딩을 자연어로 AI 에이전트에게 지시해 앱을 구현하는 개발 방식으로 소개한다. 핵심은 코드를 직접 한 줄씩 작성하는 데서 벗어나, 만들고 싶은 제품의 목적, 기능, 사용자 경험을 설명하고 AI가 구현 과정을 맡도록 하는 것이다.

RAG 시스템의 개념, 작동 방식, 실제 활용 사례, 아키텍처, 워크플로우, 장점, 한계, 평가 지표와 엔터프라이즈 AI 구축 모범 사례를 원문 항목 누락 없이 한국어로 정리했습니다.

Model Context Protocol(MCP)은 AI 애플리케이션이 파일, 데이터베이스, 검색 도구, 업무 흐름 같은 외부 시스템과 표준 방식으로 연결되도록 돕는 오픈소스 프로토콜이다.

Tenable의 DeepSeek AI 가이드를 바탕으로 DeepSeek V3·R1의 구조, 경쟁 모델 비교, 활용 사례, 개인정보·보안·컴플라이언스 리스크와 조직의 대응 방안을 정리했다.

SitePoint의 2026년 LLM 비교 가이드를 바탕으로 비용, 성능, 개인정보, 운영 부담, 라이선스 관점에서 오픈소스 모델과 상용 API의 선택 기준을 정리했다.